当前位置:四肖八码全年资料 > 区域标定 >

一种采用人脸标定物的智能手机相机标定算法的制作方法

  本发明涉及一种智能手机相机标定算法,具体涉及一种采用人脸标定物的智能手机相机标定算法,属于图像处理、计算视觉、移动平台开发等技术相结合领域。

  相机参数的标定(估计)是增强现实注册、三维数字采集、移动平台游戏控制的关键技术之一,主要是指计算出相机的内部参数(焦距f和成像原点Cx,Cy、五个畸变参数(三个径向,两个切向)以及外部参数。目前有三大类标定方法:传统标定技术、自标定技术、主动视觉的标定技术,其中:

  传统标定方法:该类方法用一个结构形状已知的物体作为标定参考物(如棋盘格),标定参照物上的每一个特征点相对于世界坐标系的位置在制作时应精确测定。通过图像和空间点的对应关系,利用一系列数学变换和计算方法,求取相机模型的内部参数和外部参数。该类方法的优点在于可以任意使用相机的模型,标定精度很高,适用于精度高和相机内外参数不经常变化的场合;其缺点是标定的过程非常复杂、实时性差,需要高精度的已知结构信息,并且常常受限与实际的标定场合。在很多情况下,由于存在经常性调整相机的要求,而且设置已知的标定参照物也不现实。典型的方法有:利用最优化算法的标定方法,利用相机投影变化矩阵的标定方法(张正友标定方法),考虑畸变补偿的两步法和双平面标定法。

  相机自标定方法:该类方法首先由Faugeras、Luong等人提出,利用了相机内部参数自身存在的约束,而与场景和相机运动无关的特性。该方法相比于传统标定方法最大的优点在于,相机的标定不需要借助任何特殊的标定物;而是仅仅利用图像对应点的信息,根据多幅图像的几何关系和相机内参数存在的约束实现标定,直接利用图像来完成标定的任务。其缺点是受到初值影响较大,精确性和鲁棒性都不是太高。自标定方法主要应用的是精度要求不太高的场合。典型的方法有Kruppa方程的自标定方法、基于二次曲面的自标定方法。

  主动视觉的标定方法:该类方法是已知相机的某些运动信息下的相机标定,类似于自标定方法,其也是一种仅从图像对应点进行标定的方法,因此也不需要标定物,但需要控制相机做某些特殊的运动。比如围绕着光心旋转或纯平移,利用运动的特殊性质来计算相机的内部参数。基于主动视觉的标定方法的优点在于算法简单,通常能获得线性解,鲁棒性高;其缺点在于标定的实验成本太高,设备昂贵,实验要求高;而且该方法不适合于运动参数未知或者运动无法控制的场合。典型的方法有基于相机纯旋转的标定方法、基于三正交平移的标定方法、基于平面正交运动的标定方法等。

  由此可以看出智能手机相机如何实现快速标定和传统标定方法中标定板不易获取是当前存在的技术问题。

  本发明要解决的技术问题是提供一种采用人脸标定物的智能手机相机标定算法,该技术是基于人的脸部特征信息进行身份识别的一种生物识别技术;将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。以解决传统智能手机相机如何实现快速标定和传统标定方法中标定板不易获取的技术问题。

  本发明采取的技术方案为一种采用人脸标定物的智能手机相机标定算法,其标定算法包括以下步骤:

  所述的人脸模板为人脸图像,与智能手机相机标定时,所需的从不同角度自拍的人脸图像为同一人的人脸图像。

  所述的计算智能手机相机参数包括内部参数和外部参数,采用Kruppa方程的自标定方法获得相机的内外参数。

  采用本发明的技术方案,该方法利用同一张人脸的先验知识,将人脸图像作为标定板,快速在标定时获得照片序列中获得图像的特征点;结合了传统标定方法与相机自标定方法各自的优点。首先获取人脸模板,以人的光照较好,正面,大脸图像作为模板;然后从人脸模板内提取SURF特征,找出主要的特征点;再获取各个视角人脸图像;标定各个视角人脸图像的人脸区域,便于识别脸部特征;提取各个视角人脸图像的特征点去匹配人脸模板在各个视角人脸图像中的SURF特征点;最后计算智能手机相机参数,采用Kruppa方程的自标定方法获得相机的内外参数,最后得出优化智能手机相机标定结果,从而能够方便地、快速地对智能手机的相机进行标定。

  本发明所述的人脸模板为人脸图像,与智能手机相机标定时,所需的从不同角度自拍的人脸图像为同一人的人脸图像,同一人的人脸图像,才能实现图像特征一一对应。

  所述的获取各个视角人脸图像至少包括3个不同方位的人脸图像,便于人脸图像能够包含更多的范围,以至于获得更多的特征点与模板进行比对。

  所述的计算智能手机相机参数包括内部参数和外部参数,采用Kruppa方程的自标定方法获得相机的内外参数,主要是指计算出相机的内部参数(焦距f和成像原点Cx,Cy、五个畸变参数(三个径向,两个切向)以及外部参数,主要功能是通过各个视角的人脸图像和人脸模板的图像信息,获得各个视角对应的特征点对,然后计算智能手机相机的内外参数,采用Kruppa方程的自标定方法可约束精化内参数矩阵,得到更优化的参数。

  采用本发明的基于人的脸部特征信息进行身份识别的一种生物识别技术,将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。可以解决传统智能手机相机如何实现快速标定和传统标定方法中标定板不易获取的技术问题。

  如图1~3所示,一种采用人脸标定物的智能手机相机标定算法,其标定算法包括以下步骤:

  试验时首先获取具有丰富特征信息标定板模块,标定板在机器视觉、图像测量、摄影测量、三维重建等应用中,主要的作用是为校正镜头畸变、确定物理尺寸和像素间的换算关系,以及确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系。

  标定板模块在一般条件下,首先获取具有标定板特性的人脸图像ITemplate。为了能够得到更明显的人脸特征,人脸标定板的拍摄要求是:光照较好,正面,大脸。

  在采集到的人脸图像后,采用肤色检测算法检测出人脸区域。然后对获得的人脸图像提取“加速健壮特征”(Speeded Up Robust Features,SURF)特征,获得特征点(j表示标定板的子区域序号,k表示子区域内特征点序号,l表示特征点的序号)。

  接着获取计算相机内外参数模块,该模块的主要功能是通过各个视角的人脸图像和人脸模板的图像信息,获得各个视角对应的特征点,然后计算智能手机相机的内外参数。智能手机相机标定时,从不同角度自拍人脸图像I={Ii},i≥3,i表示人脸图像数量。主要根据如下原理:

  首先得出人脸相似度:在标定板、自拍图像中按照九宫格方式划分子区域Ωj,子区域的权重为ωj,两张人脸图像间的相似度S,s表示子区域的相似度则。因为是同一张人脸,所以可得出两张人脸图像间的相似度

  其次找出子区域相似度:将一副人脸图像Ii划分为j个子区域,k为第j个子区域的SURF特征点数量,表示第i副人脸的第j个子区域的第l个SURF特征向量。向量集矩阵Al表示向量集矩阵Bl表示则可得出子区域的相似度

  最后得出特征点配对:利用相似性原则对子区域中的每个特征点查找在每一视角人脸图像的子区域中对应的特征点相似性原则采用欧式距离D进行估计,其计算表达式如下:

  通过对距离集合进行比较运算得到最小欧式距离与次最小欧式距离。设定最小欧式距离与次最小欧式距离之比的阈值T=0.8,T的取值范围在【0,1】,取值越大说明最小欧式距离与次最小欧式距离越接近,当最小欧式距离与次最小欧式距离的比值小于该阈值T时,则特征点与对应最小欧式距离的特征点是匹配的,否则没有点与该特征点相匹配。根据该原则找到在Ωj找到每个视角获得对应的候选点集合k1表示候选特征点的数量。特征点在所有视角的匹配点的候选点集合P={Pi,j}。通过公式:

  获得在各个视角的最佳特征点序列F={fi,j},即空间中同一点在各个视角的投影点;最后利用随机抽样一致算法(RANSAC)消除误匹配点,获得人脸模板中的特征点在各个视角人脸图像中的特征点对,如图2所示。利用获得的匹配点对通过Kruppa方程的自标定方法估计相机的内参矩阵Minterior和外参矩阵Mexterior。

  最后通过相机参数优化模块优化相机参数,该模块的主要功能是利用光束平差法(BA)方法进一步优化内外参数,以获得精度更高的内外参数。由于经过上一步骤获得的内外参数并不是很准确,因此需要利用光束平差法进步一步优化参数。在通过光束平差法(BA)方法进一步优化内外参数后,得到智能手机相机的最后标定所需的优化参数。

  利用所得的智能手机相机的优化参数,即可方便地、快速地对智能手机的相机进行标定。

http://magdakalas.com/quyubiaoding/405.html
点击次数:??更新时间2019-06-25??【打印此页】??【关闭
  • Copyright © 2002-2017 DEDECMS. 织梦科技 版权所有  
  • 点击这里给我发消息
在线交流 
客服咨询
【我们的专业】
【效果的保证】
【百度百科】
【因为有我】
【所以精彩】