[发明专利]基于MOSSE算法的监控设备点位图像矫正方法及系统

权利要求书

1.一种基于MOSSE算法的监控设备点位图像矫正方法，其特征在于，包括：

S1：采集监控设备中镜头点位的初始图像并构建点位库；

S2：获取镜头预设运动中点位的图像；

S3：基于MOSSE算法计算同一点位处图像与初始图像之间偏移量及，其中为X轴方向的偏移量，为Y轴方向的偏移量；

S4：基于偏移量及，调整镜头的点位位置，并获取该点位处的图像；

S5：循环步骤S3及S4；

S6：当满足终止条件时，将点位库中初始图像替换为步骤S4中的图像，并更新对应的点位位置；

所述基于MOSSE算法计算同一点位处图像与初始图像之间偏移量及的步骤包括：

基于初始图像以及图像，提取灰度特征以及：

；；

；；

其中，表示初始图像的灰度特征，表示图像的灰度特征，gray(x)表示对图像做灰度变化，ftd(x)表示对矩阵做傅里叶变化，表示初始图像的像素，表示图像的像素；

将初始图像的灰度图与图像的灰度图相乘，并转换至傅里叶空间；

针对矩阵进行傅里叶的中心化偏移：

；

其中表示傅里叶的中心化偏移，表示对矩阵的傅里叶逆变换运算；

获取矩阵最大值的位置以及：

；

其中，maxloc(x)表示找到矩阵对应最大值的位置，表示一矩阵；

计算图像位置的偏移量以及：

；

；

其中，表示矩阵X方向最大值的位置，表示矩阵Y方向最大值的位置，矩阵的大小为，表示矩阵的行数，表示矩阵的列数。

2.根据权利要求1所述的基于MOSSE算法的监控设备点位图像矫正方法，其特征在于，所述终止条件为：

，其中，为X方向的偏移量，为Y方向的偏移量，为X方向预设的像素差阈值，为Y方向预设的像素差阈值；或者

循环次数超过一阈值。

3.根据权利要求1所述的基于MOSSE算法的监控设备点位图像矫正方法，其特征在于，所述针对矩阵进行傅里叶的中心化偏移步骤之后，所述获取矩阵最大值的位置以及步骤之前，还包括步骤：

基于中心化偏移后的矩阵进行数据转换：

；

其中，表示中心化偏移后的矩阵，表示数据转换后的矩阵，ftd(x)表示对矩阵做傅里叶变化，表示，表示初始图像的灰度特征，表示，表示图像的灰度特征，w表示或的宽度，h表示或的高度，=0.2，为一常数；

基于高斯相关法，获取傅里叶高斯矩阵：

；

其中，表示对矩阵进行傅里叶变换，P表示（0,1）之间的高斯矩阵；

基于高斯矩阵与目标矩阵的交叉相关，获取一矩阵。

4.根据权利要求1所述的基于MOSSE算法的监控设备点位图像矫正方法，其特征在于，步骤S6之后还包括步骤：

S7：基于偏移量计算的准确率，优化MOSSE算法的计算。

5.根据权利要求4所述的基于MOSSE算法的监控设备点位图像矫正方法，其特征在于，步骤S7包括以下步骤：

利用软件工具计算初始图像以及图像内主要目标的像素值差距；

获取图像中主要目标在X方向以及Y方向的平均像素差、；

计算平均像素差与偏移量的差距值：

；

其中，为X轴方向的偏移量，为Y轴方向的偏移量，为X轴方向的平均像素差，为Y轴方向的平均像素差；

计算偏移量差距的准确率pre：

；

其中，表示满足预设像素阈值d的图像数量，d的范围为[0, ]，M表示矩阵的行数，N表示矩阵的列数，total表示图像总数量。

6.根据权利要求5所述的基于MOSSE算法的监控设备点位图像矫正方法，其特征在于，所述计算平均像素差与偏移量的差距步骤之后，所述计算偏移量差距的准确率步骤之前，还包括步骤：

设置容忍度ro，所述容忍度为计算的差距值占整个图像的比例：

；

其中，d表示预设的像素差阈值，矩阵的大小为，M表示矩阵的行数，N表示矩阵的列数。