17、视频监控中自校准相机技术解析

视频监控中自校准相机技术解析

1. 引言

近年来，视频监控在全球范围内变得无处不在，每天都会新增大量监控摄像头。然而，要人工查看如此海量的视频数据是不可能的，因此自动视频分析变得至关重要。自动视频分析的关键任务包括目标物体的检测（识别）以及在单摄像头和多摄像头视图中的物体跟踪。

使用多个摄像头来覆盖大环境的需求显而易见。多个摄像头观察同一环境会引入重要的视觉冗余，这能显著提高物体检测和跟踪的鲁棒性和准确性。多摄像头物体检测和跟踪是一个非常活跃的研究领域，但目前尚不清楚这些任务是否仅依赖视觉信息就能开发出实用的系统。

监控系统网络中的摄像头通常是随意放置的，彼此靠近，但视野重叠很少或没有重叠，以最大化整体观察空间。摄像头之间以及摄像头与环境之间已知的几何关系，即相机校准，能显著帮助克服基本的对应问题，该问题源于在摄像头内和跨摄像头匹配和分类潜在物体的必要性。此外，基于几何校正后的物体和环境特征进行的目标分类，本质上比基于投影失真图像的目标分类更明确。

整个相机系统可以通过以下两方面来描述：一是每个摄像头相对于一个公共坐标系的位置和方向，称为外部相机参数（或相机姿态、相机外部参数、外部定向）；二是内部相机参数（或内部参数、内部定向），主要是焦距。使用校准目标的程序来获取所有这些参数既耗时又需要专业人员，对于大量摄像头来说很快就变得不可行。因此，研究人员一直专注于自校准方法，以使相机尽可能自主。

在多摄像头的情况下，如果它们的视野重叠，自校准方法会用跨多个视图自动建立的点对应关系来取代校准目标。如果没有重叠，但摄像头彼此靠近，通常会利用移动物体的运动线索，如恒定速度、平滑轨迹。在单视图的情况下，只有场景先验信息，如公共地面平面、消失点、物体大小等