TW201312477A - 鏡頭辨識方法 - Google Patents

Abstract

一種鏡頭辨識方法，其包含以下步驟：利用攝影機來擷取影像，並對影像進行二值化；對二值化影像進行物件偵測；判斷物件是否為有效物件，若是，則紀錄相應於物件的邊緣點之資訊；判斷物件的數量是否為一，若是，則計算該物件之中心點；判斷距離中任兩者間的差值是否小於第一門檻值，若是，則將相應於前述些距離的前述些邊緣點歸類為同一群組；以及判斷第一數量值與第二數量值之間的比例是否大於第二門檻值，若是，則判定鏡頭為魚眼鏡頭。

Description

鏡頭辨識方法

本發明係有關於一種辨識方法，且特別是有關於一種鏡頭辨識方法。

近年來全球寬頻網路建設日趨完整的情況下，安全監控產業的需求日益增加。而安全監控產品中，不論是傳統閉路電視攝影機(CCTV)亦或網路監控攝影機(IP Camera)其系統都是藉由轉接環與鏡頭結合，而不同類型的鏡頭常常會有相同的轉接環。

因此，當使用者更換為魚眼鏡頭時，必須藉由系統輸出的畫面，才知道鏡頭的安裝是否有偏差，而且通常監控攝影機與監控中心在兩個不同的地方，因此造成了使用者的不便。

由此可見，上述現有的方式，顯然仍存在不便與缺陷，而有待加以進一步改進。為了解決上述問題，相關領域莫不費盡心思來謀求解決之道，但長久以來一直未見適用的方式被發展完成。因此，如何能避免鏡頭安裝所產生的偏差，實屬當前重要研發課題之一，亦成為當前相關領域亟需改進的目標。

本發明內容之一目的是在提供一種鏡頭辨識方法，藉以改善鏡頭安裝所產生的偏差。

為達上述目的，本發明內容之一技術態樣係關於一種鏡頭辨識方法。鏡頭辨識方法包含以下步驟：利用攝影機來擷取影像，並對影像進行二值化；對二值化影像進行物件偵測，以取得至少一物件與相應於物件的複數個邊緣點；判斷物件是否為有效物件，若是，則紀錄相應於物件的前述些邊緣點之資訊；判斷物件的數量是否為一，若是，則計算該物件之中心點，並計算前述些邊緣點中的每一者與中心點之間的距離；判斷前述些距離中任兩者間的差值是否小於第一門檻值，若是，則將相應於前述些距離的前述些邊緣點歸類為同一群組，並計算每一群組中前述些邊緣點的數量；以及判斷第一數量值與第二數量值之間的比例是否大於第二門檻值，其中第一數量值為前述些群組中具有前述些邊緣點最多者的數量，而第二數量值為相應於物件之該些邊緣點的數量，若是，則判定鏡頭為魚眼鏡頭。

根據本發明一實施例，鏡頭辨識方法更包含調整攝影機的曝光時間至預定數值。

根據本發明另一實施例，判斷物件是否為有效物件的步驟更包含：若否，則執行對二值化影像進行物件偵測的步驟。

根據本發明再一實施例，判斷物件的數量是否為一的步驟更包含：若否，將前述些物件擴張成單一物件。

根據本發明又一實施例，判斷第一數量值與第二數量值之間的比例是否大於第二門檻值的步驟更包含：若否，則判定鏡頭不為魚眼鏡頭。

根據本發明再另一實施例，判斷該物件是否為該有效物件的步驟更包含：將物件的前述些邊緣點數量與預定門檻值進行比較，若物件的前述些邊緣點數量大於預定門檻值，則物件為有效物件，以及若物件的前述些邊緣點數量不大於預定門檻值，則物件不為有效物件。

根據本發明另再一實施例，對二值化影像進行物件偵測的步驟包含：當偵測到前景像素，則判定相應於前景像素的影像為該物件。

根據本發明另又一實施例，計算該物件之該中心點的方程式如下所示：

其中α_j代表X座標、β_j代表Y座標、sum_x_j表示該物件中所有該前景像素之X座標的總和、sum_y_j表示該物件中所有該前景像素之Y座標的總和以及A_j代表該物件的面積。

根據本發明再另一實施例，對二值化影像進行物件偵測的步驟更包含：在取得物件後，對物件進行邊緣點偵測以取得相應於物件的前述些邊緣點。

根據本發明再又一實施例，邊緣點偵測包含：八近鄰搜尋法。

因此，根據本發明之技術內容，本發明實施例藉由提供一種鏡頭辨識方法，藉以改善鏡頭安裝所產生的偏差。再者，本發明實施例可辨識魚眼鏡頭之特徵並估測其鏡頭的中心點，當為魚眼鏡頭時，即可自動辨識且估算相關參數，並將其應用於系統中以修正魚眼鏡頭所擷取到的影像之變形。反之，若為一般的鏡頭，則自動關閉魚眼修正的功能，是故本發明實施例兼顧了一般應用與特殊應用之安全監控需求。

為了使本揭示內容之敘述更加詳盡與完備，可參照所附之圖式及以下所述各種實施例，圖式中相同之號碼代表相同或相似之元件。但所提供之實施例並非用以限制本發明所涵蓋的範圍，而結構運作之描述非用以限制其執行之順序，任何由元件重新組合之結構，所產生具有均等功效的裝置，皆為本發明所涵蓋的範圍。

其中圖式僅以說明為目的，並未依照原尺寸作圖。另一方面，眾所週知的元件與步驟並未描述於實施例中，以避免對本發明造成不必要的限制。

首先，簡介本發明實施例，其藉由影像處理以及幾何學的概念，來辨識出魚眼鏡頭(Circular Fisheye Lens)之幾何特徵，並計算其鏡頭的相關參數。當使用者裝上魚眼鏡頭時，系統自動搜尋其幾何特徵，一旦確認為魚眼鏡頭，即可傳送中心點座標等訊息，給後端作影像變形的修正。

本發明實施例之鏡頭辨識方法，主要分成兩個階段，分別是物件偵測掃瞄階段以及魚眼鏡頭判斷階段，亦即先針對攝影機拍到的影像進行物件偵測掃瞄，然後再根據物件偵測掃瞄階段所得到的結果，來判斷使用的鏡頭是否為魚眼鏡頭，以下將以第1圖為例來作介紹。

第1圖係依照本發明一實施例繪示一種鏡頭辨識方法的流程示意圖。如第1圖所示，步驟101～步驟108為物件偵測掃瞄階段，而步驟109～步驟114為魚眼鏡頭判斷階段。

在物件偵測掃瞄的階段中，先調整攝影機的曝光時間至預定數值(步驟101)；再利用攝影機來擷取影像，並對影像進行二值化(步驟102)；隨後，對第J個物件偵測掃瞄(步驟103)；判斷物件是否為一有效物件(步驟104)，接著，當判斷出物件為有效物件時，則紀錄相應於物件的複數個邊緣點之資訊(步驟105)，此外，當判斷出物件為不有效物件時，判斷物件搜尋是否結束(步驟106)；之後，判斷物件的數量是否為一，當判斷出物件的數量為一時，則計算物件之中心點，並計算前述些邊緣點中的每一者與中心點之間的距離(步驟107)，當判斷出物件的數量不為一時，將前述些物件擴張成單一物件(步驟108)。

在步驟101中，調整攝影機的曝光時間至預定數值，詳細而言，在使用本方法時，為了讓後續二值化的步驟能夠更加快速且精準，會先將所有像素調到預定數值，也就是說將所有像素都調到一樣亮的程度。

隨後，於步驟102中，利用攝影機來擷取影像，此時若是使用魚眼鏡頭，則其擷取到的影像如第2A圖所示。接著，對影像進行二值化，其二值化的結果如第2B圖所示，可以看出影像為圓形的區域，而鏡頭外的部分為黑色區域，透過後續介紹的邊緣點搜尋法處理後，即可找出物件邊緣的點並記錄其對應座標資訊。

在步驟103中，開始進行物件的偵測掃瞄，其方式為針對二值化的影像資訊由上到下，由左到右進行掃瞄。在此，定義像素內容為’0’者是背景，反之則定義為前景。一旦偵測到前景像素，則表示物件已經被偵測到，此時判定相應於前景像素的影像為前述物件。另外，由於物件可能不只一個，所以第J個被偵測到的物件，定義為第J個物件，是以步驟103為對第J個物件進行偵測掃瞄。

舉例而言，步驟103可為對二值化影像進行物件偵測，以取得至少一物件。本發明實施例是要用來偵測攝影機所使用的鏡頭是否為魚眼鏡頭，因此基本上只會偵測到單一物件，也就是第2B圖所示的圓形區域，然而，由於影像中可能存在影像雜訊，從而對二值化影像進行物件偵測時，可能偵測到不只一個物件。

隨後，對被偵測到的物件進行邊緣點偵測，此時，要將所有物件的邊緣點進行有序排列，除了決定每個邊緣點之間的鏈結關係並且確認那些邊緣點是屬於同一個物件所有，此外，在步驟104中可以確定那些邊緣點屬於影像雜訊。

在一實施例中，一旦偵測到物件後即進入邊緣點偵測流程，本發明實施例可採用八近鄰搜尋法(8-negihbors Searching)依序尋找邊緣點座標並記錄至物件的邊緣點集合V _J 中。依據此演算法，重覆搜尋整張影像，最後可得到屬於這張影像的所有物件及其所擁有的邊緣點座標。上述邊緣點序向演算法如下：

步驟一：首先，進行物件的偵測掃描，一旦發現前景像素，表示偵測到物件存在，隨即進入步驟二的邊緣點偵測流程；反之，若為背景像素，則不予處理。在此步驟中第J次發現的前景像素，定義為第J個物件的邊緣點起始座標，表示為，並記錄至邊緣點集合V _J 中。

步驟二：請參照第3圖，以邊緣點的起始座標,(i=1)為基準，逆時針檢測八近鄰(8-neighbors)座標，其順序及搜尋法如第3圖與第4圖中所示。一旦發現新的前景像素時，i值加1，並將其座標存至邊緣點集合V _J 中。此時，新的前景像素被視為下一次八近鄰掃描的基準點，並將前次像素設定成背景資料(‘0’)。

步驟三：重覆步驟二，倘若物件的邊緣為封閉曲線，當邊緣點座標等於起始座標，即時，則完成單一物件的邊緣點偵測。此時，第J物件的邊緣點數n _J 為i-1。若物件的邊緣點不能連成封閉曲線，一旦發現的八近鄰點皆為背景像素，即停止偵測。此時，第J物件的邊緣點數n _J =i。

步驟四：影像圖片中，經常存在一些細微的雜訊，因此定義一個構成物件邊緣個數的門檻值T _b 。倘若第J個物件所擁有的邊緣點像素數目n _J 在門檻值以下者，即n _J <T _b ，將視為影像中的雜訊。此時，應將第J物件及其邊緣點記錄刪除。重覆步驟一，直到掃描完影像資訊中所有像素，即完成所有物件邊緣點序向排列。依上述流程，即可尋找影像中物件的個數以及每個物件的邊緣點序向座標。

此外，請參照第4圖，其係依照本發明又一實施例的一種八近鄰搜尋法之實際搜尋方式示意圖。如圖所示，依序由1、2、…、8檢測是否為物件的邊緣點座標，一旦檢驗出它的下一個邊緣點3後，立即將其座標存至物件的邊緣點集合中。因此，新的前景像素3被視為下一次八近鄰掃描的基準點，並將前次像素☆設定成背景資料，如圖4中右邊圖形中所表示。

接著請參照步驟104，判斷物件是否為有效物件，亦即判斷物件是否非影像雜訊，而是所需的物件，若為所需物件則判定為有效物件。

詳細而言，判斷物件是否為有效物件的步驟是採用將物件的前述些邊緣點數量與預定門檻值進行比較的方式，若物件的前述些邊緣點數量大於預定門檻值，則物件為有效物件。這是因為相較於所需物件，影像雜訊的邊緣點個數很少，因此根據實際經驗來定出一個預定門檻值可以有效過濾掉影像雜訊。相反地，若物件的前述些邊緣點數量不大於預定門檻值，則物件不為有效物件。

若物件為有效物件，在步驟105中紀錄相應於第J個物件的前述些邊緣點之資訊，例如紀錄第J個物件的邊緣點座標。在此，第J個物件中所包含的第i個邊緣點座標可定義為,其中J=1,...,m，表示影像中偵測到m個物件；而i=1,...n_J，表示第J個物件中具有n_J個邊緣點個數。因此，整張影像中所含的邊緣點個數為。

若判斷物件不為有效物件，則執行判斷物件搜尋是否結束的步驟(步驟106)，若是，則繼續判斷物件的數量是否為一。若否，則跳回步驟103繼續搜尋物件，詳細而言，亦即繼續執行對二值化影像進行物件偵測的步驟。

請參照步驟107，判斷物件的數量是否為一，如前所述，本發明實施例是要用來偵測攝影機所使用的鏡頭是否為魚眼鏡頭，因此基本上只會偵測到單一物件，也就是第2B圖所示的圓形區域，從而當判定物件的數量為一時，計算物件之中心點，並計算前述些邊緣點中的每一者與中心點之間的距離。

詳細而言，計算物件之中心點的方程式如下所示：

其中α_j代表X座標、β_j代表Y座標、sum_x_j表示該物件中所有前景像素之X座標的總和、sum_y_j表示物件中所有前景像素之Y座標的總和以及A_j代表物件的面積。

再者，sum_x_j以及sum_y_j表示目標物中所有像素x座標與y座標之總和，其表示式為：

接著，以下為魚眼鏡頭判斷階段。計算前述些邊緣點中的每一者與中心點(α_j,β_j)之間的距離(步驟109)。在步驟110中，判斷前述些距離中任兩者間的差值是否小於第一門檻值，若前述些距離中任兩者間的差值小於第一門檻值，則將相應於前述些距離的前述些邊緣點歸類為同一群組，並計算每一群組中前述些邊緣點的數量(步驟111)。

舉例而言，計算物件邊緣點中每一者與中心點之距離d(x),x=1~i。當物件邊緣點中任兩點之d(x)的差距小於第一門檻值E，可將這兩個邊緣點歸類為同一個群組，依序統計完後，可得到哪個群組中有最多的邊緣點數N。

此外，若判定物件的數量不為一，則將前述些物件擴張成單一物件(步驟108)，以利後續步驟的進行。

請看到步驟111，在此判斷第一數量值與第二數量值之間的比例是否大於第二門檻值，其中第一數量值為前述些群組中具有前述些邊緣點最多者的數量，而第二數量值為相應於物件之前述些邊緣點的數量。

舉例而言，第一數量值亦即上述的N，也就是擁有最多邊緣點的群組所具有的邊緣點數量，而第二數量值為n，亦即前述物件所擁有之邊緣點的總數量。

若判定第一數量值與第二數量值之間的比例大於第二門檻值，則判定鏡頭為魚眼鏡頭。舉例而言，若N與此物件的總邊緣點數n之比例超過第二門檻值T _b ，則判定為圓形物件，從而得知採用的是魚眼鏡頭。

再者，若判定第一數量值與第二數量值之間的比例不大於第二門檻值，則判定鏡頭不為魚眼鏡頭。同樣地，若N與此物件的總邊緣點數n之比例不超過第二門檻值T _b ，則判定其不為圓形物件，從而得知採用的並非魚眼鏡頭。

如上所述之鏡頭辨識方法皆可由軟體、硬體與/或軔體來執行。舉例來說，若以執行速度及精確性為首要考量，則基本上可選用硬體與/或軔體為主；若以設計彈性為首要考量，則基本上可選用軟體為主；或者，可同時採用軟體、硬體及軔體協同作業。應瞭解到，以上所舉的這些例子並沒有所謂孰優孰劣之分，亦並非用以限制本發明，熟習此項技藝者當視當時需要彈性設計之。

再者，所屬技術領域中具有通常知識者當可明白，鏡頭辨識方法中之各步驟依其執行之功能予以命名，僅係為了讓本案之技術更加明顯易懂，並非用以限定該等步驟。將各步驟予以整合成同一步驟或分拆成多個步驟，或者將任一步驟更換到另一步驟中執行，皆仍屬於本揭示內容之實施方式。

由上述本發明實施方式可知，應用本發明具有下列優點。本發明實施例藉由提供一種鏡頭辨識方法，藉以改善鏡頭安裝所產生的偏差。再者，本發明實施例可辨識魚眼鏡頭之特徵並估測其鏡頭的中心點，當為魚眼鏡頭時，即可自動辨識且估算相關參數，並將其應用於系統中以修正魚眼鏡頭所擷取到的影像之變形。反之，若為一般的鏡頭，則自動關閉魚眼修正的功能，是故本發明實施例兼顧了一般應用與特殊應用之安全監控需求。

雖然本發明已以實施方式揭露如上，然其並非用以限定本發明，任何熟習此技藝者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

101～114．．．步驟

為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂，所附圖式之說明如下：

第1圖係繪示依照本發明一實施例的一種鏡頭辨識方法之流程示意圖。

第2A圖係繪示依照本發明另一實施例的一種使用魚眼鏡頭所擷取到的影像之示意圖；第2B圖係繪示依照本發明另一實施例的一種將第2A圖之影像二值化後所得結果之示意圖。

第3圖係繪示依照本發明再一實施例的一種八近鄰搜尋法之搜尋順序示意圖。

第4圖係繪示依照本發明又一實施例的一種八近鄰搜尋法之實際搜尋方式示意圖。

101～114．．．步驟

Claims (10)

1. 一種鏡頭辨識方法，包含：利用一攝影機來擷取一影像，並對該影像進行二值化；對該二值化影像進行物件偵測，以取得至少一物件與相應於該物件的複數個邊緣點；判斷該物件是否為一有效物件，若是，則紀錄相應於該物件的該些邊緣點之資訊；判斷該物件的數量是否為一，若是，則計算該物件之一中心點，並計算該些邊緣點中的每一者與該中心點之間的距離；判斷該些距離中任兩者間的一差值是否小於一第一門檻值，若是，則將相應於該些距離的該些邊緣點歸類為同一群組，並計算每一群組中該些邊緣點的數量；以及判斷一第一數量值與一第二數量值之間的比例是否大於一第二門檻值，其中該第一數量值為該些群組中具有該些邊緣點最多者的數量，而該第二數量值為相應於該物件之該些邊緣點的數量，若是，則判定該鏡頭為一魚眼鏡頭。
2. 如請求項1所述之鏡頭辨識方法，更包含：調整該攝影機的一曝光時間至一預定數值。
3. 如請求項1所述之鏡頭辨識方法，其中判斷該物件是否為該有效物件的步驟更包含：若否，則執行對該二值化影像進行物件偵測的步驟。
4. 如請求項1所述之鏡頭辨識方法，其中判斷該物件的數量是否為一的步驟更包含：若否，將該些物件擴張成一單一物件。
5. 如請求項1所述之鏡頭辨識方法，其中判斷該第一數量值與該第二數量值之間的比例是否大於該第二門檻值的步驟更包含：若否，則判定該鏡頭不為該魚眼鏡頭。
6. 如請求項1所述之鏡頭辨識方法，其中判斷該物件是否為該有效物件的步驟更包含：將該物件的該些邊緣點數量與一預定門檻值進行比較，若該物件的該些邊緣點數量大於該預定門檻值，則該物件為該有效物件，以及若該物件的該些邊緣點數量不大於該預定門檻值，則該物件不為該有效物件。
7. 如請求項1所述之鏡頭辨識方法，其中對該二值化影像進行物件偵測的步驟包含：當偵測到一前景像素，則判定相應於該前景像素的一影像為該物件。
8. 如請求項7所述之鏡頭辨識方法，其中計算該物件之該中心點的方程式如下所示： 其中α_j代表X座標、β_j代表Y座標、sum_x_j表示該物件中所有該前景像素之X座標的總和、sum_y_j表示該物件中所有該前景像素之Y座標的總和以及A_j代表該物件的面積。
9. 如請求項7所述之鏡頭辨識方法，其中對該二值化影像進行物件偵測的步驟更包含：在取得該物件後，對該物件進行邊緣點偵測以取得相應於該物件的該些邊緣點。
10. 如請求項8所述之鏡頭辨識方法，其中該邊緣點偵測包含：一八近鄰搜尋法。