[发明专利]一种环视全景监控方法、装置及系统

权利要求书

1.一种环视全景监控方法，其特征在于，包括以下步骤：

获取监控场景的全景图像以及多维激光点云数据；

采用训练图像集对神经网络进行训练得到图像分类器，通过所述图像分类器对所述全景图像中监控目标进行检测识别，得到第一目标识别结果；

对所述多维激光点云数据中的前景点进行分离，利用聚类算法对所述前景点进行聚类，得到第二目标识别结果；

将所述第二目标识别结果映射到所述全景图像中，并采用DS证据法对所述第一目标识别结果和所述第二目标识别结果进行融合，得到融合目标识别结果。

2.根据权利要求1所述的环视全景监控方法，其特征在于，获取监控场景的全景图像，具体为：

获取主摄像机与次摄像机之间的主次标定矩阵；

分别获取所述主摄像机以及所述次摄像机采集的监控场景的图像数据，并根据所述主次标定矩阵对各摄像机采集的图像数据进行拼接得到所述全景图像。

3.根据权利要求1所述的环视全景监控方法，其特征在于，采用训练图像集对神经网络进行训练得到图像分类器，通过所述图像分类器对所述全景图像中监控目标进行检测识别，得到第一目标识别结果，具体为：

采集监控场景的图像样本，并对所述图像样本中监控目标进行标注，得到所述训练图像集；

采用所述训练图像集对所述神经网络进行训练，得到所述图像分类器；

将所述全景图像输入所述图像分类器中，得到所述第一目标识别结果。

4.根据权利要求1所述的环视全景监控方法，其特征在于，对所述多维激光点云数据中的前景点进行分离，具体为：

利用激光高斯模型对激光雷达每个测量角度进行高斯背景建模，计算多次测量的距离的均值和均方差；

基于所述均值和均方差建立高斯背景模型，并根据所述高斯背景模型设置分离阈值；

计算所述多维激光点云数据中各数据点属于背景的概率；

判断数据点属于背景的概率是否大于所述分离阈值，如果大于，则将对应数据点标记为背景点，否则将对应数据点标记为前景点。

5.根据权利要求1所述的环视全景监控方法，其特征在于，利用聚类算法对所述前景点进行聚类，得到第二目标识别结果，具体为：

利用DBSCAN聚类算法对所述前景点的运动目标点进行聚类，得到所述第二目标识别结果。

6.根据权利要求1所述的环视全景监控方法，其特征在于，将所述第二目标识别结果映射到所述全景图像中，具体为：

获取主摄像机与激光雷达之间的异构标定矩阵；

基于所述异构标定矩阵将所述第二目标识别结果映射到所述全景图像中。

7.根据权利要求1所述的环视全景监控方法，其特征在于，采用DS证据法对所述第一目标识别结果和所述第二目标识别结果进行融合，得到融合目标识别结果，具体为：

基于监控场景内的监控目标种类设置识别框架，基于所述识别框架获取相应的幂集；

采集监控场景的测试图像以及测试点云数据，建立测试图像集以及测试点云数据集；

采用测试图像集对图像分类器进行测试，得到图像分类器针对所述幂集中每一子集的mass函数；

采用点云数据集对点云分类器进行测试，得到点云分类器针对所述幂集中每一子集的mass函数；

根据所述mass函数计算各监控目标的信度函数和似真度函数；

根据Dempster合成规则计算各监控目标的合成mass函数；

基于所述合成mass函数分别计算所述第一目标识别结果和所述第二目标识别结果的基本概率值，选择基本概率值较大的结果作为所述融合目标结果。

8.一种环视全景监控装置，其特征在于，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-7任一项所述的环视全景监控方法。

9.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机该程序被处理器执行时，实现如权利要求1-7任一项所述的环视全景监控方法。

10.一种环视全景监控系统，其特征在于，包括如权利要求8所述的环视全景监控装置，还包括主摄像机、次摄像机、激光雷达以及供电电源；

所述主摄像机以及所述次摄像机用于采集所述图像数据，并发送至所述环视全景监控装置；

所述激光雷达用于采集所述三维激光点云数据，并发送至所述环视全景监控装置；

所述供电电源用于为所述主摄像机、所述次摄像机以及所述激光雷达供电。