论文部分内容阅读
视频拼接是一种,将由若干个具有视角重叠的摄像机同时拍摄的场景序列,拼接成宽景视频甚至是全景视频的技术。视频拼接是以图像拼接为基础,因此视频拼接的关键技术主要是图像配准和图像融合。本文提出了一种基于快速鲁棒性特征检测(Speeded-Up Robust Features, SURF)的新的视频拼接方法：首先利用SURF算法对两视频帧图像提取特征点描述符；然后利用Hessian矩阵的迹实现特征点快速粗匹配；再使用随机抽样一致性(Random Sample Consensus, RANSAC)算法去除误匹配特征对；接着用最小二乘法优化求解出来的图像变换矩阵,并利用双线性法(Bilinear Interpolation, BI)进行图像插值；最后,应用渐入渐出加权平均法进行图像融合,生成宽景视频。首先,本文对基于SURF的特征提取算法进行了详细地分析,并提出了一种改进的SURF算法(Modified Speeded-Up Robust Features, M-SURF),通过大量的仿真实验来验证M-SURF的优越性及其在视频拼接中的可行性。然后,本文详细研究了本文设计的视频拼接方法的每一个步骤。由于本文选择的摄像机都是相对固定不动的,所以在摄像机参数不改动的前提下,我们只需要在首帧计算一次的图像变换矩阵,其余帧图像的拼接可以在不进行特征检测的情况下直接利用首帧计算出来的变换矩阵。这样大大减少了各帧图像的拼接时间,使本文的方法更满足实时性。利用Microsoft Visual Studio 2008 (VS2008)和Intel(c) Open Source Computer Vision Library 2.0 (OpenCV2.0),按照设计的视频拼接方法,本文最终完成了视频拼接程序,实验结果表明本文提出的视频拼接方法是可行的,而且能够满足研究要求。最后,为了将来能够将本文的视频拼接方法应用于实际的智能视频监控,本文提出了一个基于网络的自主银行智能监控系统的方案。