CN110866889A - 一种监控系统中的多相机数据融合方法 - Google Patents
一种监控系统中的多相机数据融合方法 Download PDFInfo
- Publication number
- CN110866889A CN110866889A CN201911125500.7A CN201911125500A CN110866889A CN 110866889 A CN110866889 A CN 110866889A CN 201911125500 A CN201911125500 A CN 201911125500A CN 110866889 A CN110866889 A CN 110866889A
- Authority
- CN
- China
- Prior art keywords
- image
- monitoring
- images
- standard
- data fusion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 165
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 21
- 230000004927 fusion Effects 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种监控系统中的多相机数据融合方法，包括S1、对具有重叠监控区域的监控图像进行预处理，形成标准监控图像；S2、确定监控图像的融合需求；若为融合形成全景图像，进入S3；若为融合形成对象跟踪图像，进入S4；S3、根据标准监控图像的关联性，对其融合形成对应的全景图像；S4、确定跟踪对象，并将所有具有跟踪对象的标准监控图像提取出来；S5、将提取出的标准监控图像按照跟踪对象出现的时间顺序进行排列，并融合形成对象跟踪图像。本发明针对目前监控系统中全景图像的呈现和特定对象的跟踪，提供了适用于不同场景下的多相机数据融合方法，降低了图像数据融合时的计算量，提高了图像数据融合效率和融合图像的呈现效果。
Description
技术领域
本发明属于计算机视觉技术领域，具体涉及一种监控系统中的多相机数据融合方法。
背景技术
随着摄像头安装数量的增多，加上公共安全问题的重要性，采用人工的视频监控方式已经远远不能满足现在安防的需求，因此智能监控技术得到越来越广泛的应用。
近年来有越来越多的智能监控系统应用在商业、法律和军事等领域，动态场景的视觉监控成为计算机视觉的一个前沿研究方向，具有广泛的应用前景和潜在的经济价值。随着现代科技的快速发展，摄像头的价格也越来越便宜。在大多数情况下，由于单个摄像头视野(FOV，Field of View)的有限，以及实时场景中遮挡的存在，使用一个摄像头来监控整个感兴趣的场景是不可能的，因此需要多个摄像头来达到监控目的。在多个摄像头的监控系统中，出现了许多问题，一方面，多个摄像头单独监控的区域具有重叠，没有及时将所有的单个画面进行融合形成一个完整的监控画面，在查看整个监控画面时需要同时对多个单摄像头画面进行浏览，增加了用户的工作量，耗费了更多的精力；另一方面，在需要对某一特定人物进行监控时，且该人从一个摄像头的FOV进入另一个摄像头的FOV时，需要在另一个摄像头画面中进行识别，不能根据需要监控的对象自动融合所有与该人物相关的图像，形成一个完整的跟踪监控画面。
发明内容
针对现有技术中的上述不足，本发明提供的监控系统中的多相机数据融合方法解决了现有的监控系统中无法实时对具有重叠区域的监控画面进行融合，和难以针对监控目标形成对应的跟踪融合画面的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种监控系统中的多相机数据融合方法，包括以下步骤：
S1、获取若干个具有重叠监控区域的相机的监控图像，并对其进行预处理，形成标准监控图像；
S2、确定监控图像的融合需求；
若为融合形成全景图像，则进入步骤S3；
若为融合形成对象跟踪图像，则进入步骤S4；
S3、根据标准监控图像的关联性，对其融合形成对应的全景图像，实现多相机的数据融合；
S4、在标准监控图像中确定跟踪对象，并将所有具有跟踪对象的标准监控图像提取出来，进入步骤S5；
S5、将提取出的标准监控图像按照跟踪对象出现的时间顺序进行排列，并融合形成对象跟踪图像，实现多相机数据融合。
进一步地，所述步骤S1中对监控图像进行预处理包括依次对监控图像进行尺寸标准化处理、灰度化处理、二值化处理和图像去噪处理。
进一步地，对监控图像进行尺寸标准化处理的方法具体为：将所述监控图像的大小均标准化为512×512像素；
图像去噪处理的方法具体为：采用不同大小的图像块对待去噪的监控图像中的每个像素点进行非局部均值去噪方法进行去噪估计，得到待去噪图像每个像素点在至少两种不同去噪模式下的去噪估计值，然后对该去噪估计值进行再次估计，从而得到图像每个像素点的最终去噪估计值，实现图像去噪处理。
进一步地，所述步骤S3具体为：
S31、根据每个标准监控图像之间的相对位置关系，确定每个标准监控图像Si对应的待融合图像集合Ti；
式中，下标i为标准监控图像标号，且i＝1,2,3,...,I，I为标准监控图像Si的总数，Ti＝{T1,T2,...,Tn,...,TN}，n为需要与标准监控图像Si进行融合的重叠图像标号，n＝1,2,3,...,N，N为需要与标准监控图像Si进行融合的标准监控图像总数；
S32、依次计算标准监控图像Si与对应的待融合图像集合Ti中的各个重叠图像的特征点匹配对集合Ki；
S33、根据特征点匹配集合Ki，将当前待融合的标准监控图像依次与Ti中的重叠图像进行图像配准，得到对应的配准图像；
S34、将当前待融合的标准监控图像拷贝到配准图上，得到拼接图像；
S35、对拼接图像中的重叠部分的像素值按设定权值相加，形成对应的初步融合图像；
S36、根据步骤S33-S35，得到每个待融合的标准监控图像对应的初步融合图像；
S37、对每个初步融合图像按照其相对位置关系，进行直接拼接，形成全景图像，实现多相机的数据融合。
进一步地，所述步骤S32具体为：
A1、根据标准监控图像Si与待融合图像集合Ti中任意一个重叠图像之间的相对位置关系，对重叠图像中的特征点集合进行位置变换，得到该重叠图像的特征点集合中各个特征点在标准监控图像Si上对应的特征映射点；
A2、针对重叠图像中的特征点集合中的每个特征点，以其对应的特征映射点作为参考特征点；
A3、将该重叠图像的特征点集合中每个特征点与参考特征点匹配形成特征点匹配对集合。
进一步地，所述步骤S4具体为；
S41、在任一标准监控图中的确定跟踪对象，并对其进行识别和特征提取；
S42、通过提取的跟踪对象的特征，依次在所有标准监控图像中进行搜索，并将搜索匹配度达到80％以上的标准监控图像提取出来，得到所有具有跟踪对象的监控图像。
进一步地，所述步骤S41具体中，通过人为识别标准监控图像中的跟踪对象，并根据人脸识别技术对其进行特征提取。
进一步地，所述步骤S5中提取出的标准监控图像包括具有重叠区域的标准图像和不具有重叠区域的标准监控图像。
进一步地，对具有重叠区域的标准监控图像进行融合的方法具体为：
B1、按照获取监控图像的时间顺序对所有标准监控图像进行排序；
B2、将每个标准监控图像中的跟踪对象提取出来，得到具有重叠区域的背景图像；
B3、依次将相邻两个背景图像按照M-L算法进行图像融合，并在图像中标记重叠区域；
B4、根据图像中标记的重叠区域，将跟踪对象还原到监控图像中的初始位置，得到具有跟踪对象的融合图像，实现多相机的数据融合。
进一步地，对不具有重叠区域的标准监控图像进行融合的方法具体为：
按照获取监控图像的时间顺序对所有具有跟踪对象的标准监控图像直接进行拼接，得到具有跟踪对象的融合图像，实现多相机数据融合。
本发明的有益效果为：
(1)本发明提供的监控系统中的多相机数据融合方法，根据用户的不同需求，提供了两种数据融合方案，提高的监控系统的广泛适用性；
(2)在对多相机数据进行融合前，对图像数据进行了预处理，增强了后续图像处理融合效率；
(3)对多相机数据融合形成全景图像时，针对每个待融合图像需要融合的重叠对象进行融合处理，提高了全景图像的成像精确度；
(4)对多相机数据融合形成跟踪对象图像时，通过确定跟踪对象，再在所有监控图像中匹配，提高了跟踪对象图像的形成效率。
附图说明
图1为本发明提供的监控系统中的多相机数据融合方法实现流程图。
图2为本发明提供的全景图像融合方法流程图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
实施例1：
如图1所示，一种监控系统中的多相机数据融合方法，包括以下步骤：
S1、获取若干个具有重叠监控区域的相机的监控图像，并对其进行预处理，形成标准监控图像；
S2、确定监控图像的融合需求；
若为融合形成全景图像，则进入步骤S3；
若为融合形成对象跟踪图像，则进入步骤S4；
S3、根据标准监控图像的关联性，对其融合形成对应的全景图像，实现多相机的数据融合；
S4、在标准监控图像中确定跟踪对象，并将所有具有跟踪对象的标准监控图像提取出来，进入步骤S5；
S5、将提取出的标准监控图像按照跟踪对象出现的时间顺序进行排列，并融合形成对象跟踪图像，实现多相机数据融合。
实施例2：
上述实施例1的步骤S1中对监控图像进行预处理包括依次对监控图像进行尺寸标准化处理、灰度化处理、二值化处理和图像去噪处理。其中，监控图像的大小均标准化为512×512像素，便于后续对图像数据处理和融合；灰度化处理处理获得的灰度图像，也称为灰阶图像，图像中每个像素可以由0(黑)到255(白)的亮度值(Intensity)表示，灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255个值可取，这样一个像素点可以有1600多万(255255255)的颜色的变化范围。而灰度图像一个像素点的变化范围为255种，所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。对于灰度化的方式有分量法、最大值法、平均值法，加权平均法等；通过彩色图片进行灰度化以后，把获取到的灰度图像进行二值化处理，对于二值化，其目的是将目标用户背景分类，为后续车道的识别做准备，灰度图像二值化最常用的方法是阈值法，他利用图像中目标与背景的差异，把图像分别设置为两个不同的级别，选取一个合适的阈值，以确定某像素是目标还是背景，从而获得二值化的图像；图像去噪是指减少图像中造成的过程。现实中的图像会受到各种因素的影响而含有一定的噪声，噪声主要有以下几类：椒盐噪声、加性噪声、乘性噪声和高斯噪声，图像去噪的方法有很多种，其中均值滤波、中值滤波等比较基础且成熟，还有一些基于数学中偏微分方程的去噪方法，此外，还有基于频域的小波去噪方法。均值滤波、中值滤波这些基础的去噪算法以其快速、稳定等特性，本发明实施例中采用的图像去噪处理的方法具体为：采用不同大小的图像块对待去噪的监控图像中的每个像素点进行非局部均值去噪方法进行去噪估计，得到待去噪图像每个像素点在至少两种不同去噪模式下的去噪估计值，然后对该去噪估计值进行再次估计，从而得到图像每个像素点的最终去噪估计值，实现图像去噪处理。该去噪方法融合了采用不同图像块实现非均值去噪的优点，从而使最终得到的去噪图像即对噪声更加鲁棒性，产生了较少的人工痕迹，又能避免去噪效果的退化，最终达到了较好的去噪效果。
实施例3：
如图2所示，上述实施例1的步骤S3具体为：
S31、根据每个标准监控图像之间的相对位置关系，确定每个标准监控图像Si对应的待融合图像集合Ti；
式中，下标i为标准监控图像标号，且i＝1,2,3,...,I，I为标准监控图像Si的总数，Ti＝{T1,T2,...,Tn,...,TN}，n为需要与标准监控图像Si进行融合的重叠图像标号，n＝1,2,3,...,N，N为需要与标准监控图像Si进行融合的标准监控图像总数；
S32、依次计算标准监控图像Si与对应的待融合图像集合Ti中的各个重叠图像的特征点匹配对集合Ki；
S33、根据特征点匹配集合Ki，将当前待融合的标准监控图像依次与Ti中的重叠图像进行图像配准，得到对应的配准图像；
S34、将当前待融合的标准监控图像拷贝到配准图上，得到拼接图像；
S35、对拼接图像中的重叠部分的像素值按设定权值相加，形成对应的初步融合图像；
S36、根据步骤S33-S35，得到每个待融合的标准监控图像对应的初步融合图像；
S37、对每个初步融合图像按照其相对位置关系，进行直接拼接，形成全景图像，实现多相机的数据融合。
本发明实施例中的步骤S31具体为：将各个标准监控图像进行特征点提取得到相应的特征点集合，针对任意两个标准监控图像，确定两个图像之间的特征点匹配对，若匹配对的数量大于预设的数量阈值，则认为相互重叠，否则认为不存在相互重叠，将存在重叠的标准监控图像作为重叠图像加入到标准监控图像对应的待融合图像集合Ti中。
本发明实施例中的步骤S32具体为：
A1、根据标准监控图像Si与待融合图像集合Ti中任意一个重叠图像之间的相对位置关系，对重叠图像中的特征点集合进行位置变换，得到该重叠图像的特征点集合中各个特征点在标准监控图像Si上对应的特征映射点；
A2、针对重叠图像中的特征点集合中的每个特征点，以其对应的特征映射点作为参考特征点；
A3、将该重叠图像的特征点集合中每个特征点与参考特征点匹配形成特征点匹配对集合。
需要说明的是本发明实施例中，融合形成全景图像的目标是，去除所有标准监控图像中的重叠区域，形成一幅连续的不存在重叠的全景图像。
实施例4：
上述实施例1中的步骤S4具体为；
S41、在任一标准监控图中的确定跟踪对象，并对其进行识别和特征提取；
其中，由于跟踪对象是根据当前需求确定的，所以无法通过对应的算法提取确定跟踪对象，需要通过人为识别标准监控图像中的跟踪对象，然后根据人脸识别技术对其进行特征提取，完成跟踪对象的识别，便于后续与其他标准监控图像匹配，找到更多具有跟踪对象的标准监控图像；其中，人脸识别技术属于本领域技术人员所熟知的较为成熟的技术，其具体实现过程在此不再赘述；
S42、通过提取的跟踪对象的特征，依次在所有标准监控图像中进行搜索，并将搜索匹配度达到80％以上的标准监控图像提取出来，得到所有具有跟踪对象的监控图像；
其中，搜索匹配度可以人为设置，若监控系统的中相机获取的监控图像像素较高，可将搜索匹配度设置的更高，以便更准确的识别出其他标准监控图像中的跟踪目标，若监控系统的中相机获取的监控图像像素不够理想，可将搜索匹配度设置的低一些，以便更全面的搜索出可能具有跟踪目标的其他标准监控图像。
实施例5：
上述实施例1中的步骤S5中，由于监控系统中的相机可能存在监控盲区，使得所获取的监控画面可能并不是连续的，因此提取出的标准监控图像包括具有重叠区域的标准图像和不具有重叠区域的标准监控图像；其中，对具有重叠区域的标准监控图像进行融合的方法具体为：
B1、按照获取监控图像的时间顺序对所有标准监控图像进行排序；
B2、将每个标准监控图像中的跟踪对象提取出来，得到具有重叠区域的背景图像；
B3、依次将相邻两个背景图像按照M-L算法进行图像融合，并在图像中标记重叠区域；
B4、根据图像中标记的重叠区域，将跟踪对象还原到监控图像中的初始位置，得到具有跟踪对象的融合图像，实现多相机的数据融合。
对不具有重叠区域的标准监控图像进行融合的方法具体为：
按照获取监控图像的时间顺序对所有具有跟踪对象的标准监控图像直接进行拼接，得到具有跟踪对象的融合图像，实现多相机数据融合。
需要说明的是，本发明实施例中，对监控图像进行融合时，首要目的是确定跟踪目标在各图像中均有出现，所有要避免进行融合时，将两个图像中的跟踪目标作为重叠区域进行合并，这样就难以确定对跟踪对象的及时定位。
本发明的有益效果为：
(1)本发明提供的监控系统中的多相机数据融合方法，根据用户的不同需求，提供了两种数据融合方案，提高的监控系统的广泛适用性；
(2)在对多相机数据进行融合前，对图像数据进行了预处理，增强了后续图像处理融合效率；
(3)对多相机数据融合形成全景图像时，针对每个待融合图像需要融合的重叠对象进行融合处理，提高了全景图像的成像精确度；
(4)对多相机数据融合形成跟踪对象图像时，通过确定跟踪对象，再在所有监控图像中匹配，提高了跟踪对象图像的形成效率。
Claims (10)
1.一种监控系统中的多相机数据融合方法，其特征在于，包括以下步骤：
S1、获取若干个具有重叠监控区域的相机的监控图像，并对其进行预处理，形成标准监控图像；
S2、确定监控图像的融合需求；
若为融合形成全景图像，则进入步骤S3；
若为融合形成对象跟踪图像，则进入步骤S4；
S3、根据标准监控图像的关联性，对其融合形成对应的全景图像，实现多相机的数据融合；
S4、在标准监控图像中确定跟踪对象，并将所有具有跟踪对象的标准监控图像提取出来，进入步骤S5；
S5、将提取出的标准监控图像按照跟踪对象出现的时间顺序进行排列，并融合形成对象跟踪图像，实现多相机数据融合。
2.根据权利要求1所述的监控系统中的多相机数据融合方法，其特征在于，所述步骤S1中对监控图像进行预处理包括依次对监控图像进行尺寸标准化处理、灰度化处理、二值化处理和图像去噪处理。
3.根据权利要求2所述的监控系统中的多相机数据融合方法，其特征在于，对监控图像进行尺寸标准化处理的方法具体为：将所述监控图像的大小均标准化为512×512像素；
图像去噪处理的方法具体为：采用不同大小的图像块对待去噪的监控图像中的每个像素点进行非局部均值去噪方法进行去噪估计，得到待去噪图像每个像素点在至少两种不同去噪模式下的去噪估计值，然后对该去噪估计值进行再次估计，从而得到图像每个像素点的最终去噪估计值，实现图像去噪处理。
4.根据权利要求1所述的监控系统中的多相机数据融合方法，其特征在于，所述步骤S3具体为：
S31、根据每个标准监控图像之间的相对位置关系，确定每个标准监控图像Si对应的待融合图像集合Ti；
式中，下标i为标准监控图像标号，且i＝1,2,3,...,I，I为标准监控图像Si的总数，Ti＝{T1,T2,...,Tn,...,TN}，n为需要与标准监控图像Si进行融合的重叠图像标号，n＝1,2,3,...,N，N为需要与标准监控图像Si进行融合的标准监控图像总数；
S32、依次计算标准监控图像Si与对应的待融合图像集合Ti中的各个重叠图像的特征点匹配对集合Ki；
S33、根据特征点匹配集合Ki，将当前待融合的标准监控图像依次与Ti中的重叠图像进行图像配准，得到对应的配准图像；
S34、将当前待融合的标准监控图像拷贝到配准图上，得到拼接图像；
S35、对拼接图像中的重叠部分的像素值按设定权值相加，形成对应的初步融合图像；
S36、根据步骤S33-S35，得到每个待融合的标准监控图像对应的初步融合图像；
S37、对每个初步融合图像按照其相对位置关系，进行直接拼接，形成全景图像，实现多相机的数据融合。
5.根据权利要求4所述的监控系统中的多相机数据融合方法，其特征在于，所述步骤S32具体为：
A1、根据标准监控图像Si与待融合图像集合Ti中任意一个重叠图像之间的相对位置关系，对重叠图像中的特征点集合进行位置变换，得到该重叠图像的特征点集合中各个特征点在标准监控图像Si上对应的特征映射点；
A2、针对重叠图像中的特征点集合中的每个特征点，以其对应的特征映射点作为参考特征点；
A3、将该重叠图像的特征点集合中每个特征点与参考特征点匹配形成特征点匹配对集合。
6.根据权利要求1所述的监控系统中的多相机数据融合方法，其特征在于，所述步骤S4具体为；
S41、在任一标准监控图中的确定跟踪对象，并对其进行识别和特征提取；
S42、通过提取的跟踪对象的特征，依次在所有标准监控图像中进行搜索，并将搜索匹配度达到80％以上的标准监控图像提取出来，得到所有具有跟踪对象的监控图像。
7.根据权利要求6所述的监控系统中的多相机数据融合方法，其特征在于，所述步骤S41具体中，通过人为识别标准监控图像中的跟踪对象，并根据人脸识别技术对其进行特征提取。
8.根据权利要求6所述的监控系统中的多相机数据融合方法，其特征在于，所述步骤S5中提取出的标准监控图像包括具有重叠区域的标准图像和不具有重叠区域的标准监控图像。
9.根据权利要求8所述的监控系统中的多相机数据融合方法，其特征在于，对具有重叠区域的标准监控图像进行融合的方法具体为：
B1、按照获取监控图像的时间顺序对所有标准监控图像进行排序；
B2、将每个标准监控图像中的跟踪对象提取出来，得到具有重叠区域的背景图像；
B3、依次将相邻两个背景图像按照M-L算法进行图像融合，并在图像中标记重叠区域；
B4、根据图像中标记的重叠区域，将跟踪对象还原到监控图像中的初始位置，得到具有跟踪对象的融合图像，实现多相机的数据融合。
10.根据权利要求8所述的监控系统中的多相机数据融合方法，其特征在于，对不具有重叠区域的标准监控图像进行融合的方法具体为：
按照获取监控图像的时间顺序对所有具有跟踪对象的标准监控图像直接进行拼接，得到具有跟踪对象的融合图像，实现多相机数据融合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911125500.7A CN110866889A (zh) | 2019-11-18 | 2019-11-18 | 一种监控系统中的多相机数据融合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911125500.7A CN110866889A (zh) | 2019-11-18 | 2019-11-18 | 一种监控系统中的多相机数据融合方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110866889A true CN110866889A (zh) | 2020-03-06 |
Family
ID=69654908
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911125500.7A Pending CN110866889A (zh) | 2019-11-18 | 2019-11-18 | 一种监控系统中的多相机数据融合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110866889A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111008621A (zh) * | 2020-03-10 | 2020-04-14 | 浙江清鹤科技有限公司 | 对象追踪方法、装置、计算机设备和存储介质 |
| CN111738925A (zh) * | 2020-08-04 | 2020-10-02 | 四川智盛芯源科技有限公司 | 一种阵列相机中田字形全景图像拼接方法 |
| CN112037262A (zh) * | 2020-09-03 | 2020-12-04 | 珠海大横琴科技发展有限公司 | 一种目标跟踪方法、装置及电子设备 |
| CN114565895A (zh) * | 2022-04-28 | 2022-05-31 | 深圳市博铭维系统工程有限公司 | 一种基于智慧社会的安防监控系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101859433A (zh) * | 2009-04-10 | 2010-10-13 | 日电（中国）有限公司 | 图像拼接设备和方法 |
| US20150055886A1 (en) * | 2013-08-20 | 2015-02-26 | Samsung Techwin Co., Ltd. | Image fusion system and method |
| CN104580933A (zh) * | 2015-02-09 | 2015-04-29 | 上海安威士科技股份有限公司 | 基于特征点的多尺度实时监控视频拼接装置及拼接方法 |
| CN106600567A (zh) * | 2017-01-03 | 2017-04-26 | 长沙全度影像科技有限公司 | 一种自适应非局部均值去噪方法 |
| CN108234904A (zh) * | 2018-02-05 | 2018-06-29 | 刘捷 | 一种多视频融合方法、装置与系统 |
| CN109344792A (zh) * | 2018-10-18 | 2019-02-15 | 电子科技大学 | 一种目标自动识别跟踪方法 |
| CN110267007A (zh) * | 2019-06-28 | 2019-09-20 | Oppo广东移动通信有限公司 | 图像处理方法、装置、服务器以及存储介质 |
-
2019
- 2019-11-18 CN CN201911125500.7A patent/CN110866889A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101859433A (zh) * | 2009-04-10 | 2010-10-13 | 日电（中国）有限公司 | 图像拼接设备和方法 |
| US20150055886A1 (en) * | 2013-08-20 | 2015-02-26 | Samsung Techwin Co., Ltd. | Image fusion system and method |
| CN104580933A (zh) * | 2015-02-09 | 2015-04-29 | 上海安威士科技股份有限公司 | 基于特征点的多尺度实时监控视频拼接装置及拼接方法 |
| CN106600567A (zh) * | 2017-01-03 | 2017-04-26 | 长沙全度影像科技有限公司 | 一种自适应非局部均值去噪方法 |
| CN108234904A (zh) * | 2018-02-05 | 2018-06-29 | 刘捷 | 一种多视频融合方法、装置与系统 |
| CN109344792A (zh) * | 2018-10-18 | 2019-02-15 | 电子科技大学 | 一种目标自动识别跟踪方法 |
| CN110267007A (zh) * | 2019-06-28 | 2019-09-20 | Oppo广东移动通信有限公司 | 图像处理方法、装置、服务器以及存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111008621A (zh) * | 2020-03-10 | 2020-04-14 | 浙江清鹤科技有限公司 | 对象追踪方法、装置、计算机设备和存储介质 |
| CN111738925A (zh) * | 2020-08-04 | 2020-10-02 | 四川智盛芯源科技有限公司 | 一种阵列相机中田字形全景图像拼接方法 |
| CN111738925B (zh) * | 2020-08-04 | 2020-12-08 | 四川智盛芯源科技有限公司 | 一种阵列相机中田字形全景图像拼接方法 |
| CN112037262A (zh) * | 2020-09-03 | 2020-12-04 | 珠海大横琴科技发展有限公司 | 一种目标跟踪方法、装置及电子设备 |
| CN114565895A (zh) * | 2022-04-28 | 2022-05-31 | 深圳市博铭维系统工程有限公司 | 一种基于智慧社会的安防监控系统及方法 |
| CN114565895B (zh) * | 2022-04-28 | 2022-07-26 | 深圳市博铭维系统工程有限公司 | 一种基于智慧社会的安防监控系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Fast haze removal for nighttime image using maximum reflectance prior | |
| CN110866889A (zh) | 一种监控系统中的多相机数据融合方法 | |
| CN107103589B (zh) | 一种基于光场图像的高光区域修复方法 | |
| EP0932114B1 (en) | A method of and apparatus for detecting a face-like region | |
| CN101729911B (zh) | 一种基于视觉感知的多视点图像颜色校正方法 | |
| CN111104943A (zh) | 基于决策级融合的彩色图像感兴趣区域提取方法 | |
| CN114519808A (zh) | 图像融合方法、装置及设备、存储介质 | |
| CN102236785B (zh) | 一种非重叠摄像机视点之间的行人匹配方法 | |
| CN116091372B (zh) | 基于层分离和重参数的红外和可见光图像融合方法 | |
| Jacques et al. | A background subtraction model adapted to illumination changes | |
| Stone et al. | Forward looking anomaly detection via fusion of infrared and color imagery | |
| Asmare et al. | Image Enhancement by Fusion in Contourlet Transform. | |
| Sahu et al. | Image dehazing based on luminance stretching | |
| CN115345774A (zh) | 一种红外图像与可见光图像的融合方法和系统 | |
| US20160035107A1 (en) | Moving object detection | |
| Pandian et al. | Object Identification from Dark/Blurred Image using WBWM and Gaussian Pyramid Techniques | |
| Lai et al. | Single image dehazing with optimal transmission map | |
| JP7092616B2 (ja) | 物体検出装置、物体検出方法、及び物体検出プログラム | |
| CN116758447A (zh) | 一种基于数字孪生的变电站设备故障分析系统 | |
| KR101381580B1 (ko) | 다양한 조명 환경에 강인한 영상 내 차량 위치 판단 방법 및 시스템 | |
| Puzović et al. | Enhancement algorithms for low-light and low-contrast images | |
| CN116263942A (zh) | 一种调整图像对比度的方法、存储介质及计算机程序产品 | |
| Sebastian et al. | Tracking using normalized cross correlation and color space | |
| Veeravasarapu et al. | Fast and fully automated video colorization | |
| Naseeba et al. | KP Visibility Restoration of Single Hazy Images Captured in Real-World Weather Conditions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200306 |