CN115471537A - 一种基于单目摄像头的移动目标距离与高度的测量方法 - Google Patents
一种基于单目摄像头的移动目标距离与高度的测量方法 Download PDFInfo
- Publication number
- CN115471537A CN115471537A CN202211208365.4A CN202211208365A CN115471537A CN 115471537 A CN115471537 A CN 115471537A CN 202211208365 A CN202211208365 A CN 202211208365A CN 115471537 A CN115471537 A CN 115471537A
- Authority
- CN
- China
- Prior art keywords
- image
- background
- distance
- moving target
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000011410 subtraction method Methods 0.000 claims description 2
- 239000012535 impurity Substances 0.000 claims 1
- 238000005457 optimization Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20216—Image averaging
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于单目摄像头的移动目标距离与高度的测量方法,步骤如下:步骤S1:采用单目摄像头采集的视频数据并逐帧进行图像预处理;步骤S2:对处理后数据进行目标检测,实时检测画面中的移动目标;步骤S3:对移动目标分别采用背景差分法获取背景图和全局轮廓检测方法获取全局轮廓图,将背景图和全局轮廓图进行融合得到移动目标的轮廓图,并对轮廓图进行消除噪点处理得到目标轮廓图;步骤S4:对目标轮廓图进行检测,得到目标校准后的坐标信息,将坐标信息代入到量高测距模块中计算,得到距离和高度信息。采用上述一种基于单目摄像头的移动目标距离与高度的测量方法,采用单目摄像头实现对移动目标距离和高度的测量,测量精度高。
Description
技术领域
本发明涉及安防监控技术领域,尤其是涉及一种基于单目摄像头的移动目标距离与高度的测量方法。
背景技术
在城市安防和监控等领域,主要依靠人脸检测算法鉴别行人的身份信息,但行人的面部特征容易被衣帽等物品所遮挡,严重影响人脸识别的准确率。因此,我们需要利用行人的其他特征信息来辅助人脸检测,提升人脸检测的准确率。其中,行人的身高是鉴别行人的一个重要特征。目前应用广泛的测量高度与距离信息的方法大多采用专业的双目摄像头或景深摄像头,但城市中已经大量的部署了单目摄像头,更换为这些专业摄像头将会消耗大量人力物力财力。因此,利用现有的单目摄像头完成对移动目标的距离与高度信息测量成为了亟需解决的问题。
发明内容
本发明的目的是提供一种基于单目摄像头的移动目标距离与高度的测量方法,采用单目摄像头实现对移动目标距离和高度的测量,测量精度高。
为实现上述目的,本发明提供了一种基于单目摄像头的移动目标距离与高度的测量方法,具体步骤如下:
步骤S1:采用单目摄像头采集的视频数据并逐帧进行图像预处理,包括图片尺寸裁剪、滤波处理图片以及减少噪点;
步骤S2:对处理后的数据进行目标检测,实时检测画面中的移动目标;
步骤S3:对检测到的移动目标分别采用背景差分法获取背景图和全局轮廓检测方法获取全局轮廓图,将背景图和全局轮廓图进行融合得到移动目标的轮廓图,并对轮廓图进行消除噪点处理得到目标轮廓图;
步骤S4:对目标轮廓图进行检测,得到目标校准后的坐标信息,将坐标信息代入到量高测距模块中进行计算,得到距离和高度信息。
优选的,在步骤S3中背景差分法获取背景图的具体步骤为:
步骤S31:根据已有的背景图片与当前检测到的移动目标进行差分计算,计算公式如下:
diff=|f(p)-f(B)|
其中,p为检测到的移动目标,B为背景图片,f()为灰度计算函数;
步骤S32:得到差分图后对其进行阀值分割,得到背景差分图。
优选的,在步骤S32中采用分块自适应阈值分割方法进行分割差分图,具体步骤如下:
步骤S321:首先将整幅图划分为m*n块区域,以阀值t作为阀值分割点,灰度值大于t的像素点为移动目标,灰度值小于等于t的像素点小为背景;
对于区域Si,j的平均灰度为Ui,j,计算公式如下:
Ui,j=W0*U0+W1*U1
其中,W0为背景占整幅差分图的比例,U0为背景像素点的平均灰度值;W1为前景目标占整幅差分图的比例,U0为前景目标像素点的平均灰度值;
步骤S322:计算前景目标和背景的类间方差:
计算公式如下:
σ2 i,j=W0*(U0-Ui,j)2-W1*(U1-Ui,j)2
将平均灰度为Ui,j计算公式代入到上式中得到:
σ2 i,j=W0*W1*(U0-U1)2。
步骤S323:阀值取值范围从0-255,对取值区间进行遍历,对比每个取值对应的方差,确定区域Si,j中最大的类间方差Um,并得到对应的阀值,使用该阀值得到区域Si,j的二值图;
步骤S324:将所有区域二值图组合起来,得到整体的自适应阈值的背景差分图。
优选的,在步骤S3中采用的轮廓检测方法为Sobel算子,得到全局轮廓检测图,将背景差分图与全局轮廓检测图融合,得到消除背景的目标轮廓图。
优选的,在步骤S3中采用形态学操作消除噪点,使得得到的干净无杂质背景的目标轮廓图的。
优选的,距离和高度信息计算具体为:
测距公式Fd为:
其中,H为摄像头距地的垂直距离,α摄像头与垂直线的倾斜角度,β2为目标最低点与摄像头光轴的夹角;
侧高公式Fh为:
因此,本发明采用上述一种基于单目摄像头的移动目标距离与高度的测量方法,具有以下有益效果:
(1)通过结合了背景差分和全局轮廓检测的移动目标优化方法,得到移动目标在检测框内的真实轮廓,并根据轮廓来校准检测框的位置,得到行人在图像中较为准确的坐标信息,提高测量的准确度。
(2)通过量高测距方法,将通过移动目标轮廓优化方法校准的目标位置坐标代入,同时根据摄像头现有参数,计算出移动目标的高度和距离。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明一种基于单目摄像头的移动目标距离与高度的测量方法流程图;
图2为本发明单目摄像头成像y轴平面图。
具体实施方式
实施例
图1为本发明一种基于单目摄像头的移动目标距离与高度的测量方法流程图,一种基于单目摄像头的移动目标距离与高度的测量方法,具体步骤如下:
步骤S1:采用单目摄像头采集的视频数据并逐帧进行图像预处理,包括图片尺寸裁剪、滤波处理图片以及减少噪点等。
步骤S2:对处理后的数据进行目标检测,实时检测画面中的移动目标。
步骤S3:对检测到的移动目标分别采用背景差分法获取背景图和全局轮廓检测方法获取全局轮廓图,将背景图和全局轮廓图进行融合得到移动目标的轮廓图,并对轮廓图进行消除噪点处理得到目标轮廓图。
背景差分法获取背景图的具体步骤为:
步骤S31:根据已有的背景图片与当前检测到的移动目标进行差分计算,计算公式如下:
diff=|f(p)-f(B)|
其中,p为检测到的移动目标,B为背景图片,f()为灰度计算函数;
步骤S32:得到差分图后对其进行阀值分割,得到背景差分图。
优选的,在步骤S32中采用分块自适应阈值分割方法进行分割差分图,具体步骤如下:
步骤S321:首先将整幅图划分为m*n块区域,以阀值t作为阀值分割点,灰度值大于t的像素点为移动目标,灰度值小于等于t的像素点小为背景;
对于区域Si,j的平均灰度为Ui,j,计算公式如下:
Ui,j=W0*U0+W1*U1
其中,W0为背景占整幅差分图的比例,U0为背景像素点的平均灰度值;W1为前景目标占整幅差分图的比例,U0为前景目标像素点的平均灰度值;
步骤S322:计算前景目标和背景的类间方差:
计算公式如下:
σ2 i,j=W0*(U0-Ui,j)2-W1*(U1-Ui,j)2
将平均灰度为Ui,j计算公式代入到上式中得到:
σ2 i,j=W0*W1*(U0-U1)2。
步骤S323:阀值取值范围从0-255,对取值区间进行遍历,对比每个取值对应的方差,确定区域Si,j中最大的类间方差Um,并得到对应的阀值,使用该阀值得到区域Si,j的二值图;
步骤S324:将所有区域二值图组合起来,得到整体的自适应阈值的背景差分图。
采用的轮廓检测方法为Sobel算子,得到全局轮廓检测图,将背景差分图与全局轮廓检测图融合,得到消除背景的目标轮廓图。采用形态学操作消除噪点,使得得到的干净无杂质背景的目标轮廓图的。
步骤S4:对目标轮廓图进行检测,得到目标校准后的坐标信息,将坐标信息代入到量高测距模块中进行计算,得到距离和高度信息。
图2为本发明单目摄像头成像y轴平面图,如图2所示,摄像头与垂直线倾斜角度为α;待测目标在这里简化为一维直线,Np1为摄像头距离待测目标的y轴距离;p1p2为待测目标的高度;ON线段为相机离地面的垂直距离,以H指代,点v1和v2分别是待测目标p1p2在相机CCD板上两端的成像点;β1和β2分别是p1p2与光轴OM的夹角大小;点U是CCD板的中心位置,也是光轴在CCD上的映射点,该点代表了CCD板的中心位置;线段UO为相机焦距乘以相机成像的像素点尺寸,以f指代,其中,
有上述可知:∠Op1N=α+β2
距离Fd可表示为:
通过透视原理,p2点在x轴上的投影点为点D,直线ND距离公式为:
∠ODN=α-β1
根据三角形相似原理,可得p1p2计算公式为:
其中p1D的计算公式与待测目标距离摄像头的距离Fd有关:
综上可得:
侧高公式Fh为:
因此,本发明采用上述一种基于单目摄像头的移动目标距离与高度的测量方法,具有以下有益效果:
(1)通过结合了背景差分和全局轮廓检测的移动目标优化方法,得到移动目标在检测框内的真实轮廓,并根据轮廓来校准检测框的位置,得到行人在图像中较为准确的坐标信息,提高测量的准确度。
(2)通过量高测距方法,将通过移动目标轮廓优化方法校准的目标位置坐标代入,同时根据摄像头现有参数,计算出移动目标的高度和距离。
最后应说明的是:以上实施例仅用以说明本发明的技术方案而非对其进行限制,尽管参照较佳实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对本发明的技术方案进行修改或者等同替换,而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。
Claims (6)
1.一种基于单目摄像头的移动目标距离与高度的测量方法,其特征在于,具体步骤如下:
步骤S1:采用单目摄像头采集的视频数据并逐帧进行图像预处理,包括图片尺寸裁剪、滤波处理图片以及减少噪点;
步骤S2:对处理后的数据进行目标检测,实时检测画面中的移动目标;
步骤S3:对检测到的移动目标分别采用背景差分法获取背景图和全局轮廓检测方法获取全局轮廓图,将背景图和全局轮廓图进行融合得到移动目标的轮廓图,并对轮廓图进行消除噪点处理得到目标轮廓图;
步骤S4:对目标轮廓图进行检测,得到目标校准后的坐标信息,将坐标信息代入到量高测距模块中进行计算,得到距离和高度信息。
2.根据权利要求1所述的一种基于单目摄像头的移动目标距离与高度的测量方法,其特征在于,在步骤S3中背景差分法获取背景图的具体步骤为:
步骤S31:根据已有的背景图片与当前检测到的移动目标进行差分计算,计算公式如下:
diff=|f(p)-f(B)|
其中,p为检测到的移动目标,B为背景图片,f()为灰度计算函数;
步骤S32:得到差分图后对其进行阀值分割,得到背景差分图。
3.根据权利要求2所述的一种基于单目摄像头的移动目标距离与高度的测量方法,其特征在于,在步骤S32中采用分块自适应阈值分割方法进行分割差分图,具体步骤如下:
步骤S321:首先将整幅图划分为m*n块区域,以阀值t作为阀值分割点,灰度值大于t的像素点为移动目标,灰度值小于等于t的像素点小为背景;
对于区域Si,j的平均灰度为Ui,j,计算公式如下:
Ui,j=W0*U0+W1*U1
其中,W0为背景占整幅差分图的比例,U0为背景像素点的平均灰度值;W1为前景目标占整幅差分图的比例,U0为前景目标像素点的平均灰度值;
步骤S322:计算前景目标和背景的类间方差:
计算公式如下:
σ2 i,j=W0*(U0-Ui,j)2-W1*(U1-Ui,j)2
将平均灰度为Ui,j计算公式代入到上式中得到:
σ2 i,j=W0*W1*(U0-U1)2。
步骤S323:阀值取值范围从0-255,对取值区间进行遍历,对比每个取值对应的方差,确定区域Si,j中最大的类间方差Um,并得到对应的阀值,使用该阀值得到区域Si,j的二值图;
步骤S324:将所有区域二值图组合起来,得到整体的自适应阈值的背景差分图。
4.根据权利要求3所述的一种基于单目摄像头的移动目标距离与高度的测量方法,其特征在于,在步骤S3中采用的轮廓检测方法为Sobel算子,得到全局轮廓检测图,将背景差分图与全局轮廓检测图融合,得到消除背景的目标轮廓图。
5.根据权利要求4所述的一种基于单目摄像头的移动目标距离与高度的测量方法,其特征在于:在步骤S3中采用形态学操作消除噪点,使得得到的干净无杂质背景的目标轮廓图的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211208365.4A CN115471537A (zh) | 2022-09-30 | 2022-09-30 | 一种基于单目摄像头的移动目标距离与高度的测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211208365.4A CN115471537A (zh) | 2022-09-30 | 2022-09-30 | 一种基于单目摄像头的移动目标距离与高度的测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115471537A true CN115471537A (zh) | 2022-12-13 |
Family
ID=84334487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211208365.4A Pending CN115471537A (zh) | 2022-09-30 | 2022-09-30 | 一种基于单目摄像头的移动目标距离与高度的测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115471537A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117746343A (zh) * | 2024-02-20 | 2024-03-22 | 济南格林信息科技有限公司 | 基于等高轮廓图的人员流动检测方法及系统 |
-
2022
- 2022-09-30 CN CN202211208365.4A patent/CN115471537A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117746343A (zh) * | 2024-02-20 | 2024-03-22 | 济南格林信息科技有限公司 | 基于等高轮廓图的人员流动检测方法及系统 |
CN117746343B (zh) * | 2024-02-20 | 2024-05-14 | 济南格林信息科技有限公司 | 基于等高轮廓图的人员流动检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070570B (zh) | 一种基于深度信息的障碍物检测系统及方法 | |
CN104697476B (zh) | 粗糙度光切轮廓曲线的自动检测方法及装置 | |
EP2085928B1 (en) | Detection of blobs in images | |
CN109559324B (zh) | 一种线阵图像中的目标轮廓检测方法 | |
Grammatikopoulos et al. | Automatic estimation of vehicle speed from uncalibrated video sequences | |
CN102737370B (zh) | 检测图像前景的方法及设备 | |
CN106934806B (zh) | 一种基于结构清晰度的无参考图失焦模糊区域分割方法 | |
JP7450848B2 (ja) | マシン視覚に基づく透明度検出方法 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN111046843A (zh) | 一种智能驾驶环境下的单目测距方法 | |
CN111260708A (zh) | 一种线结构光中心提取方法及系统 | |
CN111178193A (zh) | 一种车道线的检测方法、检测装置及计算机可读存储介质 | |
CN115272256A (zh) | 亚像素级传感光纤路径高斯提取方法及系统 | |
Zhao et al. | Recognition of flooding and sinking conditions in flotation process using soft measurement of froth surface level and QTA | |
CN115471537A (zh) | 一种基于单目摄像头的移动目标距离与高度的测量方法 | |
CN111738241A (zh) | 基于双摄像头的瞳孔检测方法及装置 | |
CN108510544A (zh) | 一种基于特征聚类的光条定位方法 | |
CN113221739B (zh) | 基于单目视觉的车距测量方法 | |
CN110533670B (zh) | 一种基于分区域K-means算法的光条分割方法 | |
Shi et al. | A method for detecting pedestrian height and distance based on monocular vision technology | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
WO2023134251A1 (zh) | 一种基于聚类的光条提取方法及装置 | |
CN111243006A (zh) | 一种基于图像处理的液滴接触角及尺寸的测量方法 | |
CN113409334B (zh) | 一种基于质心的结构光角点检测方法 | |
CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 |
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 |