CN115942119B - 联动监控方法及装置、电子设备、可读存储介质 - Google Patents
联动监控方法及装置、电子设备、可读存储介质 Download PDFInfo
- Publication number
- CN115942119B CN115942119B CN202210966540.XA CN202210966540A CN115942119B CN 115942119 B CN115942119 B CN 115942119B CN 202210966540 A CN202210966540 A CN 202210966540A CN 115942119 B CN115942119 B CN 115942119B
- Authority
- CN
- China
- Prior art keywords
- camera
- target area
- target
- calibration
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004891 communication Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 27
- 238000013145 classification model Methods 0.000 claims description 10
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 239000004429 Calibre Substances 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000007726 management method 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
- 230000036544 posture Effects 0.000 description 1
Landscapes
- Studio Devices (AREA)
Abstract
本公开是关于一种联动监控方法及装置、电子设备、可读存储介质。该方法应用于与第一摄像头和第二摄像头均建立有通信连接的电子设备中,至少包括:通过所述第一摄像头获取目标区域;基于所述目标区域和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动位置;根据所述运动位置控制所述第二摄像头监控所述目标区域。本公开实施例实现了第一摄像头和第二摄像头的联动监控,使得监控更加灵活,扩展了监控场景。
Description
技术领域
本公开涉及一种摄像头领域,尤其涉及一种联动监控方法及装置、电子设备、可读存储介质。
背景技术
在监控场景中,通常采用单个球机摄像头或者单个枪机摄像头。为了扩大监控范围,还可采用多个枪机摄像头采集视频后做视频拼接。然而,单个摄像头仅仅只能顾及局部或者仅仅只能监控模糊的全景,并不能普适更多的监控场景。采用多个摄像头监控虽然能够扩大监控范围但是并不能兼顾局部。
发明内容
为克服相关技术中存在的问题,本公开提供一种联动监控方法及装置、电子设备、可读存储介质。
根据本公开实施例的第一方面,提供一种联动监控方法,应用于与第一摄像头和第二摄像头均建立有通信连接的电子设备中,至少包括:
通过所述第一摄像头获取目标区域;
基于所述目标区域和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动位置;
根据所述运动位置控制所述第二摄像头监控所述目标区域。
在一些实施例中,所述方法还包括:
获取所述第二摄像头的分辨率宽度;
基于所述目标区域的宽度和所述分辨率宽度,确定所述第二摄像头的目标缩放比例;
基于所述目标缩放比例,调节所述第二摄像头的焦距。
在一些实施例中,所述基于所述目标缩放比例,调节所述第二摄像头的焦距,包括:
当所述目标缩放比例大于或者等于预设清晰缩放比例时,基于所述目标缩放比例调节所述第二摄像头的焦距;
当所述目标缩放比例小于所述预设清晰缩放比例时,基于所述预设清晰缩放比例调节所述第二摄像头的焦距。
在一些实施例中,所述方法还包括:
通过分类模型确定所述目标区域中监控物体的属性分类以及所述监控物体的状态分类。
在一些实施例中,所述方法还包括:
通过所述第一摄像头获取去畸变的图像;
从所述去畸变的图像中获取多个标定点对应的多个第一样本坐标;
将所述第二摄像头的中心对准多个所述标定点,得到多个所述标定点对应的多个第二样本坐标;
基于多个所述第一样本坐标和多个所述第二样本坐标,确定所述标定关系。
在一些实施例中,所述基于多个所述第一样本坐标和多个所述第二样本坐标,确定所述标定关系,包括:
关联同一个所述标定点对应的所述第一样本坐标和所述第二样本坐标;
通过差值函数,建立多组关联后坐标数据之间的关系,得到所述标定关系。
在一些实施例中,所述通过所述第一摄像头获取去畸变的图像,包括:
通过所述第一摄像头获取样本图像;
基于所述样本图像和去畸变模型,确定所述去畸变的图像。
在一些实施例中,所述基于所述目标区域和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动位置,包括:
获取所述目标区域的中心坐标;
基于所述中心坐标和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动坐标。
在一些实施例中,所述获取所述目标区域的中心坐标,包括:
获取所述目标区域的起始坐标、所述目标区域的高度以及所述目标区域的宽度;
基于所述起始坐标的横坐标和所述目标区域的宽度,得到所述中心坐标的横坐标;
基于所述起始坐标的纵坐标和所述目标区域的高度,得到所述中心坐标的纵坐标。
在一些实施例中,所述第一摄像头包括用于拍摄全景的摄像头;所述第二摄像头包括用于捕捉细节的摄像头。
根据本公开实施例的第二方面,提供一种联动监控装置,应用于与第一摄像头和第二摄像头均建立有通信连接的电子设备中,至少包括:
第一获取模块,配置为通过所述第一摄像头获取目标区域;
第一确定模块,配置为基于所述目标区域和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动位置;
控制模块,配置为根据所述运动位置控制所述第二摄像头监控所述目标区域;
其中,所述第一摄像头和所述第二摄像头具有不同的监控功能。
在一些实施例中,所述装置还包括:
第二获取模块,配置为获取所述第二摄像头的分辨率宽度;
第二确定模块,配置为基于所述目标区域的宽度和所述分辨率宽度,确定所述第二摄像头的目标缩放比例;
调节模块,配置为基于所述目标缩放比例,调节所述第二摄像头的焦距。
在一些实施例中,所述调节模块,还配置为当所述目标缩放比例大于或者等于预设清晰缩放比例时,基于所述目标缩放比例调节所述第二摄像头的焦距;当所述目标缩放比例小于所述预设清晰缩放比例时,基于所述预设清晰缩放比例调节所述第二摄像头的焦距。
在一些实施例中,所述装置还包括:
分类模块,配置为通过分类模型确定所述目标区域中监控物体的属性分类以及所述监控物体的状态分类。
在一些实施例中,所述装置还包括:
第三获取模块,配置为通过所述第一摄像头获取去畸变的图像;
第四获取模块,配置为从所述去畸变的图像中获取多个标定点对应的多个第一样本坐标;
对准模块,配置为将所述第二摄像头的中心对准多个所述标定点,得到多个所述标定点对应的多个第二样本坐标;
第三确定模块,配置为基于多个所述第一样本坐标和多个所述第二样本坐标,确定所述标定关系。
在一些实施例中,所述第三确定模块,还配置为关联同一个所述标定点对应的所述第一样本坐标和所述第二样本坐标;通过差值函数,建立多组关联后坐标数据之间的关系,得到所述标定关系;
所述第三获取模块,还配置为通过所述第一摄像头获取样本图像;基于所述样本图像和去畸变模型,确定所述去畸变的图像。
在一些实施例中,所述第一确定模块,包括:
第五获取模块,配置为获取所述目标区域的中心坐标;
第四确定模块,配置为基于所述中心坐标和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动坐标。
在一些实施例中,所述第五获取模块,配置为获取所述目标区域的起始坐标、所述目标区域的高度以及所述目标区域的宽度;基于所述起始坐标的横坐标和所述目标区域的宽度,得到所述中心坐标的横坐标;基于所述起始坐标的纵坐标和所述目标区域的高度,得到所述中心坐标的纵坐标。
在一些实施例中,所述第一摄像头包括用于拍摄全景的摄像头;所述第二摄像头包括用于捕捉细节的摄像头。
根据本公开实施例的第三方面,提供一种电子设备,所述电子设备至少包括:处理器和用于存储能够在所述处理器上运行的可执行指令的存储器,其中:
处理器用于运行所述可执行指令时,所述可执行指令执行上述第一方面提供的联动监控方法中的步骤。
根据本公开实施例的第四方面,提供一种可读存储介质,包括:
当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如上述第一方面中所述的联动监控方法。
本公开实施例提供的技术方案可以包括以下有益效果:
本公开实施例基于第一摄像头获取的目标区域和标定关系确定第二摄像头的运动位置,根据第二摄像头的运动位置控制第二摄像头监控目标区域。如此,本公开实施例的第一摄像头用于检测目标区域,第二摄像头用于跟随第一摄像头联动来自动追踪该目标区域,进而实现了第一摄像头和第二摄像头的联动监控,使得监控更加灵活,扩展了监控场景。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的联动监控方法的示意图一。
图2是根据一示例性实施例示出的联动监控方法的示意图二。
图3是根据一示例性实施例示出的联动监控方法的示意图三。
图4是根据一示例性实施例示出的联动监控方法的示意图四。
图5是根据一示例性实施例示出的联动监控装置的结构示意图。
图6是根据一示例性实施例示出的电子设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
本公开实施例提出一种联动监控方法,该联动监控方法应用于与第一摄像头和第二摄像头均建立有通信连接的电子设备中,如图1所示,电子设备执行该联动监控方法包括以下步骤:
S101、通过所述第一摄像头获取目标区域;
S102、基于所述目标区域和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动位置;
S103、根据所述运动位置控制所述第二摄像头监控所述目标区域。
本公开实施例中,上述电子设备与第一摄像头和第二摄像头均建立有通信连接,电子设备通过该通信连接可控制第一摄像头和第二摄像头进行联动监控。例如,电子设备控制第二摄像头能够监控该第一摄像头检测得到的感兴趣目标区域。
其中,上述电子设备可为后台服务器,还可为具有能够控制第一摄像头和第二摄像头的控制模块的智能设备,本公开实施例不作限制。
上述联动监控方法应用于联动第一摄像和第二摄像头的监控场景中,该第一摄像头和第二摄像头具有不同监控功能,通过该联动监控方法能够在通过第一摄像头检测到目标区域后,联动第二摄像头使得第二摄像头也能够追踪目标区域,进而实现能够同时兼顾该两种不同监控功能,而不再是只能监控单一功能。
例如,第一摄像头具有监控全景的监控功能但不能监控细节,第二摄像头具有监控细节的监控功能但不能监控全景。在监控范围内有多个目标区域,第一摄像头通过监控全景的功能能够检测到该目标区域,但第二摄像头由于监控视野有限并不能监控到目标区域。基于此,在第一摄像头确定目标区域的基础上,电子设备通过上述联动监控方法中第一摄像头和第二摄像头之间的标定关系,能够联动第二摄像头使得第二摄像头也能够监控该目标区域以捕捉到目标区域的细节,进而实现了能够同时监控全景和细节。
上述第一摄像头可用于确定目标区域。在一些实施例中,第一摄像头包括用于拍摄全景的摄像头。
本公开实施例中,第一摄像头用于拍摄全景,即第一摄像头具有监控全景的功能。这里,该第一摄像头可具有超广角,通过超广角实现拍摄更加广阔和全面的监控画面。例如,该第一摄像头可包括鱼眼摄像头或者枪机摄像头,本公开实施例不作限制。
上述第二摄像头可用于跟随第一摄像头联动来捕捉该目标区域的细节。
在一些实施例中,第二摄像头包括用于捕捉细节的摄像头。
本公开实施例中,第二摄像头用于捕捉细节,即第二摄像头具有变焦功能。这里,第二摄像头通过该变焦功能能够实现观测目标区域的细节。
上述第二摄像头还可具有转动功能,通过该转动功能够在横向方向和纵向方向上移动以实现能够控制第二摄像头监控到目标区域。例如,该第二摄像头可包括球机摄像头,本公开实施例不作限制。这里,横向方向和纵向方向为相互垂直的两个方向。
上述目标区域可为监控图像中感兴趣的区域。该目标区域可包括:人物所在区域、动物所在区域或者花草建筑所在区域,本公开实施例不作限制。
上述通过第一摄像头获取目标区域,包括:通过第一摄像头拉取视频流进行图像分析得到目标区域。其中,本公开实施例可采用深度学习算法或者目标检测算法进行图像分析。
例如,深度学习算法包括基于卷积神经网络的深度学习算法、基于循环神经网络的深度学习算法或者基于递归神经网络的深度学习算法;目标检测算法包括滑动窗口目标检测算法、Two Stage目标检测算法或者YOLO目标检测算法,本公开实施例不作限制。
这里,电子设备可采用深度学习算法或者目标检测算法进行图像分析得到目标区域。该得到目标区域可为得到目标区域的起始坐标、目标区域的高度和目标区域的宽度等,本公开实施例不作限制。
本公开实施例中,可通过不同目标检测算法得到目标区域的起始坐标、目标区域的高度和目标区域的宽度。例如,可采用第一目标检测算法得到该目标区域的起始坐标、目标区域的高度和目标区域的宽度,进而得到该目标区域的中心坐标;其中,该第一目标检测算法为Two Stage目标检测算法;还可通过第二目标检测算法得到该目标区域的起始坐标、目标区域的高度和目标区域的宽度;其中,该第二目标检测算法为滑动窗口目标检测算法。
上述第一摄像头和第二摄像头之间的标定关系,用于表征第一摄像头在监控目标区域时的位置与第二摄像头在监控同一目标区域的位置之间的对应关系。这样基于第一摄像头确定的目标区域,便可确定出在监控目标区域时第二摄像头所需要运动的运动位置。如此,基于该运动位置就能够控制第二摄像头来监控目标区域,以实现第二摄像头也能够追踪感兴趣的目标区域。
需要说明的是,由于不同摄像头设置位置以及转向角度不同,因此在监控同一目标区域时需要关联第一摄像头和第二摄像头以得到第一摄像头和第二摄像头之间的标定关系。如此,在通过第一摄像头获取目标区域后,通过该标定关系便可以确定出第二摄像头监控同一目标区域时的运动位置。
这里,第一摄像头和第二摄像头之间的标定关系为预先设置的,可直接基于该标定关系确定第二摄像头的运动位置。
在确定第二摄像头的运动位置后,可根据该运动位置控制第二摄像头也监控该目标区域。例如,第二摄像头的电机不在运动位置,为了使得第二摄像头也能够监控目标区域,需要控制第二摄像头转动使得第二摄像头的电机运动到该运动位置。
本公开实施例中,基于第一摄像头获取的目标区域和标定关系确定第二摄像头的运动位置,根据第二摄像头的运动位置控制第二摄像头监控目标区域。如此,本公开实施例的第一摄像头用于检测目标区域,第二摄像头用于跟随第一摄像头联动来自动追踪该目标区域,进而实现了第一摄像头和第二摄像头的联动监控。
可见,当第一摄像头和第二摄像头具有不同监控功能,例如,第一摄像头具有监控全景的功能和第二摄像头具有捕捉细节的功能情况下,本公开实施例通过第一摄像头和第二摄像头的标定关系能够同时实现两种不同的监控功能,例如,能够在监控全景检测到目标区域的基础上同时监控该目标区域的细节,进而能够使得监控更加灵活,扩大了监控场景。
在一些实施例中,所述方法还包括:
获取所述第二摄像头的分辨率宽度;
基于所述目标区域的宽度和所述分辨率宽度,确定所述第二摄像头的目标缩放比例;
基于所述目标缩放比例,调节所述第二摄像头的焦距。
本公开实施例中,在通过第一摄像头获取目标区域之后,可基于目标区域的宽度进一步调节第二摄像头焦距,使得第二摄像头能够清晰的捕捉到目标区域的细节。
在获取分辨率宽度的过程中,如果第二摄像头的分辨率为1280*960,则第二摄像头的分辨率宽度为960;如果第二摄像头的分辨率为1920*1080,则第二摄像头的分辨率宽度为1080。
上述基于目标区域的宽度和分辨率宽度,确定第二摄像头的目标缩放比例,包括:基于目标区域的宽度和分辨率宽度之商得到目标缩放比例。
例如,可采用公式(1)确定目标缩放比例。其中,目标区域的宽度为w;分辨率宽度为w';目标缩放比例宽度为s。
本公开实施例中,在联动第二摄像头使得第二摄像头追踪该目标区域后,如果第二摄像头还采用预设清晰缩放比例来调节焦距可能会导致捕捉的细节不能够满足清晰的需求,例如拍摄图像小于预设清晰图像而导致不清晰。
基于此,本公开实施例基于目标缩放比例来调节第二摄像头的焦距,能够依据目标区域的实际位置灵活调节焦距,使得第二摄像头能够更清晰的捕捉到目标区域的细节。
在一些实施例中,所述基于所述目标缩放比例,调节所述第二摄像头的焦距,包括:
当所述目标缩放比例大于或者等于预设清晰缩放比例时,基于所述目标缩放比例调节所述第二摄像头的焦距;
当所述目标缩放比例小于所述预设清晰缩放比例时,基于所述预设清晰缩放比例调节所述第二摄像头的焦距。
本公开实施例中,该预设清晰缩放比例为第二摄像头预设的缩放比例,在小于该预设清晰缩放比例时,第二摄像头拍摄的图像小于预设清晰图像,可能会导致捕捉的细节太小而不清晰;在大于该预设清晰缩放比例时,第二摄像头能够拍摄得到清晰图像。如此,本公开实施例将目标缩放比例与预设清晰缩放比例进行比较,能够使得第二摄像头更加清晰的捕捉细节。
当目标缩放比例大于或者等于预设清晰缩放比例时,基于目标缩放比例调节焦距,使得第二摄像头的焦距能够适应目标区域当前位置,进而能够更好的捕捉到目标区域的细节。当目标缩放比例小于预设清晰缩放比例时,不再基于目标缩放比例调节第二摄像头的焦距,而是通过预设清晰缩放比例调节第二摄像头的焦距,能够使得第二摄像头得到清晰的细节。
在一些实施例中,所述方法还包括:
通过分类模型确定所述目标区域中监控物体的属性分类以及所述监控物体的状态分类。
上述分类模型包括:属性多分类模型和状态多分类模型,本公开实施例不作限制。
上述监控物体的属性分类用于区分监控物体的属性。该属性分类包括:对象分类、颜色分类和/或功能分类。其中,对象分类可包括:人、动物、植物或者车辆等;颜色分类可包括:红色、黄色或者蓝色等;功能分类可包括家用电器类、家具类或者移动终端类等。
上述监控物体的状态分类用于区分监控物体的状态。例如,该状态分类包括:静止状态和/或运动状态。其中,运动状态包括:步行状态、讲话状态、大笑状态、跑步状态或者飞行状态,本公开实施例不作限制。
需要说明的是,通过监控物体的属性分类和状态分类可以确定不同监控场景。该不同监控场景可包括:室内活动的监控场景、室外出行的监控场景、交通监控场景或者安防监控场景,本公开实施例不作限制。
本公开实施例中,通过分类模型确定监控物体的属性分类以及状态分类,能够实现确定不同监控位置的不同监控场景,进而也能够实现第二摄像头跟随第一摄像头联动来自动监控不同监控场景的细节。
如图2所示,在一些实施例中,所述方法还包括:
S104、通过所述第一摄像头获取去畸变的图像;
S105、从所述去畸变的图像中获取多个标定点对应的多个第一样本坐标;
S106、将所述第二摄像头的中心对准多个所述标定点,得到多个所述标定点对应的多个第二样本坐标;
S107、基于多个所述第一样本坐标和多个所述第二样本坐标,确定所述标定关系。
本公开实施例中,在基于第一摄像头和第二摄像头之间的标定关系确定第二摄像头的运动位置之前,需要获取标定关系。
在获取标定关系的过程中,由于第一摄像头的加工或者装配误差,第一摄像头图像平面上实际成像与理想成像之间存在畸变。基于此,本公开实施例基于去畸变的图像确定第一样本坐标,能够实现从去畸变的图像中获取更准确的第一样本坐标。
在一些实施例中,通过第一摄像头获取去畸变的图像,包括:通过所述第一摄像头获取样本图像;基于所述样本图像和去畸变模型,确定所述去畸变的图像。
本公开实施例中,在确定去畸变的图像之前,需要先获取去畸变模型。在获取去畸变模型过程中,可先使用棋盘格或圆点标定板采集第一摄像头在不同姿态下的多个标定图像;再对多个标定图像进行去噪处理,得到多个去噪图像;基于多个去噪图像确定该去畸变模型。
这里,可对多个去噪图像使用开源库opencv中的cv::fisheye:calibrate来得到去畸变模型,本公开实施例不作限制。
上述基于样本图像和去畸变模型,确定去畸变的图像,包括:基于样本图像和去畸变模型的乘积,得到去畸变的图像。
例如,可采用公式(2)确定去畸变的图像。其中,样本图像为F;去畸变模型A;去畸变的图像为F'。
F'=A*F (2)
本公开实施例中,在确定去畸变图像后,可从去畸变的图像中获取多个标定点对应的多个第一样本坐标。
这里,标定点可为具有明显特征的点。例如,标定点可包括桌角或者笔尖,本公开实施例不作限制。
上述选取标定点的数量可设置为10至20个,本公开实施例不作限制。
本公开实施例中,一个标定点对应有一个第一样本坐标。该第一样本坐标可为标定点所占区域的中心坐标,如此,通过标定点的中心坐标能够更好的确定标定点的位置。
例如,当标定点为桌角时,该第一样本坐标可为桌角所占区域的中心坐标;当标定点为手机时,该第一样本坐标可为手机所占区域的中心坐标。
本公开实施例中,在获取多个标定点后,可将第二摄像头的中心对准多个标定点,得到多个标定点对应的多个第二样本坐标。这里,将第二摄像头的中心对准多个标定点,包括:将第二摄像头依次对准获取的多个标定点,使得第二摄像头的中心能够与标定点重合。
上述第二样本坐标可用于为标注在第二摄像头的中心对准多个标定点时云台的运动位置。其中,云台用于承载第二摄像头,通过驱动云台转动能够带动第二摄像头运动。
在获取第一样本坐标和第二样本坐标后,可基于多个第一样本坐标和多个第二样本坐标确定标定关系。
本公开实施例中,可基于线性函数、拟合函数或者差值函数得到标定关系,本公开实施例不作限制。
在一些实施例中,所述基于多个所述第一样本坐标和多个所述第二样本坐标,确定所述标定关系,包括:
关联同一个所述标定点对应的所述第一样本坐标和所述第二样本坐标;
通过差值函数,建立多组关联后坐标数据之间的关系,得到所述标定关系。
本公开实施例中,关联同一个标定点对应的第一样本坐标和第二样本坐标,可为将同一标定点对应的第一样本坐标和第二样本坐标作为一组坐标数据,输入到差值函数中。
上述关联同一个标定点对应的第一样本坐标和第二样本坐标后,会得到多个标定点对应的关联后坐标数据。例如,标定点为笔尖和桌角,关联后的坐标数据可包括:笔尖对应的第一样本坐标和笔尖对应的第二样本坐标;还可包括:桌角对应的第一样本坐标和桌角对应的第二样本坐标。
这里,基于差值函数确定的标定关系可设置为公式(3)。其中,B(p,t)为第二样本坐标;F′(x,y)为第一样本坐标;K为标定系数;F0'为标定距离。
B(p,t)=F0'+K*F′(x,y) (3)
上述标定距离为选取的待计算的第一样本坐标到多个标定点之间的距离中最短的距离。上述标定系数可通过公式(4)确定。其中,B(p1,t1)和B(p2,t2)为选取的两个第二样本坐标;F′(x1,y1)和F′(p2,y2)为选取的两个第一样本坐标。
本公开实施例中,通过标定第一摄像头和第二摄像头之间的标定关系,在联动第一摄像头和第二摄像头的情况下基于该标定关系能够更好的使得第二摄像头追踪到监控目标区域。
在一些实施例中,所述基于所述目标区域和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动位置,包括:
获取所述目标区域的中心坐标;
基于所述中心坐标和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动坐标。
本公开实施例中,在获取目标区域之后,可确定目标区域的中心坐标。该目标区域的中心坐标用于表征目标区域所在的位置。其中,目标区域的中心坐标为由目标区域的横坐标和目标区域的纵坐标构成的。
在一些实施例中,所述获取所述目标区域的中心坐标,可包括:
获取所述目标区域的起始坐标、所述目标区域的高度以及所述目标区域的宽度;
基于所述起始坐标的横坐标和所述目标区域的宽度,得到所述中心坐标的横坐标;
基于所述起始坐标的纵坐标和所述目标区域的高度,得到所述中心坐标的纵坐标。
本公开实施例中,基于起始坐标的横坐标和目标区域的宽度得到中心坐标的横坐标,可包括:基于起始坐标的横坐标和目标区域的宽度之和的一半,得到中心坐标的横坐标。
例如,可采用公式(5)确定中心坐标的横坐标。其中,u为起始坐标的横坐标;w为目标区域的宽度;u′为中心坐标的横坐标。
本公开实施例中,基于起始坐标的纵坐标和目标区域的高度,得到中心坐标的纵坐标,可包括:基于起始坐标的纵坐标和目标区域的高度之差的一半,得到中心坐标的纵坐标。
例如,可采用公式(6)确定中心坐标的纵坐标。其中,v为起始坐标的纵坐标;h为目标区域的高度;v′为中心坐标的纵坐标。
本公开实施例中,在确定目标区域的中心坐标之后,可基于该目标区域的中心坐标和标定关系确定第二摄像头的运动坐标。这里,可将目标区域的中心坐标带入到上述公式(3)中的第一样本坐标F′(x,y)中的x和y中得到第二摄像头的运动坐标。
这里,在第一摄像头确定目标区域之后可直接基于该标定关系得到第二摄像头的运动坐标,使得第二摄像头能够对准该目标区域,进而实现第二摄像头能够监控目标区域的细节。
为了更好的理解上述一种或多种实施例,本公开实施例以第一摄像头为鱼眼摄像头,第二摄像头为球机摄像头为示例进行说明如下:
如图3所示,本公开实施例控制球机摄像头监控鱼眼摄像头确定的目标区域可包括以下步骤:
S301、通过鱼眼摄像头拉取视频流;
S302、采用第一目标检测算法对拉取的视频流进行图像分析得到目标区域的中心坐标;
S303、基于目标区域的中心坐标和鱼眼摄像头与球机摄像头之间的标定关系,确定球机摄像头的运动坐标;
S304、基于球机摄像头的运动坐标,控制球机摄像头监控目标区域。
本公开实施例中,鱼眼摄像头具有监控全景功能,能够通过超广角得到更加广阔和全面的监控画面;球机摄像头具有变焦功能,通过该变焦功能能够观测目标区域的细节。如此,通过鱼眼摄像头与球机摄像头之间的标定关系,能够使得鱼眼摄像头联动球机摄像头,实现鱼眼摄像头检测目标区域,球机摄像头自动追踪感兴趣的目标区域,进而能够实现同时监控全景和细节。
如图4所示,本公开实施例调节球机摄像头的焦距,即调节球机摄像头的缩放视野可包括以下步骤:
S401、通过鱼眼摄像头拉取视频流;
S402、采用第二目标检测算法对拉取的视频流进行图像分析得到目标区域的宽度;
S403、基于目标区域的宽度和球机摄像头的分辨率宽度,确定球机摄像头的目标缩放比例;
S404、基于球机摄像头的目标缩放比例调节球机摄像头的焦距。
本公开实施例中,在通过鱼眼摄像头与球机摄像头之间的标定关系使得球机摄像头监控目标区域后,能够通过调节球机摄像头的焦距,使得球机摄像头能够监控目标区域的细节,实现在利用鱼眼摄像头监控全景的同时可采用球机摄像头监控细节。
本公开实施例还提出一种联动监控装置,应用于与第一摄像头和第二摄像头均建立有通信连接的电子设备中。如图5所示,所述联动监控装置500至少包括:
第一获取模块501,配置为通过所述第一摄像头获取目标区域;
第一确定模块502,配置为基于所述目标区域和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动位置;
控制模块503,配置为根据所述运动位置控制所述第二摄像头监控所述目标区域。
在一些实施例中,所述装置还包括:
第二获取模块,配置为获取所述第二摄像头的分辨率宽度;
第二确定模块,配置为基于所述目标区域的宽度和所述分辨率宽度,确定所述第二摄像头的目标缩放比例;
调节模块,配置为基于所述目标缩放比例,调节所述第二摄像头的焦距。
在一些实施例中,所述调节模块,还配置为当所述目标缩放比例大于或者等于预设清晰缩放比例时,基于所述目标缩放比例调节所述第二摄像头的焦距;当所述目标缩放比例小于所述预设清晰缩放比例时,基于所述预设清晰缩放比例调节所述第二摄像头的焦距。
在一些实施例中,所述装置还包括:
分类模块,配置为通过分类模型确定所述目标区域中监控物体的属性分类以及所述监控物体的状态分类。
在一些实施例中,所述装置还包括:
第三获取模块,配置为通过所述第一摄像头获取去畸变的图像;
第四获取模块,配置为从所述去畸变的图像中获取多个标定点对应的多个第一样本坐标;
对准模块,配置为将所述第二摄像头的中心对准多个所述标定点,得到多个所述标定点对应的多个第二样本坐标;
第三确定模块,配置为基于多个所述第一样本坐标和多个所述第二样本坐标,确定所述标定关系。
在一些实施例中,所述第三确定模块,还配置为关联同一个所述标定点对应的所述第一样本坐标和所述第二样本坐标;通过差值函数,建立多组关联后坐标数据之间的关系,得到所述标定关系;
所述第三获取模块,还配置为通过所述第一摄像头获取样本图像;基于所述样本图像和去畸变模型,确定所述去畸变的图像。
在一些实施例中,所述第一确定模块,包括:
第五获取模块,配置为获取所述目标区域的中心坐标;
第四确定模块,配置为基于所述中心坐标和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动坐标。
在一些实施例中,所述第五获取模块,配置为获取所述目标区域的起始坐标、所述目标区域的高度以及所述目标区域的宽度;基于所述起始坐标的横坐标和所述目标区域的宽度,得到所述中心坐标的横坐标;基于所述起始坐标的纵坐标和所述目标区域的高度,得到所述中心坐标的纵坐标。
在一些实施例中,所述第一摄像头包括用于拍摄全景的摄像头;所述第二摄像头包括用于捕捉细节的摄像头。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图6是根据一示例性实施例示出的一种电子设备的框图。参照图6,电子设备900包括处理组件922,其进一步包括一个或多个处理器,以及由存储器932所代表的存储器资源,用于存储可由处理组件922的执行的指令,例如应用程序。存储器932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件922被配置为执行指令,以执行上述联动监控的方法。
电子设备900还可以包括一个电源组件926被配置为执行电子设备900的电源管理,一个有线或无线网络接口950被配置为将电子设备900连接到网络,和一个输入输出(I/O)接口958。电子设备900可以操作基于存储在存储器932的操作***,例如WindowsServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器932,上述指令可由电子设备900的处理组件922执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由电子设备的处理组件执行时,使得电子设备能够执行一种联动监控的方法,所述方法应用于与第一摄像头和第二摄像头均建立有通信连接的电子设备中,至少包括:
通过所述第一摄像头获取目标区域;
基于所述目标区域和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动位置;
根据所述运动位置控制所述第二摄像头监控所述目标区域。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的方法,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (16)
1.一种联动监控方法,其特征在于,应用于与第一摄像头和第二摄像头均建立有通信连接的电子设备中,包括:
通过所述第一摄像头获取去畸变的图像;
从所述去畸变的图像中获取多个标定点对应的多个第一样本坐标;
将所述第二摄像头的中心对准多个所述标定点,得到多个所述标定点对应的多个第二样本坐标;
基于多个所述第一样本坐标和多个所述第二样本坐标,确定所述第一摄像头和所述第二摄像头之间的标定关系;
通过所述第一摄像头获取目标区域;
基于所述目标区域和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动位置;
根据所述运动位置控制所述第二摄像头监控所述目标区域;
其中,所述基于所述目标区域和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动位置,包括:
获取所述目标区域的中心坐标;
基于所述中心坐标和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动坐标。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述第二摄像头的分辨率宽度;
基于所述目标区域的宽度和所述分辨率宽度,确定所述第二摄像头的目标缩放比例;
基于所述目标缩放比例,调节所述第二摄像头的焦距。
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标缩放比例,调节所述第二摄像头的焦距,包括:
当所述目标缩放比例大于或者等于预设清晰缩放比例时,基于所述目标缩放比例调节所述第二摄像头的焦距;
当所述目标缩放比例小于所述预设清晰缩放比例时,基于所述预设清晰缩放比例调节所述第二摄像头的焦距。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述方法还包括:
通过分类模型确定所述目标区域中监控物体的属性分类以及所述监控物体的状态分类。
5.根据权利要求1所述的方法,其特征在于,所述基于多个所述第一样本坐标和多个所述第二样本坐标,确定所述第一摄像头和所述第二摄像头之间的标定关系,包括:
关联同一个所述标定点对应的所述第一样本坐标和所述第二样本坐标;
通过差值函数,建立多组关联后坐标数据之间的关系,得到所述第一摄像头和所述第二摄像头之间的标定关系。
6.根据权利要求1所述的方法,其特征在于,所述通过所述第一摄像头获取去畸变的图像,包括:
通过所述第一摄像头获取样本图像;
基于所述样本图像和去畸变模型,确定所述去畸变的图像。
7.根据权利要求1所述的方法,其特征在于,所述获取所述目标区域的中心坐标,包括:
获取所述目标区域的起始坐标、所述目标区域的高度以及所述目标区域的宽度;
基于所述起始坐标的横坐标和所述目标区域的宽度,得到所述中心坐标的横坐标;
基于所述起始坐标的纵坐标和所述目标区域的高度,得到所述中心坐标的纵坐标。
8.根据权利要求1至3任一项所述的方法,其特征在于,所述第一摄像头包括用于拍摄全景的摄像头;所述第二摄像头包括用于捕捉细节的摄像头。
9.一种联动监控装置,其特征在于,应用于与第一摄像头和第二摄像头均建立有通信连接的电子设备中,包括:
第三获取模块,配置为通过所述第一摄像头获取去畸变的图像;
第四获取模块,配置为从所述去畸变的图像中获取多个标定点对应的多个第一样本坐标;
对准模块,配置为将所述第二摄像头的中心对准多个所述标定点,得到多个所述标定点对应的多个第二样本坐标;
第三确定模块,配置为基于多个所述第一样本坐标和多个所述第二样本坐标,确定所述第一摄像头和所述第二摄像头之间的标定关系;
第一获取模块,配置为通过所述第一摄像头获取目标区域;
第一确定模块,配置为基于所述目标区域和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动位置;
控制模块,配置为根据所述运动位置控制所述第二摄像头监控所述目标区域;
其中,所述第一确定模块,包括:
第五获取模块,配置为获取所述目标区域的中心坐标;
第四确定模块,配置为基于所述中心坐标和所述第一摄像头与所述第二摄像头之间的标定关系,确定所述第二摄像头的运动坐标。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第二获取模块,配置为获取所述第二摄像头的分辨率宽度;
第二确定模块,配置为基于所述目标区域的宽度和所述分辨率宽度,确定所述第二摄像头的目标缩放比例;
调节模块,配置为基于所述目标缩放比例,调节所述第二摄像头的焦距。
11.根据权利要求10所述的装置,其特征在于,所述调节模块,还配置为当所述目标缩放比例大于或者等于预设清晰缩放比例时,基于所述目标缩放比例调节所述第二摄像头的焦距;当所述目标缩放比例小于所述预设清晰缩放比例时,基于所述预设清晰缩放比例调节所述第二摄像头的焦距。
12.根据权利要求9至11任一项所述的装置,其特征在于,所述装置还包括:
分类模块,配置为通过分类模型确定所述目标区域中监控物体的属性分类以及所述监控物体的状态分类。
13.根据权利要求9所述的装置,其特征在于,所述第三确定模块,还配置为关联同一个所述标定点对应的所述第一样本坐标和所述第二样本坐标;通过差值函数,建立多组关联后坐标数据之间的关系,得到所述第一摄像头和所述第二摄像头之间的标定关系;
所述第三获取模块,还配置为通过所述第一摄像头获取样本图像;基于所述样本图像和去畸变模型,确定所述去畸变的图像。
14.根据权利要求9至11任一项所述的装置,其特征在于,所述第一摄像头包括用于拍摄全景的摄像头;所述第二摄像头包括用于捕捉细节的摄像头。
15.一种电子设备,其特征在于,所述电子设备至少包括:处理器和用于存储能够在所述处理器上运行的可执行指令的存储器,其中:
处理器用于运行所述可执行指令时,所述可执行指令执行上述权利要求1至8中任一项提供的联动监控方法中的步骤。
16.一种非临时性计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1至8中任一项所述的联动监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210966540.XA CN115942119B (zh) | 2022-08-12 | 2022-08-12 | 联动监控方法及装置、电子设备、可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210966540.XA CN115942119B (zh) | 2022-08-12 | 2022-08-12 | 联动监控方法及装置、电子设备、可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115942119A CN115942119A (zh) | 2023-04-07 |
CN115942119B true CN115942119B (zh) | 2023-11-21 |
Family
ID=86551108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210966540.XA Active CN115942119B (zh) | 2022-08-12 | 2022-08-12 | 联动监控方法及装置、电子设备、可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115942119B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104125433A (zh) * | 2014-07-30 | 2014-10-29 | 西安冉科信息技术有限公司 | 基于多球机联动结构的视频运动目标监控方法 |
CN108230397A (zh) * | 2017-12-08 | 2018-06-29 | 深圳市商汤科技有限公司 | 多目摄像机标定与校正方法和装置、设备、程序和介质 |
CN109120904A (zh) * | 2018-10-19 | 2019-01-01 | 武汉星巡智能科技有限公司 | 双目摄像头监控方法、装置及计算机可读存储介质 |
CN110969097A (zh) * | 2019-11-18 | 2020-04-07 | 浙江大华技术股份有限公司 | 监控目标联动跟踪控制方法、设备及存储装置 |
CN113949814A (zh) * | 2021-11-09 | 2022-01-18 | 重庆紫光华山智安科技有限公司 | 一种枪球联动抓拍方法、装置、设备及介质 |
CN114359406A (zh) * | 2021-12-30 | 2022-04-15 | 像工场(深圳)科技有限公司 | 自动对焦双目摄像头的标定、3d视觉及深度点云计算方法 |
CN114511639A (zh) * | 2020-11-16 | 2022-05-17 | 深圳市智虹慧能科技有限公司 | 一种多目摄像头的标定方法及相关装置 |
CN114612575A (zh) * | 2022-03-21 | 2022-06-10 | 阿里巴巴达摩院(杭州)科技有限公司 | 一种相机参数的标定、三维数据生成方法和*** |
-
2022
- 2022-08-12 CN CN202210966540.XA patent/CN115942119B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104125433A (zh) * | 2014-07-30 | 2014-10-29 | 西安冉科信息技术有限公司 | 基于多球机联动结构的视频运动目标监控方法 |
CN108230397A (zh) * | 2017-12-08 | 2018-06-29 | 深圳市商汤科技有限公司 | 多目摄像机标定与校正方法和装置、设备、程序和介质 |
CN109120904A (zh) * | 2018-10-19 | 2019-01-01 | 武汉星巡智能科技有限公司 | 双目摄像头监控方法、装置及计算机可读存储介质 |
CN110969097A (zh) * | 2019-11-18 | 2020-04-07 | 浙江大华技术股份有限公司 | 监控目标联动跟踪控制方法、设备及存储装置 |
CN114511639A (zh) * | 2020-11-16 | 2022-05-17 | 深圳市智虹慧能科技有限公司 | 一种多目摄像头的标定方法及相关装置 |
CN113949814A (zh) * | 2021-11-09 | 2022-01-18 | 重庆紫光华山智安科技有限公司 | 一种枪球联动抓拍方法、装置、设备及介质 |
CN114359406A (zh) * | 2021-12-30 | 2022-04-15 | 像工场(深圳)科技有限公司 | 自动对焦双目摄像头的标定、3d视觉及深度点云计算方法 |
CN114612575A (zh) * | 2022-03-21 | 2022-06-10 | 阿里巴巴达摩院(杭州)科技有限公司 | 一种相机参数的标定、三维数据生成方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN115942119A (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109887040B (zh) | 面向视频监控的运动目标主动感知方法及*** | |
CN108111818B (zh) | 基于多摄像机协同的运动目标主动感知方法和装置 | |
US10339386B2 (en) | Unusual event detection in wide-angle video (based on moving object trajectories) | |
CN109151439B (zh) | 一种基于视觉的自动追踪拍摄***及方法 | |
CN103168467B (zh) | 使用热图像坐标的安防摄像机追踪和监控***及方法 | |
WO2017045326A1 (zh) | 一种无人飞行器的摄像处理方法 | |
CN110910459B (zh) | 一种对摄像装置的标定方法、装置及标定设备 | |
CN105718862A (zh) | 一种单摄像头教师自动跟踪方法、装置及录播*** | |
CN112699839B (zh) | 一种动态背景下视频目标自动锁定及跟踪方法 | |
CN111683204A (zh) | 无人机拍摄方法、装置、计算机设备和存储介质 | |
CN108549413A (zh) | 一种云台旋转控制方法、装置及无人飞行器 | |
CN112207821B (zh) | 视觉机器人的目标搜寻方法及机器人 | |
CN103971375A (zh) | 一种基于图像拼接的全景凝视相机空间标定方法 | |
CN109886995B (zh) | 一种复杂环境下多目标跟踪方法 | |
CN113111715B (zh) | 一种无人机目标跟踪与信息采集***及方法 | |
CN112307912A (zh) | 一种基于摄像头确定人员轨迹的方法及*** | |
CN106791353B (zh) | 自动对焦的方法、装置和*** | |
CN110602376B (zh) | 抓拍方法及装置、摄像机 | |
CN110991306A (zh) | 自适应的宽视场高分辨率智能传感方法和*** | |
TWI696147B (zh) | 全景圖形成方法及系統 | |
CN115942119B (zh) | 联动监控方法及装置、电子设备、可读存储介质 | |
CN108122243B (zh) | 用于机器人检测运动物体的方法 | |
CN110445982B (zh) | 一种基于六自由度设备的追踪拍摄方法 | |
WO2021168707A1 (zh) | 对焦方法、装置及设备 | |
CN114697528A (zh) | 图像处理器、电子设备及对焦控制方法 |
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 |