[发明专利]一种环视全景监控方法、装置及系统

说明书

本发明涉及一种环视全景监控方法，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。本发明能够实现360度全景监控，且能够对监控目标的三维结构位置信息进行获取。

技术领域

本发明涉及智能监控技术领域，尤其涉及一种环视全景监控方法、装置、系统及计算机存储介质。

背景技术

视频监控系统被广泛应用于城市安防、交通监控、室内监控、作业现场监控等系统中。近年来，视频监控系统中的摄像机成像核心技术得到了飞速的发展。一方面，摄像机的成像性能得到显著的提高：成像的画质与分辨率都得到了长足的进步，使得监控系统能够获取更高质量的视频图像数据，实现更加精细、准确的监控任务。另一方面，摄像机的价格也显著下降，进一步推动视频监控系统的更加全面的部署。随着技术与监控需求的发展，新一代的安防系统对传感器成像质量提出了更高的要求。

例如，面向新一代的智能交通路侧终端(RSU)是车路协同系统的重要组成部分，与传统的视频监控系统相比，这种RSU系统不仅需要检测出大范围路段上的交通目标，还需要精确计算出目标位置、姿态、轨迹等信息。但是，目前的主流监控摄像机存在着视场角小(典型视场角在40度与60度之间)、监控区域有限等缺点，不能满足大场景特别是全景场景的监控需求。另一方面，基于摄像机的监控系统无法获取场景与目标的三维结构信息，在目标高精度位置计算、轨迹计算等方面存在较大的技术难题。

发明内容

有鉴于此，有必要提供一种环视全景监控方法、装置及系统，用以解决目前监控系统无法实现全景监控、无法获取监控目标的三维结构信息的问题。

本发明提供一种环视全景监控方法，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。

进一步的，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。

进一步的，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。

进一步的，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；