實時視頻圖像拼接技術(shù)研究與系統(tǒng)實現(xiàn).pdf

1、智能交通中運動物體跟蹤常需要用到一個大范圍的視角，而單個攝像頭往往無法滿足要求，因此需要用多個攝像頭重疊覆蓋場景，也就是實時視頻圖像拼接的應(yīng)用之一。實時圖像拼接是近幾年的研究熱點，可以應(yīng)用于遙感影像、智能交通、安防監(jiān)控、醫(yī)學(xué)圖像等多方面領(lǐng)域。本文以市政府智能門禁系統(tǒng)項目為研究背景，研究不同視角攝像機拍攝圖像的實時拼接，為后續(xù)物體跟蹤獲得一個大視角的實時監(jiān)控畫面。本文旨在確保圖像拼接效果精度的前提下，實現(xiàn)圖像的實時拼接，達到實時拼接系統(tǒng)局

2、部與整體的最優(yōu)。
　　圖像拼接中常用尺度不變特征算子提取特征點，但是傳統(tǒng)尺度不變特征算子計算速度過慢。為了滿足實時性要求，必須提高特征提取的速度與精度，以獲得一個適應(yīng)性優(yōu)的轉(zhuǎn)換模型。因此，本文提出了一種基于ROI的SURF特征提取法，創(chuàng)新性地采用基于圖像感知哈希算法的動態(tài)模板匹配法來估感興趣區(qū)域，可以有效地縮小特征檢測范圍，提高檢測精度。特征匹配中經(jīng)常采用RANSAC算法提純匹配對，但是傳統(tǒng)RANSAC匹配精度受限于選取的特征點，

3、容易出現(xiàn)誤匹配。為了提高匹配精度，本文對RANSAC算法提出了三點改進方法：一是根據(jù)歐式距離設(shè)置閾值對特征點粗篩選；二是將估算的ROI，設(shè)置為先驗知識引入到RANSAC算法判斷內(nèi)點標準中；三是修改RANSAC判斷最優(yōu)模型的標準，本文提出了一種基于方差的置信度最優(yōu)樣本選擇法。改進后的匹配算法在尺度、光照、旋轉(zhuǎn)和拉伸等方面都有較好的魯棒性。
　　為了滿足實時性要求，本文在圖像重映射和融合部分，先求取最佳縫合線，然后在最佳縫合線外接矩形