基于仿生復(fù)眼微透鏡技術(shù)的3-3-2維目標(biāo)檢測(cè)方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種提高目標(biāo)檢測(cè)效率的方法及系統(tǒng)，特別是一種基于仿生復(fù)眼微透 鏡技術(shù)的3-3-2維目標(biāo)檢測(cè)方法及系統(tǒng)，即利用微透鏡系統(tǒng)的兩級(jí)分辨率數(shù)據(jù)獲取模式對(duì) 目標(biāo)進(jìn)行低分辨率三維輪廓捕獲和高分辨率二維凝視成像的高精度、高效率目標(biāo)檢測(cè)方法 及系統(tǒng)。
【背景技術(shù)】
[0002] 傳統(tǒng)的目標(biāo)檢測(cè)方法是基于單個(gè)成像設(shè)備對(duì)目標(biāo)進(jìn)行拍攝，在獲取的海量高分辨 率圖像上進(jìn)行目標(biāo)檢測(cè)。相機(jī)拍攝的圖像越多，相機(jī)的成像分辨率越高意味著獲取的數(shù)據(jù) 量越大、數(shù)據(jù)信息越多。這導(dǎo)致計(jì)算機(jī)進(jìn)行自動(dòng)化處理的時(shí)間更長，效率更低。此外，目標(biāo) 位置信息的不確定導(dǎo)致高分辨率圖像中不一定能有效捕獲運(yùn)動(dòng)目標(biāo)，即存在大量的冗余影 像。傳統(tǒng)的方法不會(huì)考慮影像中是否存在目標(biāo)，而是對(duì)影像進(jìn)行統(tǒng)一化處理。這勢(shì)必導(dǎo)致 計(jì)算機(jī)進(jìn)行目標(biāo)檢測(cè)的效率降低。目前的科研工作者集中在研究目標(biāo)檢測(cè)算法。盡管科研 工作者提出的算法可以提高算法的目標(biāo)檢測(cè)效率，但海量的冗余數(shù)據(jù)導(dǎo)致了系統(tǒng)的實(shí)時(shí)處 理效率偏低。如何避免對(duì)冗余影像進(jìn)行無意義的處理，國內(nèi)外的研究還幾乎處于空白狀態(tài)。

【發(fā)明內(nèi)容】

[0003] 為了克服傳統(tǒng)方法需對(duì)海量的冗余影像進(jìn)行無意義的處理，本發(fā)明提供了一種基 于仿生復(fù)眼微透鏡技術(shù)的3-3-2維目標(biāo)檢測(cè)方法及系統(tǒng)。
[0004] 為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：
[0005] 利用微透鏡系統(tǒng)構(gòu)建兩級(jí)分辨率數(shù)據(jù)獲取模式，對(duì)目標(biāo)進(jìn)行低分辨率三維輪廓捕 獲和高分辨率二維凝視成像，通過增加一個(gè)使用低分辨率影像捕獲目標(biāo)三維輪廓的步驟， 能更加高效的判斷目標(biāo)是否在該目標(biāo)區(qū)域，有效的避免了對(duì)冗余影像無意義的處理，提高 了系統(tǒng)的實(shí)時(shí)處理效率和準(zhǔn)確性。
[0006] 具體地，基于仿生復(fù)眼微透鏡技術(shù)的3-3-2維目標(biāo)檢測(cè)方法，包括以下步驟：
[0007] 1)以基于仿生復(fù)眼結(jié)構(gòu)的微透鏡系統(tǒng)作為成像系統(tǒng)對(duì)目標(biāo)區(qū)域進(jìn)行捕捉成像，將 拍攝得到的微透鏡陣列影像采用線性加權(quán)平均法重構(gòu)低分辨率影像；
[0008] 2)以步驟1)中重構(gòu)的低分辨率影像為基礎(chǔ)，采用前方交會(huì)測(cè)量方法計(jì)算目標(biāo)點(diǎn) 的三維坐標(biāo)，對(duì)目標(biāo)進(jìn)行低分辨率三維輪廓捕獲；
[0009] 3)若有效捕獲目標(biāo)后，則以步驟1)拍攝得到的微透鏡陣列影像為基礎(chǔ)數(shù)據(jù)，采用 正則化方法重構(gòu)高分辨率影像，對(duì)目標(biāo)區(qū)域進(jìn)行高分辨率二維凝視成像；否則，移動(dòng)微透鏡 系統(tǒng)并回到步驟1);
[0010] 4)獲取目標(biāo)區(qū)域的高分辨率二維影像后，采用基于紋理梯度的GAC模型對(duì)目標(biāo)進(jìn) 行精確識(shí)別，完成目標(biāo)檢測(cè)。
[0011] 步驟1)中，所述的線性加權(quán)平均法如下所示：

[0014] 式中，將單元影像中的像素按照灰度值從小到大進(jìn)行排序，并將其編號(hào)為1至m，gni表示單元影像中編號(hào)為m的像素的灰度值，Pl為該灰度值g i相對(duì)應(yīng)的權(quán)重，n i表示灰度值 為gi的像素個(gè)數(shù)。
[0015] 步驟2)具體包括以下內(nèi)容：①對(duì)圖像進(jìn)行特征點(diǎn)提取與匹配；②在匹配點(diǎn)中篩選 部分同名點(diǎn)進(jìn)行相對(duì)定向，即確定微透鏡器件之間的相對(duì)姿態(tài)信息；③根據(jù)微透鏡器件間 的相對(duì)姿態(tài)信息，采用前方交會(huì)測(cè)量方法獲取匹配點(diǎn)的相對(duì)三維坐標(biāo)，即獲取目標(biāo)的三維 輪廓。
[0016] 該算法利用特征點(diǎn)的局部圖像梯度特征來確定每一個(gè)特征點(diǎn)的主方向，其公式如 下：
[0018] 式中（X，y)為特征點(diǎn)的坐標(biāo)，m(x, y)和Θ (X，y)分別為當(dāng)前尺度的高斯金字塔圖 像在（x，y)處的梯度和方向，L(x，y)為當(dāng)前尺度的高斯金字塔圖像在（x，y)處的灰度。
[0019] 確定兩個(gè)微透鏡器件之間的相對(duì)姿態(tài)信息，即計(jì)算兩張像片的相對(duì)定向元素 的方程為：
[0021] 其中
其中Q為上下視 差，K，N2為投影系數(shù)，（X d Yu ，（X2, Y2, Z2)為像點(diǎn)在像空間輔助坐標(biāo)系中的坐標(biāo)，Bx，BY，Bz 是攝影基線在XYZ方向上的投影，d是微分符號(hào)。利用最小二乘原理，可列方程
[0023] 式中，1為間接平差的自由項(xiàng)，an，bn，cn，d n，en為誤差方程的系數(shù)，v n為間接平差的 誤差項(xiàng)，通過間接平差可求得相對(duì)定向兀素(爲(wèi),其中以,ft>, 為第二張像片相對(duì) 第一張像片的內(nèi)方位元素，（μ, v)為基線的偏角和傾角。
[0024] 采用前方交會(huì)測(cè)量方法獲取匹配點(diǎn)的相對(duì)三維坐標(biāo)的具體步驟如下：首先計(jì)算出 角方位元素和基線分量（Βχ、Βγ、Βζ);計(jì)算左右像片在攝影測(cè)量坐標(biāo)系中的正交矩陣；計(jì)算 像點(diǎn)在像空間輔助坐標(biāo)系中的坐標(biāo)（XpY^Zi)和（X2、Y2、Z2);計(jì)算投影系數(shù)Ni、N 2;計(jì)算模 型點(diǎn)的三維坐標(biāo)（X、Y、Z)。模型點(diǎn)在像空間輔助坐標(biāo)系中的三維坐標(biāo)計(jì)算公式如下：
[0026] 通過上述方法獲取大量的模型點(diǎn)的三維坐標(biāo)即獲取了目標(biāo)的三維輪廓。
[0027] 步驟3)中，使用正則化方法重構(gòu)出高分辨率影像的方法如下：
[0029] 其中Ω (f)為正則化項(xiàng)，Ω稱為正則化算子，f為重構(gòu)出的高分辨率影像，Α為降 質(zhì)算子，g為微透鏡陣列觀測(cè)到的影像，λ稱為正則參數(shù)，通過這樣便可以重構(gòu)出高分辨率 的影像。
[0030] 步驟4)中，鑒于GAC模型主要利用邊界停止函數(shù)g對(duì)影像進(jìn)行分割，g的構(gòu)造直 接影響著分割的結(jié)果；本發(fā)明提出了基于紋理梯度的GAC模型梯度流方程，如下所示：
[0032] 式中，g是任意單調(diào)遞減的非負(fù)函數(shù)，δ (X)函數(shù)可以表示為H(x)的導(dǎo)數(shù)，y、c為 常數(shù)，div為散度算子。
[0033] 本發(fā)明還提供了一種基于仿生復(fù)眼微透鏡技術(shù)的3-3-2維目標(biāo)檢測(cè)系統(tǒng)，包括： 微透鏡系統(tǒng)，控制系統(tǒng)及目標(biāo)檢測(cè)輸出系統(tǒng)；
[0034] 所述的微透鏡系統(tǒng)包括2個(gè)左右對(duì)稱微透鏡器件，該微透鏡器件能夠通過微透鏡 陣列獲取微透鏡陣列影像，然后重構(gòu)低分辨率和高分辨率的影像；
[0035] 所述的控制系統(tǒng)包括DSP主控制核心單元、FPGA邏輯控制單元和圖像處理單元；
[0036] 所述的DSP主控制核心單元用于進(jìn)行圖像信息處理以及存儲(chǔ)；
[0037] 所述的FPGA邏輯控制單元用于控制微透鏡系統(tǒng)的信號(hào)獲取，并為DSP主控制核心 單元提供處理數(shù)據(jù)；
[0038] 所述的圖像處理單元用于對(duì)上述微透鏡陣列影像進(jìn)行目標(biāo)的低分辨率三維輪廓 捕獲和高分辨率二維凝視成像，并對(duì)高分辨率影像中的目標(biāo)進(jìn)行精確檢測(cè)；
[0039] 所述目標(biāo)檢測(cè)輸出系統(tǒng)用于輸出目標(biāo)檢測(cè)結(jié)果。
[0040] 進(jìn)一步地，所述圖像處理單元包括特征點(diǎn)提取和匹配模塊、相對(duì)定向模塊、前方交 會(huì)模塊和GAC模型分割模塊，
[0041] 所述特征點(diǎn)提取和匹配模塊用于對(duì)獲取的低分辨率影像進(jìn)行特征點(diǎn)提取與匹 配；
[0042] 所述相對(duì)定向模塊用于在匹配點(diǎn)中篩選部分同名點(diǎn)進(jìn)行相對(duì)定向；
[0043] 所述前方交會(huì)模塊用于采用前方交會(huì)測(cè)量方法獲取匹配點(diǎn)的相對(duì)三維坐標(biāo)；
[0044] 所述GAC模型分割模塊用于采用基于紋理梯度的GAC模型進(jìn)行目標(biāo)的分割識(shí)別。
[0045] 本發(fā)明由于采用以上技術(shù)方案，其具有以下優(yōu)點(diǎn)：
[0046] 1、本發(fā)明提出了基于仿生復(fù)眼微透鏡技術(shù)