CN117291986A - 一种基于多重摄像拟合的社区安防识别定位系统 - Google Patents
一种基于多重摄像拟合的社区安防识别定位系统 Download PDFInfo
- Publication number
- CN117291986A CN117291986A CN202311577600.XA CN202311577600A CN117291986A CN 117291986 A CN117291986 A CN 117291986A CN 202311577600 A CN202311577600 A CN 202311577600A CN 117291986 A CN117291986 A CN 117291986A
- Authority
- CN
- China
- Prior art keywords
- axis
- image
- point
- reference point
- coordinate
- 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.)
- Granted
Links
- 238000000605 extraction Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000007689 inspection Methods 0.000 claims abstract description 5
- 238000011084 recovery Methods 0.000 claims abstract description 5
- 239000003550 marker Substances 0.000 claims description 45
- 238000013507 mapping Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于多重摄像拟合的社区安防识别定位系统，涉及图像处理技术领域，包括：基准点选择模块、多重摄像控制模块、采集图像模块和预处理模块；可疑特征确定模块，所述可疑特征确定模块建立智能识别模型；特征提取模块，所述特征提取模块用于进行特征提取；坐标获取模块，所述坐标获取模块获取原点基准点、x轴基准点和y轴基准点的坐标；2D恢复模块，所述2D恢复模块扫描预处理图像中地面；坐标变换模块，所述坐标变换模块计算得出可疑特征的坐标；预警模块，所述预警模块指派安防部进行巡检。通过设置基准点选择模块、可疑特征确定模块、特征提取模块和坐标变换模块，计算得出图像中的可疑特征在实际中的坐标。
Description
技术领域
本发明涉及图像处理技术领域，具体是涉及一种基于多重摄像拟合的社区安防识别定位系统。
背景技术
随着科技的不断进步和智能化技术的广泛应用，越来越多的社区开始引入智慧化的管理和服务系统。智慧社区通过建立完善的基础设施和智能化的管理平台，实现了安防监控、门禁管理、能源管理、智能家居等多个方面的应用。其中，安防系统通过视频监控、报警系统等，实现对社区内安全的全方位监控和管理，在社区智慧化管理中起着至关重要的作用。
但社区安防的摄像头因为安装位置和变焦，导致采集到的图像与实际图像存在拉伸形变的情况，无法直接通过采集的图像对进入社区的可疑特征的位置进行定位，安防的效果有待提升。
发明内容
为解决上述技术问题，提供一种基于多重摄像拟合的社区安防识别定位系统，本技术方案解决了上述背景技术中提出的社区安防的摄像头因为安装位置和变焦，导致采集到的图像与实际图像存在拉伸形变的情况，无法直接通过采集的图像对进入社区的可疑特征的位置进行定位，安防的效果有待提升的问题。
为达到以上目的，本发明采用的技术方案为：
一种基于多重摄像拟合的社区安防识别定位系统，包括：
基准点选择模块，所述基准点选择模块在社区内的地面上选择第一标识物、第二标识物和第三标识物分别作为原点基准点、x轴基准点和y轴基准点，原点基准点和x轴基准点的连线构成x轴，y轴基准点和原点基准点的连线构成y轴，x轴和y轴在实际的社区内的地面上相互垂直；
多重摄像控制模块，所述多重摄像控制模块控制摄像头的焦距，进行社区安防摄像，在摄像头焦距变化过程中，原点基准点、x轴基准点和y轴基准点始终保持在摄像头拍摄范围内；
采集图像模块，所述采集图像模块从摄像头中采集图像，将图像转换为计算机可以处理的数字格式；
预处理模块，所述预处理模块对图像进行对比度的增强、随机噪声的去除、滤波、图像增强和伪彩色处理，得到预处理图像；
可疑特征确定模块，所述可疑特征确定模块建立智能识别模型；
特征提取模块，所述特征提取模块用于对预处理图像进行点状特征、线状特征和区域特征提取，特征提取模块提取预处理图像中的原点基准点、x轴基准点和y轴基准点，特征提取模块通过智能识别模型识别预处理图像中的可疑特征，特征提取模块提取预处理图像中的可疑特征；
坐标获取模块，所述坐标获取模块获取原点基准点的第一实际世界坐标、x轴基准点的第二实际世界坐标和y轴基准点的第三实际世界坐标；
2D恢复模块，所述2D恢复模块扫描预处理图像中地面，确定原点基准点的第一图像坐标、x轴基准点的第二图像坐标和y轴基准点的第三图像坐标，并确定可疑特征的第四图像坐标；
坐标变换模块，所述坐标变换模块计算得出可疑特征的第四实际世界坐标；
预警模块，所述预警模块获取第四实际世界坐标，指派安防部进行安防巡检。
优选的，所述可疑特征确定模块建立智能识别模型包括以下步骤：
获取可疑特征的样本集，对于样本集中的可疑特征，识别其样本边界曲线，并拟合得出样本拟合函数；
将样本边界曲线中可以通过放缩得到相同曲线的样本边界曲线作为同一类，同一类中的样本边界曲线仅保留一个，删除其余样本边界曲线；
完成去重后，将样本边界曲线对应的样本拟合函数汇总得到智能识别模型。
优选的，所述特征提取模块提取预处理图像中的原点基准点、x轴基准点和y轴基准点包括以下步骤：
获取不同变焦下的第一标识物、第二标识物和第三标识物的至少一个样本轮廓曲线，拟合得到至少一个样本对照函数，汇总得到辨识模型；
在预处理图像中提取待辨识轮廓曲线，拟合得到待辨识函数，将待辨识函数与辨识模型中的样本对照函数进行对比；
若检索到与待辨识函数一致的样本对照函数，则将样本对照函数对应的标识物与待辨识轮廓曲线对应，标识物为第一标识物、第二标识物和第三标识物的其中一种；
若标识物为第一标识物，则待辨识轮廓曲线对应原点基准点；
若标识物为第二标识物，则待辨识轮廓曲线对应x轴基准点；
若标识物为第三标识物，则待辨识轮廓曲线对应y轴基准点。
优选的，所述特征提取模块通过智能识别模型识别预处理图像中的可疑特征包括以下步骤：
获取预处理图像中的未检测特征，将未检测特征的边缘轮廓与智能识别模型中的样本拟合函数作对比；
若存在与边缘轮廓一致的样本拟合函数，则将未检测特征作为可疑特征；
若不存在与边缘轮廓一致的样本拟合函数，则重新获取预处理图像中的未检测特征。
优选的，所述特征提取模块提取预处理图像中的可疑特征包括以下步骤：
获取识别为可疑特征的未检测特征作，获取未检测特征作边缘轮廓拟合函数，得到可疑特征。
优选的，所述坐标获取模块获取原点基准点的第一实际世界坐标、x轴基准点的第二实际世界坐标和y轴基准点的第三实际世界坐标包括以下步骤：
使用GPS定位系统对第一标识物、第二标识物和第三标识物进行扫描；
根据扫描轮廓，对第一标识物、第二标识物和第三标识物进行简化，使用第一标识物、第二标识物和第三标识物的中心作为替代；
获得第一标识物、第二标识物和第三标识物的中心在社区内的地面的三个实际坐标；
将三个实际坐标分别作为第一实际世界坐标、第二实际世界坐标和第三实际世界坐标。
优选的，所述确定原点基准点的第一图像坐标、x轴基准点的第二图像坐标和y轴基准点的第三图像坐标包括以下步骤：
确定原点基准点、x轴基准点和y轴基准点在预处理图像中地面的位置；
在预处理图像中，连接原点基准点和x轴基准点，得到横轴，连接原点基准点和y轴基准点，得到纵轴，横轴和纵轴构成图像坐标系；
原点基准点在预处理图像中的第一图像坐标为（0，0）；
测量预处理图像中，原点基准点与地面交界的位置到x轴基准点与地面交界的位置的距离a，则x轴基准点的第二图像坐标为（a，0）；
测量预处理图像中，原点基准点与地面交界的位置到y轴基准点与地面交界的位置的距离b，则y轴基准点的第三图像坐标为（0，b）。
优选的，所述确定可疑特征的第四图像坐标包括以下步骤：
在预处理图像中，获取可疑特征在地面的交界区域，获得交界区域的中心；
以交界区域的中心作与横轴平行的第一直线，第一直线与纵轴交于第一识别点，第一识别点在图像坐标系中坐标为（0，c）；
以交界区域的中心作与纵轴平行的第二直线，第二直线与横轴交于第二识别点，第二识别点在图像坐标系中坐标为（d，0）；
可疑特征的第四图像坐标为（d，c）。
优选的，所述坐标变换模块计算得出可疑特征的第四实际世界坐标包括以下步骤：
获取原点基准点的第一实际世界坐标（e，f）、x轴基准点的第二实际世界坐标（g，h）和y轴基准点的第三实际世界坐标（i，j）；
根据原点基准点、x轴基准点和y轴基准点在社区内的实际坐标和原点基准点、x轴基准点和y轴基准点在预处理图像中的坐标，计算得出二者的第一映射比例和第二映射比例；
根据第一映射比例、第二映射比例和可疑特征的第四图像坐标，计算得出可疑特征的第四实际世界坐标（k，l）；
其中，。
与现有技术相比，本发明的有益效果在于：
通过设置基准点选择模块、可疑特征确定模块、特征提取模块和坐标变换模块，选取原点基准点、x轴基准点和y轴基准点作为基准点，在获取摄像头变焦拍摄的不同分辨度的图像时，能根据选取的基准点作为依据，对图像中的可疑特征的坐标进行变换，进而计算得出图像中的可疑特征在实际中的坐标，由此可以根据实际坐标进行预警处理，在处理图像时，本系统能避免采集到的图像与实际图像之间存在拉伸形变的差距，得出的定位误差小，能有效提升安防的效果。
附图说明
图1为本发明的基于多重摄像拟合的社区安防识别定位系统示意图；
图2为本发明的可疑特征确定模块建立智能识别模型流程示意图；
图3为本发明的特征提取模块提取预处理图像中的原点基准点、x轴基准点和y轴基准点流程示意图；
图4为本发明的特征提取模块通过智能识别模型识别预处理图像中的可疑特征流程示意图；
图5为本发明的坐标获取模块获取原点基准点的第一实际世界坐标、x轴基准点的第二实际世界坐标和y轴基准点的第三实际世界坐标流程示意图；
图6为本发明的确定原点基准点的第一图像坐标、x轴基准点的第二图像坐标和y轴基准点的第三图像坐标流程示意图；
图7为本发明的确定可疑特征的第四图像坐标流程示意图；
图8为本发明的坐标变换模块计算得出可疑特征的第四实际世界坐标流程示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。
参照图1所示，一种基于多重摄像拟合的社区安防识别定位系统，包括：
基准点选择模块，所述基准点选择模块在社区内的地面上选择第一标识物、第二标识物和第三标识物分别作为原点基准点、x轴基准点和y轴基准点，原点基准点和x轴基准点的连线构成x轴，y轴基准点和原点基准点的连线构成y轴，x轴和y轴在实际的社区内的地面上相互垂直；
多重摄像控制模块，所述多重摄像控制模块控制摄像头的焦距，进行社区安防摄像，在摄像头焦距变化过程中，原点基准点、x轴基准点和y轴基准点始终保持在摄像头拍摄范围内；
采集图像模块，所述采集图像模块从摄像头中采集图像，将图像转换为计算机可以处理的数字格式；
预处理模块，所述预处理模块对图像进行对比度的增强、随机噪声的去除、滤波、图像增强和伪彩色处理，得到预处理图像；
可疑特征确定模块，所述可疑特征确定模块建立智能识别模型；
特征提取模块，所述特征提取模块用于对预处理图像进行点状特征、线状特征和区域特征提取，特征提取模块提取预处理图像中的原点基准点、x轴基准点和y轴基准点，特征提取模块通过智能识别模型识别预处理图像中的可疑特征，特征提取模块提取预处理图像中的可疑特征；
坐标获取模块，所述坐标获取模块获取原点基准点的第一实际世界坐标、x轴基准点的第二实际世界坐标和y轴基准点的第三实际世界坐标；
2D恢复模块，所述2D恢复模块扫描预处理图像中地面，确定原点基准点的第一图像坐标、x轴基准点的第二图像坐标和y轴基准点的第三图像坐标，并确定可疑特征的第四图像坐标；
坐标变换模块，所述坐标变换模块计算得出可疑特征的第四实际世界坐标；
预警模块，所述预警模块获取第四实际世界坐标，指派安防部进行安防巡检。
上述基于多重摄像拟合的社区安防识别定位系统的工作过程如下：
步骤一：基准点选择模块在社区内的地面上选择第一标识物、第二标识物和第三标识物分别作为原点基准点、x轴基准点和y轴基准点，原点基准点和x轴基准点的连线构成x轴，y轴基准点和原点基准点的连线构成y轴；
步骤二：坐标获取模块在x轴和y轴构成的实际坐标系中，获取原点基准点的第一实际世界坐标、x轴基准点的第二实际世界坐标和y轴基准点的第三实际世界坐标；
步骤三：多重摄像控制模块根据需求控制摄像头的焦距，进行社区安防摄像；
步骤四：采集图像模块从摄像头中采集图像，将图像转换为计算机可以处理的数字格式；
步骤五：预处理模块对图像进行对比度的增强、随机噪声的去除、滤波、图像增强和伪彩色处理，得到预处理图像；
步骤六：特征提取模块提取预处理图像中的原点基准点、x轴基准点和y轴基准点，特征提取模块通过智能识别模型识别预处理图像中的可疑特征，并提取可疑特征；
步骤七：2D恢复模块扫描预处理图像中地面，根据步骤六的提取结果，确定原点基准点的第一图像坐标、x轴基准点的第二图像坐标和y轴基准点的第三图像坐标，并确定可疑特征的第四图像坐标；
步骤八：坐标变换模块计算得出可疑特征的第四实际世界坐标；
步骤九：预警模块获取第四实际世界坐标，指派安防部进行安防巡检。
参照图2所示，可疑特征确定模块建立智能识别模型包括以下步骤：
获取可疑特征的样本集，对于样本集中的可疑特征，识别其样本边界曲线，并拟合得出样本拟合函数；
将样本边界曲线中可以通过放缩得到相同曲线的样本边界曲线作为同一类，同一类中的样本边界曲线仅保留一个，删除其余样本边界曲线；
完成去重后，将样本边界曲线对应的样本拟合函数汇总得到智能识别模型；
将可疑特征中常出现的一些特征作为样本集，则获取的智能识别模型可以用于检测预处理图像中的特征是否为可疑特征，在智能识别模型中能检索到的预处理图像中的特征为可疑特征，否则，不是可疑特征。
参照图3所示，特征提取模块提取预处理图像中的原点基准点、x轴基准点和y轴基准点包括以下步骤：
获取不同变焦下的第一标识物、第二标识物和第三标识物的至少一个样本轮廓曲线，拟合得到至少一个样本对照函数，汇总得到辨识模型；
在预处理图像中提取待辨识轮廓曲线，拟合得到待辨识函数，将待辨识函数与辨识模型中的样本对照函数进行对比；
若检索到与待辨识函数一致的样本对照函数，则将样本对照函数对应的标识物与待辨识轮廓曲线对应，标识物为第一标识物、第二标识物和第三标识物的其中一种；
若标识物为第一标识物，则待辨识轮廓曲线对应原点基准点；
若标识物为第二标识物，则待辨识轮廓曲线对应x轴基准点；
若标识物为第三标识物，则待辨识轮廓曲线对应y轴基准点；
即在预处理图像中识别出第一标识物、第二标识物和第三标识物的位置，但由于摄像头存在拍摄角度不同和变焦的情况，因此，第一标识物、第二标识物和第三标识物在预处理图像中会出现形状变化，因此，要建立辨识模型，辨识模型中包含不同情况下的第一标识物、第二标识物和第三标识物形状特征，由此，可以在预处理图像中识别出第一标识物、第二标识物和第三标识物。
参照图4所示，特征提取模块通过智能识别模型识别预处理图像中的可疑特征包括以下步骤：
获取预处理图像中的未检测特征，将未检测特征的边缘轮廓与智能识别模型中的样本拟合函数作对比；
若存在与边缘轮廓一致的样本拟合函数，则将未检测特征作为可疑特征；
若不存在与边缘轮廓一致的样本拟合函数，则重新获取预处理图像中的未检测特征。
特征提取模块提取预处理图像中的可疑特征包括以下步骤：
获取识别为可疑特征的未检测特征作，获取未检测特征作边缘轮廓拟合函数，得到可疑特征。
参照图5所示，坐标获取模块获取原点基准点的第一实际世界坐标、x轴基准点的第二实际世界坐标和y轴基准点的第三实际世界坐标包括以下步骤：
使用GPS定位系统对第一标识物、第二标识物和第三标识物进行扫描；
根据扫描轮廓，对第一标识物、第二标识物和第三标识物进行简化，使用第一标识物、第二标识物和第三标识物的中心作为替代；
获得第一标识物、第二标识物和第三标识物的中心在社区内的地面的三个实际坐标；
将三个实际坐标分别作为第一实际世界坐标、第二实际世界坐标和第三实际世界坐标；
实际世界坐标就是第一标识物、第二标识物和第三标识物在社区中的真实坐标。
参照图6所示，确定原点基准点的第一图像坐标、x轴基准点的第二图像坐标和y轴基准点的第三图像坐标包括以下步骤：
确定原点基准点、x轴基准点和y轴基准点在预处理图像中地面的位置；
在预处理图像中，连接原点基准点和x轴基准点，得到横轴，连接原点基准点和y轴基准点，得到纵轴，横轴和纵轴构成图像坐标系；
原点基准点在预处理图像中的第一图像坐标为（0，0）；
测量预处理图像中，原点基准点与地面交界的位置到x轴基准点与地面交界的位置的距离a，则x轴基准点的第二图像坐标为（a，0）；
测量预处理图像中，原点基准点与地面交界的位置到y轴基准点与地面交界的位置的距离b，则y轴基准点的第三图像坐标为（0，b）；
在识别出第一标识物、第二标识物和第三标识物时，则也识别出其对应的原点基准点、x轴基准点和y轴基准点，则在预处理图像中，原点基准点、x轴基准点和y轴基准点建立图像坐标系，用以刻画可疑特征在预处理图像中的第四图像坐标。
参照图7所示，确定可疑特征的第四图像坐标包括以下步骤：
在预处理图像中，获取可疑特征在地面的交界区域，获得交界区域的中心；
以交界区域的中心作与横轴平行的第一直线，第一直线与纵轴交于第一识别点，第一识别点在图像坐标系中坐标为（0，c）；
以交界区域的中心作与纵轴平行的第二直线，第二直线与横轴交于第二识别点，第二识别点在图像坐标系中坐标为（d，0）；
可疑特征的第四图像坐标为（d，c）；
可疑特征的第四图像坐标的求解是将可疑特征分解，进而得到可疑特征在图像坐标系中的第四图像坐标。
参照图8所示，坐标变换模块计算得出可疑特征的第四实际世界坐标包括以下步骤：
获取原点基准点的第一实际世界坐标（e，f）、x轴基准点的第二实际世界坐标（g，h）和y轴基准点的第三实际世界坐标（i，j）；
预处理图像是根据实际的社区拉伸放缩得出，因此获取可疑特征在图像坐标系中的第四图像坐标，根据原点基准点、x轴基准点和y轴基准点在社区内的实际坐标和预处理图像中的坐标的拉伸情况，可以计算其第四实际世界坐标；
根据原点基准点、x轴基准点和y轴基准点在社区内的实际坐标和原点基准点、x轴基准点和y轴基准点在预处理图像中的坐标，计算得出二者的第一映射比例和第二映射比例；
这里x轴与横轴是对应的，y轴和纵轴是对应的；
第一映射比例为沿x轴与横轴的拉伸比例，计算第二实际世界坐标和第一实际世界坐标的距离一，计算第二图像坐标和第一图像坐标的距离二，则第一映射比例为；
第二映射比例为沿y轴和纵轴的拉伸比例，计算第三实际世界坐标和第一实际世界坐标的距离三，计算第三图像坐标和第一图像坐标的距离四，则第二映射比例为；
根据第一映射比例、第二映射比例和可疑特征的第四图像坐标，计算得出可疑特征的第四实际世界坐标（k，l）；
则第四实际世界坐标（k，l）沿x轴的分量与第四图像坐标沿横轴的分量d的比值等于第一映射比例，于是/>；
则第四实际世界坐标（k，l）沿y轴的分量与第四图像坐标沿纵轴的分量c的比值等于第二映射比例，于是/>。
再进一步的，本方案还提出一种存储介质，其上存储有计算机可读程序，计算机可读程序被调用时运行上述的基于多重摄像拟合的社区安防识别定位系统。
可以理解的是，存储介质可以是磁性介质，例如，软盘、硬盘、磁带；光介质例如，DVD；或者半导体介质例如固态硬盘SolidStateDisk，SSD等。
综上所述，本发明的优点在于：通过设置基准点选择模块、可疑特征确定模块、特征提取模块和坐标变换模块，选取原点基准点、x轴基准点和y轴基准点作为基准点，在获取摄像头变焦拍摄的不同分辨度的图像时，能根据选取的基准点作为依据，对图像中的可疑特征的坐标进行变换，进而计算得出图像中的可疑特征在实际中的坐标，由此可以根据实际坐标进行预警处理，在处理图像时，本系统能避免采集到的图像与实际图像之间存在拉伸形变的差距，得出的定位误差小，能有效提升安防的效果。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (9)
1.一种基于多重摄像拟合的社区安防识别定位系统，其特征在于，包括：
基准点选择模块，所述基准点选择模块在社区内的地面上选择第一标识物、第二标识物和第三标识物分别作为原点基准点、x轴基准点和y轴基准点，原点基准点和x轴基准点的连线构成x轴，y轴基准点和原点基准点的连线构成y轴，x轴和y轴在实际的社区内的地面上相互垂直；
多重摄像控制模块，所述多重摄像控制模块控制摄像头的焦距，进行社区安防摄像，在摄像头焦距变化过程中，原点基准点、x轴基准点和y轴基准点始终保持在摄像头拍摄范围内；
采集图像模块，所述采集图像模块从摄像头中采集图像，将图像转换为计算机可以处理的数字格式；
预处理模块，所述预处理模块对图像进行对比度的增强、随机噪声的去除、滤波、图像增强和伪彩色处理，得到预处理图像；
可疑特征确定模块，所述可疑特征确定模块建立智能识别模型；
特征提取模块，所述特征提取模块用于对预处理图像进行点状特征、线状特征和区域特征提取，特征提取模块提取预处理图像中的原点基准点、x轴基准点和y轴基准点，特征提取模块通过智能识别模型识别预处理图像中的可疑特征，特征提取模块提取预处理图像中的可疑特征；
坐标获取模块，所述坐标获取模块获取原点基准点的第一实际世界坐标、x轴基准点的第二实际世界坐标和y轴基准点的第三实际世界坐标；
2D恢复模块，所述2D恢复模块扫描预处理图像中地面，确定原点基准点的第一图像坐标、x轴基准点的第二图像坐标和y轴基准点的第三图像坐标，并确定可疑特征的第四图像坐标；
坐标变换模块，所述坐标变换模块计算得出可疑特征的第四实际世界坐标；
预警模块，所述预警模块获取第四实际世界坐标，指派安防部进行安防巡检。
2.根据权利要求1所述的一种基于多重摄像拟合的社区安防识别定位系统，其特征在于，所述可疑特征确定模块建立智能识别模型包括以下步骤：
获取可疑特征的样本集，对于样本集中的可疑特征，识别其样本边界曲线，并拟合得出样本拟合函数；
将样本边界曲线中可以通过放缩得到相同曲线的样本边界曲线作为同一类，同一类中的样本边界曲线仅保留一个，删除其余样本边界曲线；
完成去重后，将样本边界曲线对应的样本拟合函数汇总得到智能识别模型。
3.根据权利要求2所述的一种基于多重摄像拟合的社区安防识别定位系统，其特征在于，所述特征提取模块提取预处理图像中的原点基准点、x轴基准点和y轴基准点包括以下步骤：
获取不同变焦下的第一标识物、第二标识物和第三标识物的至少一个样本轮廓曲线，拟合得到至少一个样本对照函数，汇总得到辨识模型；
在预处理图像中提取待辨识轮廓曲线，拟合得到待辨识函数，将待辨识函数与辨识模型中的样本对照函数进行对比；
若检索到与待辨识函数一致的样本对照函数，则将样本对照函数对应的标识物与待辨识轮廓曲线对应，标识物为第一标识物、第二标识物和第三标识物的其中一种；
若标识物为第一标识物，则待辨识轮廓曲线对应原点基准点；
若标识物为第二标识物，则待辨识轮廓曲线对应x轴基准点；
若标识物为第三标识物，则待辨识轮廓曲线对应y轴基准点。
4.根据权利要求3所述的一种基于多重摄像拟合的社区安防识别定位系统，其特征在于，所述特征提取模块通过智能识别模型识别预处理图像中的可疑特征包括以下步骤：
获取预处理图像中的未检测特征，将未检测特征的边缘轮廓与智能识别模型中的样本拟合函数作对比；
若存在与边缘轮廓一致的样本拟合函数，则将未检测特征作为可疑特征；
若不存在与边缘轮廓一致的样本拟合函数，则重新获取预处理图像中的未检测特征。
5.根据权利要求4所述的一种基于多重摄像拟合的社区安防识别定位系统，其特征在于，所述特征提取模块提取预处理图像中的可疑特征包括以下步骤：
获取识别为可疑特征的未检测特征作，获取未检测特征作边缘轮廓拟合函数，得到可疑特征。
6.根据权利要求5所述的一种基于多重摄像拟合的社区安防识别定位系统，其特征在于，所述坐标获取模块获取原点基准点的第一实际世界坐标、x轴基准点的第二实际世界坐标和y轴基准点的第三实际世界坐标包括以下步骤：
使用GPS定位系统对第一标识物、第二标识物和第三标识物进行扫描；
根据扫描轮廓，对第一标识物、第二标识物和第三标识物进行简化，使用第一标识物、第二标识物和第三标识物的中心作为替代；
获得第一标识物、第二标识物和第三标识物的中心在社区内的地面的三个实际坐标；
将三个实际坐标分别作为第一实际世界坐标、第二实际世界坐标和第三实际世界坐标。
7.根据权利要求6所述的一种基于多重摄像拟合的社区安防识别定位系统，其特征在于，所述确定原点基准点的第一图像坐标、x轴基准点的第二图像坐标和y轴基准点的第三图像坐标包括以下步骤：
确定原点基准点、x轴基准点和y轴基准点在预处理图像中地面的位置；
在预处理图像中，连接原点基准点和x轴基准点，得到横轴，连接原点基准点和y轴基准点，得到纵轴，横轴和纵轴构成图像坐标系；
原点基准点在预处理图像中的第一图像坐标为（0，0）；
测量预处理图像中，原点基准点与地面交界的位置到x轴基准点与地面交界的位置的距离a，则x轴基准点的第二图像坐标为（a，0）；
测量预处理图像中，原点基准点与地面交界的位置到y轴基准点与地面交界的位置的距离b，则y轴基准点的第三图像坐标为（0，b）。
8.根据权利要求7所述的一种基于多重摄像拟合的社区安防识别定位系统，其特征在于，所述确定可疑特征的第四图像坐标包括以下步骤：
在预处理图像中，获取可疑特征在地面的交界区域，获得交界区域的中心；
以交界区域的中心作与横轴平行的第一直线，第一直线与纵轴交于第一识别点，第一识别点在图像坐标系中坐标为（0，c）；
以交界区域的中心作与纵轴平行的第二直线，第二直线与横轴交于第二识别点，第二识别点在图像坐标系中坐标为（d，0）；
可疑特征的第四图像坐标为（d，c）。
9.根据权利要求8所述的一种基于多重摄像拟合的社区安防识别定位系统，其特征在于，所述坐标变换模块计算得出可疑特征的第四实际世界坐标包括以下步骤：
获取原点基准点的第一实际世界坐标（e，f）、x轴基准点的第二实际世界坐标（g，h）和y轴基准点的第三实际世界坐标（i，j）；
根据原点基准点、x轴基准点和y轴基准点在社区内的实际坐标和原点基准点、x轴基准点和y轴基准点在预处理图像中的坐标，计算得出二者的第一映射比例和第二映射比例；
根据第一映射比例、第二映射比例和可疑特征的第四图像坐标，计算得出可疑特征的第四实际世界坐标（k，l）；
其中，。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311577600.XA CN117291986B (zh) | 2023-11-24 | 2023-11-24 | 一种基于多重摄像拟合的社区安防识别定位系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311577600.XA CN117291986B (zh) | 2023-11-24 | 2023-11-24 | 一种基于多重摄像拟合的社区安防识别定位系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117291986A true CN117291986A (zh) | 2023-12-26 |
| CN117291986B CN117291986B (zh) | 2024-02-09 |
Family
ID=89252034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311577600.XA Active CN117291986B (zh) | 2023-11-24 | 2023-11-24 | 一种基于多重摄像拟合的社区安防识别定位系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117291986B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110719442A (zh) * | 2019-10-12 | 2020-01-21 | 深圳市镭神智能系统有限公司 | 一种安防监控系统 |
| CN111354046A (zh) * | 2020-03-30 | 2020-06-30 | 北京芯龙德大数据科技有限公司 | 室内摄像头定位方法及定位系统 |
| CN111914662A (zh) * | 2020-07-07 | 2020-11-10 | 林心 | 一种基于云计算的智慧社区安防系统 |
| CN115035668A (zh) * | 2022-03-09 | 2022-09-09 | 武汉众智数字技术有限公司 | 一种基于视频监控的社区安防系统 |
| WO2023087894A1 (zh) * | 2021-11-18 | 2023-05-25 | 京东方科技集团股份有限公司 | 区域调整方法和装置、摄像头和存储介质 |
-
2023
- 2023-11-24 CN CN202311577600.XA patent/CN117291986B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110719442A (zh) * | 2019-10-12 | 2020-01-21 | 深圳市镭神智能系统有限公司 | 一种安防监控系统 |
| CN111354046A (zh) * | 2020-03-30 | 2020-06-30 | 北京芯龙德大数据科技有限公司 | 室内摄像头定位方法及定位系统 |
| CN111914662A (zh) * | 2020-07-07 | 2020-11-10 | 林心 | 一种基于云计算的智慧社区安防系统 |
| WO2023087894A1 (zh) * | 2021-11-18 | 2023-05-25 | 京东方科技集团股份有限公司 | 区域调整方法和装置、摄像头和存储介质 |
| CN115035668A (zh) * | 2022-03-09 | 2022-09-09 | 武汉众智数字技术有限公司 | 一种基于视频监控的社区安防系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117291986B (zh) | 2024-02-09 |
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 | |
| CN109559324B (zh) | 一种线阵图像中的目标轮廓检测方法 | |
| CN108416355A (zh) | 一种基于机器视觉的工业现场生产数据的采集方法 | |
| CN113240678B (zh) | 平面信息检测方法及系统 | |
| CN112598735B (zh) | 一种融合三维模型信息的单张图像物体位姿估计方法 | |
| CN111079518A (zh) | 一种基于执法办案区场景下的倒地异常行为识别方法 | |
| CN110675442B (zh) | 一种结合目标识别技术的局部立体匹配方法及系统 | |
| CN115909221A (zh) | 图像识别方法、系统、计算机设备及可读存储介质 | |
| CN115639248A (zh) | 一种用于建筑外墙质量检测的系统及方法 | |
| CN116563262A (zh) | 基于多模态的建筑裂缝检测算法 | |
| Wang et al. | Self-calibration of traffic surveillance cameras based on moving vehicle appearance and 3-D vehicle modeling | |
| CN116503567B (zh) | 基于ai大数据的智慧建模管理系统 | |
| CN117291986B (zh) | 一种基于多重摄像拟合的社区安防识别定位系统 | |
| CN113409242A (zh) | 一种轨交弓网点云智能监测方法 | |
| CN111783648A (zh) | 道路点云中护栏的提取方法及装置 | |
| CN116843829A (zh) | 基于双目视频的混凝土结构裂缝三维重建与长度量化方法 | |
| CN112037182A (zh) | 基于时序图像的机车走行部故障检测方法、装置及存储介质 | |
| CN113628251B (zh) | 一种智慧酒店终端监测方法 | |
| CN113409334B (zh) | 一种基于质心的结构光角点检测方法 | |
| CN115546153A (zh) | 一种基于三维点云与二维图像融合感知的产品表面缺陷检测方法 | |
| JP2004280713A (ja) | 車番認識装置 | |
| CN114025089A (zh) | 一种视频图像采集抖动处理方法及系统 | |
| CN111630569B (zh) | 双目匹配的方法、视觉成像装置及具有存储功能的装置 | |
| CN111738082A (zh) | 基于机器视觉自动跟踪定位火灾火源点的识别方法和装置 | |
| CN105930813A (zh) | 一种在任意自然场景下检测行文本的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |