一种基于行人ReID的监控摄像设备位置的标定方法技术

本发明专利技术涉及图像处理技术领域，具体是一种基于行人ReID的监控摄像设备位置的标定方法，包括以下步骤：获取行人在监控画面中的坐标位置；选取两个彼此相邻的摄像头，并计算这两个摄像头之间的外参矩阵；选择上述中两个摄像头中的任意一个作为参考摄像头，并通过外参矩阵计算另一摄像头的位置；选择上述中已经确定位置的两个摄像头中的任意一个作为新的参考摄像头，并计算与该新的参考摄像头相邻的摄像头的位置；依此类推，进而计算得到所有摄像头的位置；本发明专利技术能够根据行人ReID的结果准确的标定摄像头的位置，进而为计算行人的运动轨迹奠定基础。定基础。定基础。

【技术实现步骤摘要】
一种基于行人ReID的监控摄像设备位置的标定方法


[0001]本专利技术涉及图像处理
，具体是一种基于行人ReID的监控摄像设备位置的标定方法。

技术介绍

[0002]楼宇监控系统能够提供基本的视频监控功能，进而有效的分辨和跟踪不同的行人。同时，随着楼宇监控技术的进步和智慧楼宇的兴起，行人ReID也随之应运而生。
[0003]行人ReID利用深度学习和模式识别算法，能够在复杂的场景中准确地识别行人，检测行人的异常行为和潜在威胁，进而能够及时的采取安全措施。同时，行人ReID还可以通过大数据挖掘，深入理解人员流动和使用习惯，优化布局和资源分配，提高能源利用效率和工作效率。在一些重要监控区域内，如广场、公共机关单位大厅、机房、通道走廊等，通常需要通过使用多个监控摄像头进行监控，避免死角。
[0004]获取行人轨迹是该类监控系统的关键步骤之一，它需要标定监控区域中的多个摄像头的位置，以建立它们之间的空间关系。对摄像头位置准确的标定是实现行人ReID和轨迹分析的基础，它能够确保将不同摄像头捕获的行人图像映射到统一的空间坐标系中，实现行人的连续跟踪和分析。然而，摄像头标定面临难点，主要是由于监控摄像头视场范围较大，且重叠区域较小，导致在使用标定板进行标定时，费时费力；且较小的标定板在图像中只能占较小的像素，难以准确标定监控摄像头之间的内参和外参，进而无法对摄像头进行精准的定位，因此亟待解决。

技术实现思路

[0005]为了避免和克服现有技术中存在的技术问题，本专利技术提供了一种基于行人ReID的监控摄像设备位置的标定方法。本专利技术能够根据行人ReID的结果准确的标定摄像头的位置，进而为计算行人的运动轨迹奠定基础。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于行人ReID的监控摄像设备位置的标定方法，包括以下步骤：S1、获取行人在各个摄像头监控画面中的坐标位置；S2、选取两个彼此相邻的摄像头，并根据行人的坐标位置计算这两个摄像头之间的外参矩阵；S3、选择步骤S2中两个摄像头中的任意一个作为参考摄像头，并通过外参矩阵计算另一摄像头的位置；S4、选择步骤S3中已经确定位置的两个摄像头中的任意一个作为新的参考摄像头，并计算与该新的参考摄像头相邻的摄像头的位置；依此类推，进而计算得到所有摄像头的位置。
[0007]作为本专利技术再进一步的方案：步骤S2的具体步骤如下：S21、根据相邻准则选择两个彼此相邻安装的摄像头；相邻准则如下：两个摄像头
彼此相邻布置，并且同一行人同时出现在两个摄像头的监控画面中；通过行人的位置坐标计算出两个摄像头之间的外参矩阵；外参矩阵包括旋转矩阵和初始平移矩阵；S22、计算尺度因子，并且求解尺度因子与初始平移矩阵的乘积，用该乘积替换更新初始平移矩阵，进而得到更新后的外参矩阵。
[0008]作为本专利技术再进一步的方案：步骤S21的具体步骤如下：S211、选择符合相邻准则的A号摄像头和B号摄像头；S212、从数据库中获取同一行人的同一人体关键点在m个不同时刻位于A号摄像头中的像素坐标和位于B号摄像头中的像素坐标，进而构成m组坐标组；m组坐标组表示如下：P
A1
=(u
A1
,v
A1
,1)、P
B1
=(u
B1
,v
B1
,1)；P
A2
=(u
A2
,v
A2
,1)、P
B2
=(u
B2
,v
B2
,1)；
…
、
…
；P
Ai
=(u
Ai
,v
Ai
,1)、P
Bi
=(u
Bi
,v
Bi
,1)；
…
、
…
；P
Am
=(u
Am
,v
Am
,1)、P
Bm
=(u
Bm
,v
Bm
,1)；其中，P
A1
表示人体关键点在A号摄像头中的第1组像素坐标，u
A1
表示P
A1
的横坐标，v
A1
表示P
A1
的纵坐标；P
B1
表示人体关键点在B号摄像头中的第1组像素坐标，u
B1
表示P
B1
的横坐标，v
B1
表示P
B1
的纵坐标；P
A2
表示人体关键点在A号摄像头中的第2组像素坐标，u
A2
表示P
A2
的横坐标，v
A2
表示P
A2
的纵坐标；P
B2
表示人体关键点在B号摄像头中的第2组像素坐标，u
B2
表示P
B2
的横坐标，v
B2
表示P
B2
的纵坐标；P
Ai
表示人体关键点在A号摄像头中的第i组像素坐标，u
Ai
表示P
Ai
的横坐标，v
Ai
表示P
Ai
的纵坐标；P
Bi
表示人体关键点在B号摄像头中的第i组像素坐标，u
Bi
表示P
Bi
的横坐标，v
Bi
表示P
Bi
的纵坐标；P
Am
表示人体关键点在A号摄像头中的第m组像素坐标，u
Am
表示P
Am
的横坐标，v
Am
表示P
Am
的纵坐标；P
Bm
表示人体关键点在B号摄像头中的第m组像素坐标，u
Bm
表示P
Bm
的横坐标，v
B1
表示P
Bm
的纵坐标；S213、根据对极几何约束，令m组坐标组满足如下方程：
[0009]其中，表示矩阵形式的P
B1
的转置矩阵；表示矩阵形式的P
B2
的转置矩阵；表示矩阵形式的P
Bm
的转置矩阵；E为A号摄像头和B号摄像头之间的本质矩阵；S214、使用奇异值分解将本质矩阵E分解为旋转矩阵和初始平移矩阵，并得到四组解：(R1,t1)、(R2,t2)、(R1,t2)和(R2,t1)，其中，R1表示求解出的第1个旋转矩阵，R2表示求解出的第2个旋转矩阵；t1表示求解出的第1个旋转矩阵，t1表示求解出的第2个旋转矩阵；
S215、通过判断准则计算出四组解中正确解。
[0010]作为本专利技术再进一步的方案：步骤S215的具体步骤如下：S2151、计算旋转矩阵R1和R2的行列式的值，其中行列式的值为1的旋转矩阵即为旋转矩阵对应的正确解R；S2152、选取A号摄像头的像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于行人ReID的监控摄像设备位置的标定方法，其特征在于，包括以下步骤：S1、获取行人在各个摄像头监控画面中的坐标位置；S2、选取两个彼此相邻的摄像头，并根据行人的坐标位置计算这两个摄像头之间的外参矩阵；S3、选择步骤S2中两个摄像头中的任意一个作为参考摄像头，并通过外参矩阵计算另一摄像头的位置；S4、选择步骤S3中已经确定位置的两个摄像头中的任意一个作为新的参考摄像头，并计算与该新的参考摄像头相邻的摄像头的位置；依此类推，进而计算得到所有摄像头的位置。2.根据权利要求1所述的一种基于行人ReID的监控摄像设备位置的标定方法，其特征在于，步骤S2的具体步骤如下：S21、根据相邻准则选择两个彼此相邻安装的摄像头；相邻准则如下：两个摄像头彼此相邻布置，并且同一行人同时出现在两个摄像头的监控画面中；通过行人的位置坐标计算出两个摄像头之间的外参矩阵；外参矩阵包括旋转矩阵和初始平移矩阵；S22、计算尺度因子，并且求解尺度因子与初始平移矩阵的乘积，用该乘积替换更新初始平移矩阵，进而得到更新后的外参矩阵。3.根据权利要求2所述的一种基于行人ReID的监控摄像设备位置的标定方法，其特征在于，步骤S21的具体步骤如下：S211、选择符合相邻准则的A号摄像头和B号摄像头；S212、从数据库中获取同一行人的同一人体关键点在m个不同时刻位于A号摄像头中的像素坐标和位于B号摄像头中的像素坐标，进而构成m组坐标组；m组坐标组表示如下：P
A1
=(u
A1
,v
A1
,1)、P
B1
=(u
B1
,v
B1
,1)；P
A2
=(u
A2
,v
A2
,1)、P
B2
=(u
B2
,v
B2
,1)；
…
、
…
；P
Ai
=(u
Ai
,v
Ai
,1)、P
Bi
=(u
Bi
,v
Bi
,1)；
…
、
…
；P
Am
=(u
Am
,v
Am
,1)、P
Bm
=(u
Bm
,v
Bm
,1)；其中，P
A1
表示人体关键点在A号摄像头中的第1组像素坐标，u
A1
表示P
A1
的横坐标，v
A1
表示P
A1
的纵坐标；P
B1
表示人体关键点在B号摄像头中的第1组像素坐标，u
B1
表示P
B1
的横坐标，v
B1
表示P
B1
的纵坐标；P
A2
表示人体关键点在A号摄像头中的第2组像素坐标，u
A2
表示P
A2
的横坐标，v
A2
表示P
A2
的纵坐标；P
B2
表示人体关键点在B号摄像头中的第2组像素坐标，u
B2
表示P
B2
的横坐标，v
B2
表示P
B2
的纵坐标；P
Ai
表示人体关键点在A号摄像头中的第i组像素坐标，u
Ai
表示P
Ai
的横坐标，v
Ai
表示P
Ai
的纵坐标；P
Bi
表示人体关键点在B号摄像头中的第i组像素坐标，u
Bi
表示P
Bi
的横坐标，v
Bi
表示P
Bi
的纵坐标；P
Am
表示人体关键点在A号摄像头中的第m组像素坐标，u
Am
表示P
Am
的横坐标，v
Am
表示P
Am
的纵坐标；P
Bm
表示人体关键点在B号摄像头中的第m组像素坐标，u
Bm
表示P
Bm
的横坐标，v
B1
表示P
Bm
的纵坐标；
S213、根据对极几何约束，令m组坐标组满足如下方程：其中，表示矩阵形式的P
B1
的转置矩阵；表示矩阵形式的P
B2
的转置矩阵；表示矩阵形式的P
Bm
的转置矩阵；E为A号摄像头和B号摄像头之间的本质矩阵；S214、使用奇异值分解将本质矩阵E分解为旋转矩阵和初始平移矩阵，并得到四组解：(R1,t1)、(R2,t2)、(R1,t2)和(R2,t1)，其中，R1表示求解出的第1个旋转矩阵，R2表示求解出的第2个旋转矩阵；t1表示求解出的第1个旋转矩阵，t1表示求解出的第2个旋转矩阵；S215、通过判断准则计算出四组解中正确解。4.根据权利要求3所述的一种基于行人ReID的监控摄像设备位置的标定方法，其特征在于，步骤S215的具体步骤如下：S2151、计算旋转矩阵R1和R2的行列式的值，其中行列式的值为1的旋转矩阵即为旋转矩阵对应的正确解R；S2152、选取A号摄像头的像素坐标P
Ai
，以及B号摄像头的像素坐标P
Bi
，根据摄像头的针孔模型理论，像素坐标P
Ai
和像素坐标P
Bi
满足如下计算公式：其中，K
A
为A号摄像头的内参矩阵；K
B
为B号摄像头的内参矩阵；t表示初始平移矩阵对应的正确解；P
Ai
‑
3D
表示像素坐标P
Ai
在A号摄像头相机坐标系中对应的相机坐标；表示像素坐标P
Ai
在A号摄像头相机坐标系中对应的相机坐标值；表示像素坐标P
Bi
在B号摄像头相机坐标系中对应的相机坐标值；S2153、分别将t=t1和t=t2带入步骤S2152的计算公式中，计算z
Ai
和z
Bi
的值，并获得方程组如下：
其中，x
Ai1
为使用初始平移矩阵t1计算出的相机坐标P
Ai
‑
3D
在X轴上的坐标值；y
Ai1
为使用初始平移矩阵t1计算出的相机坐标P
Ai
‑
3D
在Y轴上的坐标值；z
Ai1
为使用初始平移矩阵t1计算出的相机坐标P
Ai
‑
3D
在Z轴上的坐标值；x
Bi1
为使用初始平移矩阵t1计算出的相机坐标P
Bi
‑
3D
在X轴上的坐标值；y
Bi1
为使用初始平移矩阵t1计算出的相机坐标P
Bi
‑
3D
在Y轴上的坐标值；z
Bi1
为使用初始平移矩阵t1计算出的相机坐标P
Bi
‑
3D
在Z轴上的坐标值；x
Ai2
为使用初始平移矩阵t2计算出的相机坐标P
Ai
‑
3D
在X轴上的坐标值；y
Ai2
为使用初始平移矩阵t2计算出的相机坐标P
Ai
‑
3D
在Y轴上的坐标值；z
Ai2
为使用初始平移矩阵t2计算出的相机坐标P
Ai
‑
3D
在Z轴上的坐标值；x
Bi2
为使用初始平移矩阵t2计算出的相机坐标P
Bi
‑...

【专利技术属性】
技术研发人员：万森，周志鹏，李月明，高东奇，朱前进，袁泽川，齐贤龙，
申请(专利权)人：安徽云森物联网科技有限公司，
类型：发明
国别省市：