[發(fā)明專利]一種基于雙攝像頭的周圍環(huán)境信息提示方法

無效

• 申請?zhí)枺?/td>: 201210035005.9
• 申請日: 2012-02-16
• 公開（公告）號: CN102609724A
• 公開（公告）日: 2012-07-25
• 發(fā)明（設計）人: 劉崢;丁嶸;柴巧珍
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;顧煒

技術領域

本發(fā)明涉及提醒周圍環(huán)境的路況信息的技術領域，尤其涉及是一種基于雙攝像頭的周圍環(huán)境信息提示方法。

背景技術

目前人們一直在致力于發(fā)展對殘障人士的關愛和保障，但是現在很多道路上的盲道由于各種原因往往會出現了破損的狀況，為盲人的出行帶來了不便。對于現如今日益復雜的交通道路狀況，盲人的出行更成了很困難的問題。

本發(fā)明即是想利用兩個攝像頭來獲取周圍環(huán)境的各種信息，通過語音震動等方式回饋給使用者的周圍環(huán)境信息提示設備。這個設備通過優(yōu)化識別和匹配算法，能為使用者實時的提醒周圍的路況，在盲人的出行方面提供很大的便利。盲人行走速度不會很快，所以可以利用這個時間進行快速的識別和匹配，來達到幫助盲人的目的。

發(fā)明內容

本發(fā)明要解決的技術問題為：提供一種基于雙攝像頭的周圍環(huán)境信息提示方法，其通過雙攝像頭獲取周圍物體距離信息，然后進行語音和傳感器提示的電子便攜式設備，并且其中涉及模式識別和快速匹配的優(yōu)化算法，達到幫助盲人的目的，為盲人的出行方面提供很大的便利。

本發(fā)明解決上述技術問題采用的技術方案為：一種基于雙攝像頭的周圍環(huán)境信息提示方法，其步驟如下：

步驟(1)攝像機會提取前方的圖像，進行圖像壓縮后，然后對圖像進行背景差分和模式匹配；

步驟(2)實時背景差分：對攝像機傳入的圖像差分出移動的前景和不變的背景，因為整套系統(tǒng)是在緩慢移動的，所以要保證差分算法的實時性；

步驟(3)優(yōu)化模式匹配：對攝像機傳入的圖像進行模式匹配，由于分辨率較低，模式匹配算法需要再現有條件下進行模糊匹配；

步驟(4)匹配之后，根據匹配出的物體外形，提示使用者物體的信息。

本發(fā)明與現有技術相比的優(yōu)點在于：

1、成本低，本方法對攝像頭要求比較低，并不需要專門的深度攝像頭，而是用兩個很便宜的網絡攝像頭組成，所以是用算法來換取成本。

2、效率高，借助高效的視覺庫和自己優(yōu)化后，運行效率值得期待。

附圖說明

圖1為平行雙目測量圖示的示意圖；

圖2為訓練、檢測用矩形的示意圖；

圖3為處理器工作流程圖。

具體實施方式

下面結合附圖及具體實施方式對本發(fā)明進行詳細說明，但本發(fā)明的保護范圍并不僅限于下面實施例，應包括權利要求書中的全部內容。

一種基于雙攝像頭的周圍環(huán)境信息提示方法，其步驟如下：

步驟(1)攝像機會提取前方的圖像，進行圖像壓縮后，然后對圖像進行背景差分和模式匹配；

雙目成像可獲得同一場景的兩幅不同圖像，當兩個攝像頭參數(攝像頭的焦距f)相同且光心平行放于一條直線上時，構成平行雙目立體視覺系統(tǒng)，通過對各個部分的幾何關系的分析，可以獲取目標物的距離信息。圖1是一個典型的雙目視覺測量系統(tǒng)。兩臺攝像頭沿基線相距B，其光軸平行于Z軸，圖像平面與xy平面平行。假設三維空間一點V(X，Y，Z)在左、右兩個像平面上的投影分別是Pl(x1，y1)和Pr(x2，y2)，則視差定義為d＝|pl-pr|＝|x2-x1|。由相似三角形關系可得到：

Z＝B·f/d＝B·f/(|x2-x1|·dx)????????????????(1)

其中d?x表示每一像素在X軸方向上的物理單位。Z即是點V到攝像頭的距離(即物體到兩個攝像頭中心連線的距離)。

步驟(2)實時背景差分：對攝像機傳入的圖像差分出移動的前景和不變的背景，因為整套系統(tǒng)是在緩慢移動的，所以要保證差分算法的實時性；

具體可由混合高斯模型背景差分進行分析：

混合高斯模型使用K(基本為3到5個)個高斯模型來表征圖像中各個像素點的特征，在新一幀圖像獲得后更新混合高斯模型，用當前圖像中的每個像素點與混合高斯模型匹配，如果成功則判定該點為背景點，否則為前景點。通觀整個高斯模型，他主要是有方差和均值兩個參數決定，對均值和方差的學習，采取不同的學習機制，將直接影響到模型的穩(wěn)定性、精確性和收斂性。由于是對運動目標的背景提取建模，因此需要對高斯模型中方差和均值兩個參數實時更新。為提高模型的學習能力，改進方法對均值和方差的更新采用不同的學習率；為提高在繁忙的場景下，大而慢的運動目標的檢測效果，引入權值均值的概念，建立背景圖像并實時更新，然后結合權值、權值均值和背景圖像對像素點進行前景和背景的分類。具體更新公式如下：

μt＝(1-ρ)μt-1+ρxt??(1)