视频监控全景融合与场景再现系统设计

一、全景融合系统整体设计方案

在这里插入图片描述

1.1 全景拼接模块

该模块主要获取每个摄像机视场在全景底图下的位置信息,从而获得矩阵变换参数,并且将这些参数传输到服务器当中,存入切分节点数据库中。

1.2 服务器模块

该模块主要是用于设计数据库保存所用的数据,让计算节点能够从这里领取任务。

1.3 中控模块

主要从服务器中的切分节点数据库中获取参数信息,然后人工选择需要播放的位置,将每个节点对应的底图和融合节点对应的信息传动到服务器的数据库当中。

1.4 流媒体服务器模块

主要用于推流rtmp,计算节点对这些获取到的视频流进行处理。这里也可以是从网络上获取的实时的rtsp的视频流。

1.5 计算节点

每个计算节点从服务器中领取其对应的任务,包括获取该节点对应的视频流,将这些视频进行解码,然后进行变换,和底图相融合生成新的视频帧,将这个图像显示到视频当中。这里每个计算节点只能处理一路视频流。

二、服务器的设计与实现

2.1 数据库的设计

2.1.1 切分节点数据库设计

字段 字段类型 说明 重要程度
id Int 摄像机唯一标识 重要
ip char(30) 摄像机IP地址 重要
x decimal(10) 摄像机位置经度 重要
y decimal(10) 摄像机位置纬度 重要
xa decimal(10) 投影变换后的坐标位置 重要
ya decimal(10) 重要
xb decimal(10) 重要
yb decimal(10) 重要
xc decimal(10) 重要
yc decimal(10) 重要
xd decimal(10) 重要
yd decimal(10) 重要
cuttingXList char(40) 不重要
cuttingYList char(40) 不重要
TransformMat char(100) 投影变换矩阵 重要
toploMat char(40) 不重要
detectionWeight file() 不重要

2.1.2 图像数据库设计

这里是指每个屏幕的背景图片

字段 字段名称 字段类型 备注
id 处理节点的编号 Int
ip 处理节点的IP信息 char(30) 这里的IP是指小电脑对应的信息
image 每个处理节点的底图信息 ImageField()
isimagechange 这些图片是否发生变化 char(4)

2.1.3 融合节点数据库设计

字段 字段类型 说明
id Int 融合节点唯一标识符
ip char(30) 融合节点的ip地址
toploMat char(100) 其对应的视频流地址
position char(80) 位置
fourpoints char(400) 四个对应的点
ispointchange BooleanField

2.2 Django框架的实现

这里采用django框架来实现,为了实现restful的设计风格,实现前后端的分立,采用restfarmework来实现。

2.2.1 数据库的实现models.py

from django.db import models

def user_directory_path(instance, filename):
    ext = filename.split('.')[-1]
    filename = "%s.%s" % (instance.ip, ext)
    return '{0}/{1}'.format('detection', filename)

class CuttingNode(models.Model):
    id=models.IntegerField(blank=True, default='',primary_key=True)
    ip=models.CharField(max_length=30, blank=True, default='',unique=True)
    x=models.DecimalField(max_digits=10,decimal_places=3, blank=True, default='')
    y=models.DecimalField(max_digits=10,decimal_places=3, blank=True, default='')
    xa=models.DecimalField(max_digits=10,decimal_places=3, blank=True, default='')
    ya=models.DecimalField(max_digits=10,decimal_places=3, blank=True, default='')
    xb=models.DecimalField(max_digits=10,decimal_places=3, blank=True, default='')
    yb=models.DecimalField(max_digits=10,decimal_places=3, blank=True, default='')
    xc=models.DecimalField(max_digits=10,decimal_places=3, blank=True, default='')
    yc=models.DecimalField(max_digits=10,decimal_places=3, blank=True, default='')
    xd=models.DecimalField(max_digits=10,decimal_places=3, blank=True, default='')
    yd=models.DecimalField(max_digits=10,decimal_places=3, blank=True, default='')
    cuttingXList=models.CharField(max_length=40, blank=True,default='')
    cuttingYList=models.CharField(max_length=40, blank=True,default='')
    transformMat=models.CharField(max_length=100, blank=True,default='')
    toploMat=models.CharField(max_length=40, blank=True, default='')
    detectionWeight = models.FileField(upload_to=user_directory_path, blank=True, null=True)

class Image(models.Model):
    id=models.IntegerField(blank=True, default='',primary_key=True)
    ip=models.CharField(max_length=30, blank=True, default='',unique=True)
    image=models.ImageField(upload_to='photo')
    isimagechange=models.CharField
  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
视频监控应用中,如何有效实现宽视场范围视频的完整获取,是视频监控系统的关键功能之一。本文针对多摄像头硬件平台,重点研究 360 度全景视频拼接的实现技术。在保证高质量的拼接图像的前提下,满足实际应用场景的实时性要求是本文算法设计的主要目标。针对全景拼接在视频监控领域这一应用背景,本文对多摄像头系统全景拼接存在的一些优势和约束进行详细分析,并在此基础上,采用多个广角镜头进行视频图像采集,实现摄像头个数和单个镜头视角之间的合理折中。在控制成本的前提下,有效实现水平方向 360 度无盲区监控。 针对全景视频拼接算法的实时性能和拼接效果,本文重点在以下几个方面开展了研究工作: 1、本文采用普通的监控 CCD 单板机和广角镜头组装摄像单元,对多个摄像单元通道采用多线程同步视频采集。针对普通监控镜头采集图像质量不高的问题,提出基于颜色校正板的颜色校正方法,对输入图像进行预处理,有效改善图像质量。并采用基于灰度均值的方法,对相邻图像的重叠区域进行亮度调整。 2、本文基于经典的直线标定法思想,提出两步法镜头矫正方案。通过所提出的直线标定法对镜头进行一次矫正,然后通过手动设置并调节畸变参数,对矫正后的图像进行二次矫正,所提出的算法能保证良好的镜头矫正效果。 3、研究了柱面投影模型的原理,提出将柱面映射的投影中心修正为镜头畸变中心,克服了由于畸变和透视失真等因素造成的重叠区物体成像尺寸不一致的问题。然后,利用所提出的坐标映射表的方式,一次性实现镜头畸变矫正和柱面映射,有效提高了算法执行速度。 4、分析了基于 Harris 特征和 SIFT 特征的配准算法原理。SIFT 特征配准算法鲁棒性高,但难以满足硬件系统的实时性要求;基于 Harris 特征的配准算法复杂度低,但难以应对广角镜头畸变引起的图像质量差的问题,匹配性能较差。最后采用了基于积分图像的快速归一化互相关配准方案,实验验证了算法的可行性和有效性。 5、此外,在图像融合方面,基于经典的多频带融合算法,结合线性融合的思想,优化了一种简单的多分辨率线性融合方法。在保证融合质量的基础上,提升了速度。 关键字:多镜头多传感器;图像配准;全景拼接;实时监控;广角镜头
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值