《球机隐私遮蔽定位解析及ONVIF实现》

---

隐私遮蔽

• 高速球摄像机实现隐私区域遮蔽
• 隐私区域自由选取
• 无论相机处于什么状态，遮蔽块能随着球机移动而移动
• 球机在不同位姿下的图像点坐标的实时匹配

原理推导

• 目前两种思路：一种是按照3D定位原理匹配；一种是利用共同世界坐标的单应变换；

• 球机坐标转换关系推导一下，理论验证通过，实用的话暂时没想好方法；

• 3D定位原理类似，参照《球机3D定位解析及ONVIF实现》；

单应变换思路

• 可以转化为球机在旋转或变倍过程中的，不同位姿下的图像坐标匹配关系推导如下

• 可以参考《单应性变换-Homography》

• 相机1时刻，图像坐标和相对世界坐标转换关系
  

• 相机2时刻，图像坐标和相对世界坐标转换关系
  

• 将（1）式代入（2）式，可得

• 化简，得

式中，

• 求解，可得

• 球机在不同位姿下的转换，需要内参矩阵(标定可得)、旋转和平移矩阵(球机的PTZ轴不在透镜中心，所以根据PTZ的变化，无法获知旋转和平移矩阵)

3D定位思路

• 示意图如下，目标点在球机两个不同位姿下的图像坐标P1和P2

• 先计算$P_1$到视野中心点，球机旋转的水平和垂直角度

$$\{\begin{array}{l}{\alpha }_{V:1->o}=arctan(\frac{Y_1-H/2}{H/2}\ast tan(FO{V}_v/2))\\ {\alpha }_{H:1->o}=arctan(\frac{X_1-W/2}{W/2}\ast tan(FO{V}_h/2))\end{array}$$

• 利用球机在1和2时刻的PTZ坐标，计算$P_1$到$P_2$的水平和垂直角度

$$\{\begin{array}{l}{\alpha }_{V:1->2}=Til{t}_2-Til{t}_1\\ {\alpha }_{H:1->2}=Pa{n}_2-Pa{n}_1\end{array}$$

• 计算$P_2$到视野中心点，球机旋转的水平和垂直角度

$$\{\begin{array}{l}{\alpha }_{V:2->o}={\alpha }_{V:1->o}-{\alpha }_{V:1->2}\\ {\alpha }_{H:2->o}={\alpha }_{H:1->o}-{\alpha }_{H:1->2}\end{array}$$

• 计算$P_2$点的图像坐标

$$\{\begin{array}{l}{Y}_2=\frac{tan({\alpha }_{V:2->o})}{tan(FO{V}_v/2)}\ast \frac{H}{2}+\frac{H}{2}\\ X_2=\frac{tan({\alpha }_{H:2->o})}{tan(FO{V}_h/2)}\ast \frac{W}{2}+\frac{W}{2}\end{array}$$

实现

• 以海康球机DS-2DC22041W-D3/W为例

• ONVIF协议作为标准通用的公有协议 ，可以实现摄像头PTZ控制

• 需要获取球机的PTZ和ONVIF的PTZ对应关系，参考《球机的PTZ和视场角与ONVIF的PTZ对应关系》

• 视场角标定，参考《视场角相关计算》

• 主要分为onvif控制、实时匹配和UI控制

• 隐私遮蔽实现主函数：privacy_shelter.py

class shelter:
    def __init__(self, width, height, fov_h, fov_v, pos_onvif1, rect):
        self.width = width
        self.height = height
        self.fov_h = fov_h
        self.fov_v = fov_v
        self.pos_sdk1 = self.ptz_to_sdk(pos_onvif1)
        self.rect = rect # l,t,r,b

    def ptz_to_sdk(self, pos_onvif):
        p_ = min(180 * pos_onvif['pan'] + 180, 360)
        t_ = 45 * pos_onvif['tilt'] + 45
        z_ = 3 * pos_onvif['zoom'] + 1
        return {'pan' :p_, 'tilt' :t_, 'zoom' :z_}

    def ptz_to_onvif(self, pos_sdk):
        p_ = (pos_sdk['pan'] - 180) / 180
        t_ = (pos_sdk['tilt'] - 45) / 45
        z_ = (pos_sdk['zoom'] - 1) / 3
        return {'pan' :p_, 'tilt' :t_, 'zoom' :z_}

    def locate(self, target):
        x, y = target
        # 水平方向
        delt_x = np.rad2deg( np.arctan((x - self.width / 2) / (self.width / 2) * np.tan( np.deg2rad(self.fov_h /2))) )
        # 垂直方向
        delt_y = np.rad2deg( np.arctan((y - self.height / 2) / (self.height / 2) * np.tan( np.deg2rad(self.fov_v / 2))) )
        return [delt_x, delt_y]

    def match_point(self, point, pos_onvif2):
        delt_x0, delt_y0 = self.locate(point)
        pos_sdk2 = self.ptz_to_sdk(pos_onvif2)
        delt_pos_sdk = [pos_sdk2['pan'] - self.pos_sdk1['pan'], pos_sdk2['tilt'] - self.pos_sdk1['tilt']]
        delt_x2 = delt_x0 - delt_pos_sdk[0]
        delt_y2 = delt_y0 + delt_pos_sdk[1]
        x2 = np.tan(np.deg2rad(delt_x2)) / np.tan(np.deg2rad(self.fov_h / 2)) * self.width / 2 + self.width / 2
        y2 = np.tan(np.deg2rad(delt_y2)) / np.tan(np.deg2rad(self.fov_v / 2)) * self.height / 2 + self.height / 2
        return [x2, y2]

    def match(self, pos_onvif2):
        l2, t2 = self.match_point([self.rect[0], self.rect[1]], pos_onvif2)
        r2, b2 = self.match_point([self.rect[2], self.rect[3]], pos_onvif2)
        return [int(l2), int(t2), int(r2), int(b2)]

参考链接

1. 单应性变换-Homography