[发明专利]一种视频监控目标实时定位方法

说明书

本发明提供一种基于视频的监控目标实时定位方法，选取若干个已知平面坐标样本点，通过采集摄像机的不同方位值，以及这些样本点在每一方位值下对应的实际视频图像坐标，利用神经网络深度学习计算方法构建摄像机实时定位模型，解析实时视频图像与对应的地理空间之间的映射关系，进而根据输入的平面坐标预测视频监控目标的图像坐标。

技术领域

本发明属于计算机视觉和视频监控技术领域，涉及一种基于视频的监控目标实时定位方法。

背景技术

近些年来，随着视频监控设备性能的不断优化升级、产品价格的降低以及功能的不断完善，使得视频监控技术被广泛应用各个领域，在安防、城市安全等领域占有较大的市场份额。在全社会大力建立健全安全生产监管体制，加强各类预警机制的形势下，视频监控技术也正朝着高清化、智能化、民用化的方向发展，特别是视频内容识别技术快速发展，为视频监控技术带来了空前发展前景，视频内容识别技术可以迅速发现预设监控目标，大量节约人力和时间。

伴随着电子地图服务的迅速发展，视频数据与GIS结合成为一种必然趋势，其中，如何解析图像与地理空间的映射关系，进而对视频监控目标进行实时定位，成为了视频监控领域一个热点研究方向；赖于互联网的发展，大数据时代来临，视频图像识别技术得到空前发展，但是从视频中能精准定位目标物体坐标的技术相比之下滞后很多，有平面坐标数据获取不准确的原因，也跟摄像头内部参数、位置等因素有关，由于摄像头获取的视频自身存在边际变形效应，所求的物体与图像的对应关系又是一种非线性的复杂的映射关系，很多传统的方法计算出的误差比较大；如何解决目前的问题，是当下的研究方向。

发明内容

为解决上述问题，本发明提供一种基于视频的监控目标实时定位方法。

一种基于视频的监控目标实时定位方法，其中：包括如下步骤：

第一步：训练样本集的准备

(1)样本数据的采集

样本数据包括以下三个方面：一是目标地物的平面坐标，二是摄像头的特定角度方位的具体方位值，三是该摄像头在该具体方位值下对应的准确的图像坐标，即真实值，将真实值设为期望输出值，期望输出值用于训练神经网络，以调整误差；

其中摄像头的方位值——PTZ值，即Pan/Tilt/Zoom，下面Z值写为Z_O，是根据摄像头内部设定的参数来获取的，PTZ_O值代表方位：即摄像头左右移动值/上下移动值/摄像头镜头变倍、变焦控制值；摄像头的PTZ_O值取值范围如下：P值取值范围是0～360度，T值取值范围是-5～90度，Z_O值取值范围是1～30倍；

选取已知平面坐标的目标地物为样本，然后打开摄像头的视频，实时读取该地物的平面坐标，读取精度精确到小数点后9位，同时还可获取摄像头视频中该地物样本在该方位下对应的图像坐标值：摄像头视频里面鼠标显示为十字丝，通过十字丝定位目标地物，然后点击摄像头屏幕上的目标地物，获取目标地物在屏幕图像中的位置，从而获取目标地物图像坐标，同时保存此时相对应的PTZ_O值以及目标地物的平面坐标值；图像以左上角为原点(0,0)，右上角坐标为(1,0)，左下角坐标为(0,1)，右下角坐标为(1,1)，目标地物在视频中的图像坐标参考系如上，横、纵坐标取值范围为0～1；

以上为输入样本采集；采集若干个样本后，所有样本随机打乱，抽出100条做为验证集，其余为训练集；验证集始终不参与训练，只在误差满足训练集要求后，做验证使用；输出数据通过将样本输入神经网络计算后得到；

(2)对输入数据以及对期望输出值进行预处理

预处理分两个步骤，一是数据清洗和归一化，二是变换成极坐标格式数据；

首先清洗掉有明显错误的干扰数据；