[发明专利]一种用于摄录设备的高速多路实时稳像方法

权利要求书

1.一种用于摄录设备的高速多路实时稳像方法，其特征在于，包括以下步骤：

S1、建立按时间线缓存的视频帧队列，所述视频帧队列包括n帧按拍摄时间先后顺序排列的图像；

S2、将n帧图像灰度化；

S3、通过Good Features to Track强角点搜索算法计算得到的首帧图像的强角点；

S4、其他帧相对首帧进行光流计算得到强角点的对应点；

S5、帧间全局运动矢量估计

选用Affine仿射变换运动模型表征视频帧间的运动，表达视频帧之间的平移、旋转、缩放等一般变换，运动模型参见公式6：

其中(t_x，t_y)表示平移量，参数a_i(i＝1，2，3，4)反应图像旋转、缩放等变化，公式6中仿射变换的方程组有6个未知数，需要找到3组映射点，同时，为消除不同匹配点导致的观测结果之间产生矛盾，采用RANSAC算法进行随机采样，该算法需要进行如下基本假设：给定数据大部分由“局内点”组成；给定数据包含少部分的“局外点”，它不能适应给定数据决定的模型；除“局内点”之外，也包含一些噪声数据；进一步的：给定一组局内点，存在一个可以求解的模型参数，而该模型能够解释或者适用于局内点，从匹配数据集中随机抽出3组特征匹配点对并保证这3个点对之间不共线，计算出单应性矩阵H，然后利用这个模型H测试所有数据，并计算满足这个模型数据点的个数与重投影误差，即代价函数L(H)，函数按公式7计算：

若此模型H为最优模型，则对应的代价函数最小，其中RANSAC的最大迭代次数k设置为100，置信度p设置为0.995；

通过上述方法获得视频帧队列中相对队列首帧的单应性矩阵序列H_n＝{H_t+1，H_t+2，……，H_t+n-2，}，然后基于线性变化的特点，依次用H_n序列中后一个运动参数矩阵除以前一个参数矩阵，得到n帧相邻图像的运动变换矩阵H'_n＝{H_t+2/H_t+2，……，H_t+n-1/H_t+n-2}；

S6、通过帧间Kalman运动滤波获取意向运动；

进行Kalman运动滤波的具体步骤：

上一步骤中帧间全局运动矢量估计的最优估计包含了摄录设备的意向运动分量、抖动分量、视频中动态场景的运动分量，为了只对抖动分量进行补偿，需要从全局运动估计中分离出意向运动分量；

采用kalman滤波求解t帧到t+1帧全局运动矢量其中，需要求解旋转角度θ_t+1，x轴方向的缩放尺度为Sx_t+1、y轴方形的缩放尺寸为Sy_t+1，x轴方向和y轴方向的平移分量分别为dx_t+1，dy_t+1，全局运动矢量

具体步骤为：已知t-1到t帧的kalman滤波后验状态估计结果和P_t，通过步骤S5中求解的t到t+1帧的全局运动矢量估计向量首帧到t+1帧共t个全局运动矢量的累计和为Sumt，运动模型中θ_t+1，dx_t+1，dy_t+1，Sx_t+1，Sy_t+1这5个分量的协同差矩阵为Σ_t+1,设置各分量的过程激励噪声协方差为Q0＝0.004，全局运动矢量估计的观测噪声协方差为R0＝0.5，先验状态估计协方差矩阵Σ₀为单位矩阵，则其滤波过程的kalman增益可以通过公式8计算：

Kt+1＝(Σ_t+1+Q)/(Σ_t+1+Q+R) 公式8

kalman滤波后的意向运动矢量为通过公式9计算

5个分量的后验估计协方差矩阵Σ_t+1量测更新为公式10：

∑_t+1′＝(1-K_t+1)*∑_t+1 公式10

当前的卡尔曼滤波过程的后验估计结果和∑_t+1′不仅可以作为本次计算的最终结果，还能够作为下一次的先验估计的初始值，完成5个分量的kalman滤波；

S7、通过仿射变换矩阵的计算方法获取稳像结果；

S8、视频帧补偿，输出稳像结果。