电视视频摄像

电视视频摄像（共7篇）

电视视频摄像 篇1

随着经济的不断发展,人们生活水平明显提高,高清电视逐渐走进了人们的日常生活,因此,人们对高清技术提出了更高的要求。数字高清电视是继黑白、彩色后的第三代电视系统,这种电视充分利用数字化技术,使荧屏变得更加绚丽多彩,为受众提供了一个全新的视听享受。但是,高清电视摄像中时常出现的曝光、聚集、照明等技术问题,影响了电视画面的质量。

1 电视视频中高清摄像的主要特点

高清摄像机,是指能提供高质量、高清晰影像的设备,其拍摄出来的画面分辨率达到1280×720或1920×1080,采用720线、1080线逐行扫描方法,1080P属于家用高清信号较高的规格。制作电视视频,其应用的高清技术主要特点如下。

1.1 全新的扫描方式

一般的摄像机,其扫描出来的画面比较模糊,色彩不够鲜明。高清摄像机使用了独特的扫描视角,画面清晰,色彩明亮度增强,有效降低了后期制作者的工作难度。同时,高清摄像机数模转换质量较高,能保证画面具有较高的分辨率。高清摄像机与普通摄像机的使用方法几乎相同,明显降低了操作者的使用难度。

1.2 独特的图像处理功能

高清摄像机能保证拍摄的画面更加清晰,且这种摄像机拍摄的画面质量明显高于普通摄像机。高清摄像机不仅改进了画面拍摄质量,也增加了画面二次处理技术,能再度处理画面模糊、质量低的画面,提升画面的质量。使用高清摄像机拍摄作品时,还可实施条选图像色彩,确保画面色彩符合审美要求。同时,高清摄像机配备多次回访拍摄功能,便于拍摄人员随时观看画面。

2 高清技术在电视视频摄像中的应用技巧

在电视作品中应用高清技术,不仅增强了画面的清晰度,同时也为后期制作者的画面选择提供了更大的范围。对熟练使用标清摄像机的摄像师来说,想要拍摄出高质量的高清电视节目,必须了解高清技术的标准,熟练掌握高清电视摄像技术,并具有解决高清电视摄像中常见的曝光、照明等技术问题,否则将严重影响画面的质量。

2.1 聚焦技术的应用

采用高清摄像机进行拍摄时,容易出现焦点对不准的问题。如果沿用先固定、校准后焦、再把镜头推至最远聚实焦点,并拉开所需拍摄的内容,从而完成聚焦拍摄,这样的操作,一般无法准确聚焦,从而拍摄不出高质的图像。出现上述情况,主要因高清摄像机分辨率较高,其水平视角远远大于标清摄像机,画面中包含的景物较多,其景深会聚实在某一点,从而无法准确聚焦。高清摄像机准确聚焦步骤如下:首先,把光圈调至最大状态,挑选所需要的景别,确定所拍摄的内容焦点完全聚实后,合理调整曝光量展开拍摄。即使采用变焦镜头拍摄,也应根据定焦镜头的方法进行操作。同时,实施变焦拍摄时,因镜头行程较短,有时可能出现焦点无意识改动,画面出现微小漂移的情况。借助高清技术拍摄画面时,必须合理控制景深,加大拍摄主体前后的清晰度范围。

2.2 曝光技术的应用

摄像师在拍摄景物前,必须依据光照条件下的明亮度及其分布范围,合理设定曝光量和光圈大小,并及时调整伽玛特性,确保景物亮度范围摄取至感光器件界面上,组成色度饱和、明暗适中的图像。实际拍摄过程中,有些景物亮度范围超过感光器件所容纳的亮度范围,此时,正确曝光是保证画面成像质量的重要依据。若曝光过度,画面出现泛白甚至限幅的情况,使湖面高度部分层次丢失;曝光不足,画面层次较少,特别是无法展现暗部层次。高清摄像机的曝光度,一般控制在±0.5档光圈内。摄像机曝光值依据寻像器内斑马线、自动光圈确定。实际拍摄时会发现,摄像机寻像器光圈检测值与镜头刻度无法完全一致,不能真实展现半档半圈变化情况。因此,在曝光度控制方面,建议拍摄现场可适当增加监视器及示波器。对景物进行拍摄时,部分场景存在高光部分,它明显超过了感光器件动态范围,画面高光部分无法展现景物之感,此时,需要合理调整伽玛特性,获得最佳的曝光效果。

2.3 照明技术的应用

电视视频画面清晰地不仅受到光圈、景深的影响,也受照明明暗对比度、光线性质等因素的影响。

2.3.1 合理设计明暗对比度

电视屏幕中最亮与最暗部分的亮度之比,称为对比度。对比度较大,图像黑白分明,明暗之间的方差加大,电视画面清晰度与照明对比度密切相关。照明对比度除了展现被摄物体与背景之外,也包含了被摄物体自身不同光线方向间的明暗对比度。若照明使最亮至最暗分辨出深浅不用层次数较多,说明电视图像显示细节的能力较强,清晰更高,画面质量越好。过量的背景导致被摄物体变暗,光线暗的地方立体感、细节显示效果不佳。同时,必须对照被摄物体不同方向的光线,合理控制其明暗对比度,确保充分展现最亮与最暗部分的影调层次。由此表明,合理调整照明阴暗对比度对电视视频画面清晰度有着极为重要的影响。

2.3.2 选择光线性质

被拍摄物体在高清电视视频中呈现的清晰度,不单受光线的对比度的影响,也与光线性质密切相关。光线性质软、硬对物体展现的清晰度有着重要影响。选择照明光线性质时,要根据物体表面结构来确定,换言之,如果物体表面结构不同,其使用光线形式也要不同。一般情况下,粗糙的物体最好使用硬光照明;光滑的物体适宜选用柔和的散射光照明。拍摄电视视频时,阴天拍摄的画面因没有影子显得过于平淡,表面质感不佳。同时,如果受到阳光的逆向照射,物体轮廓即可展现出来,表面光线性质直接影响画面清晰度。

从拍摄画面整体效果来说,硬光能够清晰勾勒出景物轮廓,有明显的质感,能提升观者的空间感;柔光照明呈现出平淡、无立体感的图像,无法保证画面的清晰度。从画面展现的局部效果层面分析,硬光易导致阴暗反差过大,物体细节再现能力较低;柔光反而能提升观者对物体细部的分辨力,使画面有较高的清晰度。总之,画面清晰度受多种因素的影响,摄像师因根据想要突出的重点和进本,选择光线的阴暗、软硬等,从而获得最佳的画面。

3 结语

总之,高清技术因其独特的优势,得到了广泛应用,高清技术的发展有效推动了我国电视作品的进步,为我国电视事业的发展做出了突出贡献。因此,必须加强对高清拍摄技术的投资力度,充分利用高清摄像机的优点,拍摄出清晰度、准确度高的画面,提升画面的视觉效果。

摘要：电视机是人们精神文花生活方面必不可少的工具,电视摄像质量直接影响着观众的视觉享受。随着电视摄像技术的快速发展,高清摄像技术被广泛应用于电视视频摄像制作中,本文从高清摄像机的特点入手,介绍了高清技术在电视视频摄像中的曝光、聚焦等技术,保证拍摄出高清的画面。

关键词：高清技术,电视视频摄像,应用

参考文献

[1]漆罡.浅谈高清技术在电视视频摄像中的运用[J].中国新通信,2013(22).

[2]吴映霞.高清网络摄像机的发展应用与技术趋势[J].中国安防,2013(7).

[3]刘畅.央视2013年春晚视频系统特点及技术应用[J].演艺科技,2013(3).

[4]钟辰.浅析演播室高清摄像机技术特点和应用体会[J].影视制作,2014(6).

[5]尚青青,朱秀昌.高清视频监控中心的设计与实现[J].电视技术,2013(11).

电视视频摄像 篇2

一、高清视频摄像中的曝光技术

摄像机在在拍摄之前, 首先应该考虑到的是光线问题以及被拍摄物体所反映出来的明暗情况, 抓住每一个曝光点, 曝光点的正确与否对画面的质量起着非常重要的作用。曝光点如果偏大, 会使得电视整个画面过于刺眼, 但是曝光点不强, 就会使得电视画面过于昏暗。根据本人多年的高清技术的拍摄经验, 认为曝光量最好控制在±0.5档光圈左右。在一般的情况之下, 设定在±0.5左右完全是没问题的, 当然, 在实际的拍摄制作中还得根据自己拍摄环境进行一定的手动调节。也可以在拍摄的现场中放置标准的示波器与监视器, 以便对高光部分进行保留处理。

二、高清视频摄像中聚焦技术

在高清视频的拍摄过程中, 大家遇到的最普遍的一个问题就是焦点不易对准, 因为高清电视摄像机分辨率较高, 画面所包含的景物比一搬的摄影机要多, 但是景深要小很多, 所以在调动焦距时要要特别的小心。根据本人多年的摄影经验, 对焦距的调节方法建议如下:首先, 在高清拍摄静态镜头时, 一定要把变焦距变化到相应的景别上, 当作定焦距镜头使用, 并进行精确的调焦, 直到寻像器上呈现的物体变清晰为止。高清摄像机与标清摄像有所不同, 标清摄像机在进行静态镜头时, 常常习惯把变焦调至最大焦距处精确调焦, 然后再将其变至预选短焦距处拍摄。这种拍摄的方法非常不适合高清电视摄像技术的调焦要求, 因为在变焦时, 会存在着微量的像面漂移现象, 使得最佳焦点位置不能够精准。此外, 在高清拍摄中, 在使用推拉式进行变焦距镜头时, 在变焦过程中, 很容易使得调焦位置被误触动而发生变动。所以, 我们进行高清摄像时, 为了让拍摄的物体更加清晰, 应该在所用焦距状态下, 直接精确调焦后再进行拍摄, 使得画面的焦点不会发生变化, 从而拍摄出高清晰度的画面。

三、高清电视视频摄像中的照明技术

被拍物体的明暗对比度也对电视画面的清晰度有一定的影响, 通常情况下, 我们看到电视画面上的明暗对比度较明显时, 清晰度会高很多;如果我们在电视视频上看到画面的亮到暗层次不够分明, 并且一些画面细节没有突显出来, 这样会让观众的视觉效果不会那么强烈, 显现出来的清晰度也不会达到理想的效果, 所以这些就需要照明技术来进行完成。具体做法如下:在拍摄过程中, 把背景调到黯然状态, 并且把被拍的物体的亮度给突显出来, 让整个画面变得有层次感。在拍摄中, 最重要的一点就是任何过亮或者过暗的光线都很有可能导致整个画面不完美, 使得电视画面上不能显示图像的细节特征, 而显得特别模糊。

四、高清电视视频摄像中的画面构图技术

在画面构图上, 高清电视视频与标清电视视频是非常接近的, 当然也有些小小的差异, 即是16:9和4:3的画幅所带来的取景方面的问题。我们如果要用高清拍摄, 标清播出, 一定要注意构图的画幅结构的问题。高清电视下变换成标清电视时 (16:9画幅变成4:3画幅) , 有三种模式:信箱模式 (上下的部分会出现黑边, 有效画面范围变窄) , 压缩模式 (横向压缩使图形变形, 但是整个的信息都出现在屏幕中) , 切边模式 (左右两边的信息被去掉, 画面内容不完整) 。摄像师如能认识到4:3取景的范围, 便可以用16:9的高清摄像机拍摄, 比较方便地生成完整的4:3的图像。通常采用在摄像机的寻像器中加4:3的标识框来解决这个问题。此外, 由于使用了16:9模式取景, 在镜头处理上与常规的4:3模式也有较大的区别, 水平方向视角的变大导致水平运动的物体在屏幕上停留的时间变长, 考虑到人眼的视觉感受, 可能要求摄像师加快摄像机镜头的摇摄速度, 以加快镜头节奏。

五、结论

高科技的到来, 使得电视技术在迅速的进步与发展, 特别是高清技术的普及, 为电视领域做了很大的贡献, 当然, 对于高清技术在电视视频摄像中的运用, 还需要我们不断的努力和尝试, 另外电视摄影师也要紧随时代步伐, 为高清技术在我国电视摄像中的合理应用作出自己的贡献。

参考文献

[1]傅焱平, 李远新.试论高清摄像机拍摄图像质量与技术保障[J].中国数字电现, 2007, 6

[2]刘曲雁.高清摄像技术探讨[J].武汉工程职业技术学院学报, 2011 (3)

多路摄像头的视频拼接技术研究 篇3

随着现代科技技术的发展和进步, 特别是计算机的应用十分广泛, 在数字视频拼接技术领域, 计算机的作用也是不容忽视的, 我们要对于已保存的数字图像进行处理就需要使用拼接技术。我们所看到的画面很美的影视作品并不是原始的视频, 而是利用视频拼接技术向人们呈现出一种画面感优质的视像。在视频拼接技术中, 通常要选择正确的匹配图像, 然后才可以实现检测目标、融合信息、重建三维和超分辨率的工作。而这些技术应用十分广泛并且发挥了巨大作用, 而视频拼接技术的发展是要以这些技术为基础才能得以发展。视频拼接技术受到越来越多的人们的关注和重视, 图像配准是拼接技术的核心内容。经过一段时期的发展, 图像配准最开始是利用迭代非线性最小化的方法来实现, 而这种方法可以实现多种形式的转换, 但是这种方法也会出现问题, 基于这些问题又开始出现了不变量技术和开发了新型的拼接软件, 满足了当时的图像拼接的技术, 为以后研究视频拼接技术奠定了坚实的基础, 但是从现在快速发展的社会来看, 这种技术越来越不能适应变化, 这就要求我们要不断研究新的图像拼接技术。

1 拼接技术的算法和流程

视频图像拼接技术大体流程是:通过搜集视频图像资料实施标定相机的参数, 计算出单应矩阵和畸变矫正参数, 然后对视频图像进行融合处理。但是要注意单应矩阵的计算方法, 因为单应矩阵是视频拼接技术的核心, 所有要重视对它的计算, 这就要求要对图像的每一特征处进行采集工作, 利用每一个试点的坐标来进行基础按参考平面的透视或者放射数据, 最后把图片放在参考平面上融合重复的图像, 这样就可以得出所想要的景象。

在进行视频拼接工作的过程中, 要对每一幅图像的单应矩阵在标准要求下进行计算, 但是也会出现误差比较大和没有半大实现拼接的问题, 因此要解决这一问题就要求我们要针对这一问题研究出降低问题出现的技术, 所以文章就研究了利用对控制帧来提取图像资料方法。

2 多摄像头的图像拼接

2.1 图像拼接的发展和流程

对于摄像头的拼接技术早在很多年前就被国内外许多研究者研究和应用, 学者发现要想完成视频的图像拼接首先是要在完成图像拼接的基础上, 因为研究者对拼接技术的深入研究和发现终于取得了有效的成果, 出现了许多不同的图像拼接算法和融合方法。至今为止, 虽然出现了许多图像拼接方法, 但是只有一种方法得到发展和应用, 就是90 年代出现的以局部特点为基础的SIFT的算法, 而这种算法对于图像的旋转、平移、图像的色彩、光照和尺寸影响都不是很大, 这些特点使得这种方法为大家所用, 得到了广泛的使用。实践证明这种方法对于图像拼接的效果十分理想。但是凡事都有两面性, 既然有优点必然也会有缺点, 这种方法就是使用起来比较复杂, 要求的计算量比较大, 但是现在技术要求的是具有一定的轻便性, 因此怎样既能满足拼接效果又能满足实际应用的技术是当前研究的重点内容。一般的摄像头都是由帧图像组成, 多摄像头则是多种帧图像的拼接, 而拼接是需要融合和匹配两大核心技术。

2.2 匹配帧图像

帧图像呈现出来图像质量的好坏跟图像匹配时的精确度密切相关, 所以要注重把握好图像的精确度是匹配帧图像的重点工作。要把握好图像的精确度就要求在选择既能满足精确度又能满足计算简易度的匹配算法。对一幅图像的特征选择匹配关键是检测特征点, 比较常见的检测特征点的算法有:Harris算法和Canny算法。文章就针对SIFT算法对图像拼接技术的基数进行转换。这种算法主要涉及两个过程, 第一个过程就生成SIFT的特征, 第二个过程就是SIFT匹配向量特征。只有当两幅图像都完成向量匹配的时候我们就可以利用欧式距离进行计算, 从而判断两幅画的相似特征。需要注意的就是在匹配过程中难免会出现误差, 这就需要利用RANSAC算法进行纠正。

2.3 融合帧图像

虽然融合帧图像的算法有许许多多, 但是文章就利用图像平滑过渡算法进行帧图像的融合, 我们假设融合区域的变化因子是R, image A以及image B代表的是图像在融合前后的像素值, 而im-age C代表的是融合区域的像素值, 就可以依照以下公式进行计算:image A等于R乘以image A加上括号A减去R的值乘以image B.其中R的值要大于零小于一。经过这样的算法帧图像的融合就能够顺利实现拼接。

2.4 消除因为接缝而出现的公用模板

图像的拼接可能会受到曝光的因素, 所以在融合帧图像的过程中非常容易出现拼接缝, 其实就相当于帧图像产生的噪声, 我们可以通过给图像进行去噪处理来清除拼接缝。以前的去噪方法虽然多, 但是因为去噪之后的图像质量不好, 所以不建议使用。而现在采用的是对图像有重叠的地方利用加权平滑的方式把灰度值和对应试点的灰度值进行加权就能实现, 这一过程完整实现之后就可以保留匹配过程中的剪切模板和变换矩阵。

2.5 多摄像头拼接成一个摄像头

要实现多个摄像头组成一个摄像头的工作, 就要考虑在拼接过程中由于帧图像的融合和匹配花费时间最多, 后续工作的时间就应当适当减少, 这是为了提高工作效率, 并且能够发挥多摄像头拼接的作用。因为安装摄像头的时候线路都是比较固定的, 所以一般来讲摄像头的位置都是不变的, 所以我们提取多个摄像头图像的时候要记录好首帧图像的变换矩阵, 然后利用首帧图像对变形后的帧图像进行融合和裁剪, 这样做的目的就是能够为以后多摄像头的拼接工作提供方便。

2.6 提取新摄像头的视频

摄像头在我们实际生活中应用十分广泛, 特别是在监控领域摄像头的作用不能忽视, 当我们把多个摄像头裁剪成一个摄像头后, 就有可能会出现一些没有用的视频信息被记录下来, 这些信息对于我们来说也没有用处, 并且还占据了大量的内存, 要解决这一问题就要应用到视频摘要, 就是利用对视频信息进行检测和分析之后自动提取有效的信息并且将信息组合起来的技术, 这种技术具有很强的实用性。

3 结束语

综上所述, 多摄像头的图像拼接技术能够使摄像头发挥更有用的作用, 图像拼接技术是一项计算方法比较复杂的过程, 这就要求在保证图像质量的同时, 提高拼接速度。

摘要：计算机视觉和图形学中的一个重要内容就是视频的拼接技术, 最开始发展是针对于静态的图画和视像使用拼接技术, 但是随着科技的进步和发展, 视频呈现多样化和复杂化, 图像的拼接技术不能满足于视频的拼接技术, 目前经常使用的拼接技术需求量非常大, 并且拼接技术使用也越来越广泛。文章就针对多路摄像头的视频拼接技术进行了研究和分析。

关键词：多路摄像头,视频拼接技术,研究

参考文献

[1]刘畅, 金立左, 费树岷, 等.固定多摄像头的视频拼接技术[J].数据采集与处理, 2014, 29 (1) :126-133.

[2]林学晶.视频图像拼接技术研究[D].南京理工大学, 2010.

[3]马力, 张茂军, 徐玮, 等.采用视频拼图方法构建高分辨率全景视频监控系统[J].中国图象图形学报, 2008, 13 (12) :2291-2296.

[4]魏川, 张功国, 吕晓萌, 等.图像拼接技术在双摄像机监控中的应用[J].激光与红外, 2014, 19 (4) :447-451.

[5]杨磊, 任龙, 刘庆, 等.基于FPGA的大视场图像实时拼接技术的研究与实现[J].红外与激光工程, 2015, 22 (6) :1929-1935.

基于PTZ摄像头的视频人脸识别 篇4

人脸识别是生物特征识别中极具挑战性的课题之一,应用于身份认证,视觉监控及人机接口等领域。虽然人脸识别的应用前景比较广泛,然而其实用性并没有取得很大的进展,有诸多因素导致,其中环境因素是主要的。正因为如此,国内外研究人员提出了一系列的方法来克服环境变化给人脸识别鲁棒性带来的影响,相关文献达到数千篇。

人脸识别经过二十多年的研究与发展,取得的成果是显著的。在理想的室内环境,如光照变化小、人脸姿态稳定、采集设备的图像分辨率较高的情况下,识别率可以达到95%。一旦环境条件恶劣,识别率迅速下降,所以在监控场景下的人脸识别一直没有得到广泛的应用,其难度是可想而知的。基于这个难题,本文从人脸识别系统的前端,即图像的采集以及预处理这方面着手,在PTZ摄像头的测试环境下做了大量工作,最大限度地克服环境因素导致的识别率下降问题,在对单人进行跟踪识别情况下,可以达到较好的效果。具体的改进是:

(1)在AdaBoost检测算法基础上,增加了肤色信息的先验知识,降低了后续检测的复杂度;

(2)采用了优化的PTZ控制算法对人脸进行跟踪,能够达到实时的平移、旋转和缩放功能,并能找出最佳的图像帧用于人脸识别;

(3)改进了传统的K近邻识别算法,提高了人脸识别率。

文章的安排如下:第一部分对人脸识别系统的基本原理及用到的方法进行简单的概括;第二部分提出了基于PTZ摄像头的人脸识别方法;第三部分是实验结果及分析;最后对本文进行总结。

1 人脸识别系统概述

人脸识别系统一般由以下几个模块组成:图像采集、图像预处理、人脸检测与跟踪、人脸特征抽取、分类识别,系统框架如图1所示。其中,预处理包括对图像的归一化、光照补偿等;而分类识别则可以采用基于欧氏距离的K近邻法、SVM支撑向量机或者神经网络的方法等。

1.1 人脸检测与跟踪

人脸检测即解决一幅图像中是否有人脸出现,出现在什么位置的问题。一些基于特征的人脸检测器组合人眼、鼻子、嘴巴并建立三者的空间关系,在简单背景下有较好的结果;基于模型的检测算法则使用预先定义好的人脸模型对图像进行匹配,这类算法不能有效地处理人脸尺度及姿态方面的变化。Viola等[1]提出了AdaBoost算法,能够实时地检测人脸,Li等[2],Wang[3]都是基于该算法进行一定的改进,使得该算法效率更好,并实现了侧面人脸的检测。

人脸跟踪应用于视频人脸识别系统中,主要解决的问题是如何在相邻帧间不断地获取人脸的位置,同样分为基于特征及基于模型两种方法。基于特征的跟踪需要针对眼睛、鼻子和嘴巴分别训练一个跟踪器;基于模型的跟踪则使用整个人的头部信息实现跟踪,或者基于颜色[4],或者基于形状[5]。基于颜色信息的人脸跟踪不能很好地处理光照的变化及遮挡问题,现在很多的跟踪算法是在跟踪过程中结合人脸检测,用检测器的结果作为跟踪器的初始化位置。Mean-shift最早是由Fukunaga等[6]人在一篇关于概率密度梯度函数的估计的文章中提出,Comaniciu等[7]将其成功地应用于目标跟踪问题,因为该算法不需要参数,能够进行快速模式匹配,实时性比较高,故被广泛采用。

1.2 特征提取

主成份分析法PCA也称为K-L变换,是一种正交变换的方法,基本思想是找到一组相互正交的基向量,并用这组基向量的线性组合来表征原始数据。PCA是以降维前后数据间的均方误差最小为目的,而对原始数据进行的最优描述。Turk和Pentland[8]将这一方法应用于人脸识别,因为这组基向量的二维图像是人脸,故该方法又称为EigenFace,方法的局限性是没有考虑样本之间类别的信息,而且是一种无监督学习算法。LDA算法[9]是一种最优区分的有监督学习算法,经典的线性判决分析用的是Fisher准则函数,因而在人脸识别中又称为FisherFace法。

2 基于PTZ的人脸识别方法

Mian[10]在08年国际会议上提出了一种基于PTZ的实时人脸检测与跟踪算法,依据图像处理和分析,直接在图像中进行人脸检测,随后根据检测到的人脸位置和大小调整PTZ摄像头的视场,以获得更清晰的人脸图像。然而由于监控摄像头采集到的图像视场宽,分辨率低,人脸在整个图像中所占比例小,这个时候若直接用Real AdaBoost算法检测人脸,会造成人脸的误检甚至无法检测,后续的人脸跟踪与识别也无从谈起。Kim等[11]提出了一种改进的人脸检测算法,利用人脸颜色分布的先验知识,找出潜在的人脸区域,在这些选择性区域中再运用AdaBoost方法,从而既提高了人脸检测的准确性,又降低了算法的复杂度。然而这种算法同样受限于理想的室内环境,在光照变化、人脸自遮挡严重的监控环境下,检测效果不是很理想。而在本文中,人脸识别的具体工作过程是:首先,对采集图像进行一定的预处理(去噪,光照补偿);其次,提取图像的肤色信息,并进行肤色的过滤与轮廓的聚类,找出候选人脸区域;最后,基于PTZ摄像头的调整与控制,对候选人脸作出筛选,精确定位其大小与位置,并给予跟踪和识别。本文实验结果显示,在监控场景下最高可达到90%的识别率,图2为算法流程图。

2.1 初步人脸检测

在监控场景下,直接使用Real Adaboost算法检测人脸基本会失效,因此需要把图像中潜在的人脸区域都找出来,然后再去精确定位人脸的位置。具体的实现方法:首先,预设一个场景,初始化PTZ拍摄视场的大小及范围;其次,对采集的图像进行预处理及肤色提取,文中采用以下的公式[12]来判定某块区域是否属于肤色范围:

在固有硬件环境下,PTZ摄像头采集的图像格式为YUY2,故在提取肤色之前需要将图像投影到RGB空间,R,G,B即为该空间的各分量像素值。

找到满足上述条件的像素点后,进一步将图像二值化,以区分肤色和非肤色部分,并提取肤色部分的轮廓,得到的图像如图3所示。

本文针对的场景是单个人在监控环境下的跟踪识别,故暂不考虑多人的情况。从(b1)图可以发现,干扰的肤色分为两种:一种是外界环境的假肤色;另一种是不期望的人脸区域之外的肤色,如手臂等。对第一种干扰肤色,采用白光补偿可以得到很好的解决,可以看出(b2)图中的外界干扰肤色已经消失;对第二种干扰肤色,采用OpenCV的一些成熟算法(轮廓提取,轮廓聚类),并与经验值进行比较,也能达到很好的效果。如(c1)图,可以看出,手臂的轮廓相比于人脸的轮廓有很大的差别,简单地比较轮廓区域的长与宽,就可以剔除这部分的肤色。

在连续的视频监控下,由于环境的恶劣导致的一些不确定性因素,在筛选这两部分干扰肤色后,仍有残余的非人脸轮廓信息,此时需要对剩余的轮廓(包括人脸区域轮廓)进行聚类分析。大量的实验测试表明,这些候选的轮廓中,人脸的区域是最大的。故根据这个先验条件,经过聚类分析后,记录下具有最大轮廓区域的位置信息,即人脸区域所在位置,这样就初步地检测出了人脸。有关部分具体流程图如图4所示。

2.2 获取高分辨率人脸图像

图像的分辨率越高,包含的特征信息越丰富,对人脸识别来讲,取得的效果也就更显著,但是由于成像系统的内部和外界的环境因素,往往获得的图像分辨率比较低,在监控场景下尤其如此。超分辨率分析(SR)现已成为国内外研究的热点,所谓超分辨率技术就是在不改变图像采集系统的前提下,利用已有的低分辨率图像,采用某些算法使其分辨率提高。在基于SR的空间分辨率增强技术中,其基本前提是通过同一场景可以获取多幅低分辨率(LR)图像。典型地,认为LR图像代表同一场景的不同侧面,是基于亚像素精度的平移亚采样;为了得到这些LR图像,可通过一帧接一帧的多场景或者视频序列的相关的场景运动,然后基于一些算法对这些LR图像进行合成,得到高分辨率图像。

与SR技术相关的一个课题是图像修复,图像修复的目标是恢复一个被模糊或者被噪声破坏的图像,但是不能改变图像的尺寸。事实上,图像修复和SR复原在理论上是完全相关的,SR复原可以看作是第二种图像修复课题;与SR技术相关的另一个课题是图像插值,即增加单幅图像的尺寸,然而对单幅图像插值并不能恢复在LR采样过程中损失的高频部分。一般采用的插值方法包括双线性插值、B样条插值和SINC函数[13]等。但是这些方法大多是针对静态图片的,应用于实时的视频人脸识别,则对硬件的要求比较高,而且超分辨率后的图像是部分失真的,对于人脸特征提取的准确性也会带来一定的影响。

本文提出的方法既能提高图像的分辨率,又能保留图像的完整信息。具体的做法是:把“2.1初步人脸检测”中获得的人脸图像作为目标,预设的拍摄场景作为背景,利用目标的位置信息对PTZ摄像头进行实时控制,获取最佳的便于识别的人脸图像。PTZ控制算法步骤如下:

(1)初始化PTZ摄像头的拍摄范围,等待目标出现;

(2)当目标进入视场,计算目标区域面积,记录目标与背景的相对位置;

(3)利用相对位置信息,调整PTZ摄像头的拍摄位置和角度,使目标始终处于背景中央;

(4)调整摄像头的焦距,获取最佳拍摄质量,直至目标消失;

(5)返回第一步。

值得注意的是,在第二步过程中,由于目标是运动的,为了使第三步的调整达到实时,需要在很短的时间间隔内进行大量的运算,并把运算结果传递给系统。本文在这部分的算法设计上采用了一些多线程及缓冲区的技术,努力使系统时延达到最小。

依据上面的算法步骤,PTZ摄像头能够对人脸的抓取、调整、拉伸和还原进行有效地协调,从而很好地解决了监控场景下获取高分辨率人脸图像的问题。

3 实验结果及分析

实验中采用的是SJTU人脸库,该人脸库有300幅图片,图像大小为352×288,均采集于监控环境。利用系统的检测模块,将这300幅图片进行人脸的检测并保存检测结果,以其作为人脸识别的数据库。人脸样本的训练采用经典的LDA降维算法,并用K-nearest进行分类。为了使得识别结果更准确,本文在K-nearest算法上做了一些改进,具体过程是:考虑到视频中人脸图像帧的连续性和相似性,每隔5帧做一次最近邻识别,每次最近邻记录6个最短距离;每隔20帧做一次最终识别,而且最终识别需要考虑前4次的识别结果,即一共24个最短距离;取这些距离中次数最多的作为识别的结果。

3.1 人脸识别部分

图5为实验中的目标抓取及检测结果,图中第一行,监控摄像头捕获的图片;第二行,提取肤色后的背景图,肤色用白色区域标示。由于监控场景环境条件不理想,故用公式(1)提取后的肤色中有一些干扰。后续部分会采用白光补偿、轮廓分析等方法来消除这些干扰肤色。

当目标出现后,摄像头会根据肤色的位置和大小自动调整视场,从(a)到(j),视场大小从1X调整到17X。

从(a)~(c)图中可以看出,在人脸刚进入视场时,由于分辨率较低,且人脸较小,肤色信息不是特别明显,有较大的环境干扰,直接用Adaboost检测,出现失检现象;(d),(e)已经能够正确检测到人脸,然而特征信息不明显,人眼观察并不能十分精确判定是哪一个人,因此这种视场下的人脸识别率比较低;从(f)~(i),人脸已占据图像一定的范围,从其提取肤色后的图中也可看出,整个背景中除了人脸,几乎没有干扰的肤色,在这种情况下,用Adaboost算法检测出的人脸可以与训练数据库进行匹配,从而分类识别。(j)图中的人脸信息更加丰富,因此,这种视场下识别率是最高的。

为了验证PTZ视场的调整给人脸识别率带来的提升,在实验过程中,对不同视场下采集到的人脸均做了识别,并给予统计,结果如表1所示。

从表1中可以看出,在初始的拍摄角度和视场条件下,人脸识别率不足20%,这也是通常监控环境下人脸识别的难点,目前多数的监控系统只是一种半自动化的系统,需要人为地分析与判断;随着视场的减小(视场倍数增大),感兴趣目标所占图像的比例越来越大,人脸识别的精度也越来越高,在17X的视场范围下,准确率达到了90%。

3.2 人脸检测部分

在用AdaBoost算法进行人脸检测之前,做了初步的人脸检测,即分析肤色并做后续的处理,为了验证文中提出的方法的有效性,将该法与传统的AdaBoost算法做了比较,采用SJTU人脸库的300幅图片作为测试样本,实验表明文中的方法有助于提高人脸检测的速度和精度,如表2所示。

因为对初始图像进行肤色筛选后,降低了AdaBoost算法的复杂度,结果显示总的处理时间减小了,提高了系统的检测速度;另外,由于测试样本均采集于监控场景,直接利用AdaBoost算法检测造成的误检率是比较大的。

本文还对PTZ的视场大小与人脸检测率的关系做了如下分析,如图6所示。由分析知道视场小,则图像分辨率高,人脸检测效果更准确,因此为了获取感兴趣的目标,并对之进行跟踪、识别,需要将视场定位至该目标,并对场景进行缩放与拉伸,然而,实验结果表明,并不是视场越小,检测率越高。原因有以下两方面:

(1)PTZ摄像头调整过程中,人脸大小超出了视场的范围,导致人脸检测器分类效果不够明显;

(2)系统自身以及摄像头的时延也会给检测精度带来影响。

为了克服以上两方面的不足,实验中系统的最大视场倍数不超过18x,即检测到的人脸若占据图像85%以上的范围,则系统会自动缩放镜头,并维持在临界点附近,对人脸进行跟踪,直至在场景中消失。在减小系统的时延方面,对PTZ摄像头的控制算法进行了优化,充分利用了硬件和软件资源,由于该控制算法是针对单人的跟踪识别,因此场景中检测出的人脸若超过1个,系统首先会比较各个人脸区域大小,优先对比较大的区域进行跟踪并识别。

4 结束语

新型视频会议摄像机的设计与应用 篇5

视频会议摄像机作为视频会议设备的重要组成部分, 随着视频会议设备终端的日益普及, 视频会议摄像机也随之为越来越多的企业所使用。但是, 在实际视频会议应用中, 视频终端厂家所配置的摄像机大多是SONY公司的会议摄像机, 其自身的一些功能上的不足, 导致视频会议的实际应用出现了很多的问题。

2 视频会议摄像机需要解决的问题

2.1 通讯协议的兼容性问题

SONY公司会议摄像机的远程串行通讯控制, 只支持SONY VISCA协议, 不支持其它任何协议, 这就给系统的集成和会议话筒的自动跟踪设备的选择带来很大的麻烦, 对集成设备选择的兼容性提出了严格的要求。

2.2 预置点调用中的图像晃动问题

现在会议室所采用到摄像机, 在进行预置点调用的时候, 都是以最快的速度从现有位置旋转到另一个预设位置, 速度比较快而且不可设定。这就造成开会过程中, 从一个发言者过渡到另一个发言者的时候, 摄像机图像发生快速的移动, 中间过程的图像模糊不清, 给会议的观看者一种很不好的视觉效果。这种视频图像的效果, 在电视节目的制作中是绝对不允许出现的, 但在视频会议中确比较常见。

3 新型视频会议摄像机的设计

根据以上现有视频会议摄像机在使用过程中出现的诸多问题, 以及视频会议室的实际使用需求, 我们对视频会议摄像机在技术和功能上进行了改进和完善, 除了具有原有视频会议摄像机的所有功能以外, 还进行了很多的独特性设计, 很好的解决了以上诸多问题。

3.1 多种通讯协议互相兼容性设计

在新型视频会议摄像机的电路板通讯控制部分, 自主研发了多协议转化芯片, 使SONY VISCA协议、PELCO-D协议、PELCO-P协议、三星协议、松下协议、佳能协议等多种常见的协议都能够兼容使用。这种多协议互相兼容的新型视频会议摄像机, 可以方便的连接各种外围的控制键盘、联动控制器等控制设备, 为系统集成提供了多种可能的选择机会, 给使用者带来很大的便利。

3.2 预置点调用速度的可设定性设计

在新型视频会议摄像机的云台软件控制部分, 针对预置点调用的功能, 增加了速度设定的程序, 使会议摄像机的预置点调用的速度可以在最高速度与最低速度之间任意设定。通过这种改进, 使用户在开会过程中, 从一个发言者, 移动到另一个发言者的时候, 可以像拍摄电视节目的扫描方式一样, 以一个适合的速度从一个位置移动到另一个位置, 保持移动过程中的视频图像清晰可见, 这就很好的符合了人们的视觉习惯。

3.3 预置点调用过程中的镜像性设计

在新型视频会议摄像机的视频部分, 启用了视频镜像的功能, 使视频会议摄像机的视频图像在预置点调用的过程中静止在移动前的一帧画面上, 待摄像机的调用过程结束后, 再使视频图像恢复正常显示。由于摄像机的旋转速度很快, 与会人员很难发现这个图像镜像的过程, 使与会者在豪无察觉的情况下, 就已经完成了摄像机图像的调用过程。

4 应用前景

新型视频会议摄像机的出现, 很好地改变了视频会议的视觉效果, 使视频会议的过程更加人性化, 满足了众多视频会议室和普通会议室的使用需要。该会议摄像机已经广泛应用于政府机关、企事业单位、学校等对视觉效果要求比较高的会议室, 取得了比较好的应用效果。

摘要：在介绍了现有视频会议摄像机存在问题的基础上, 详细说明了新型视频会议摄像机的设计方法及解决问题的途径。最后介绍了新型视频会议摄像机的应用前景。

关键词：会议摄像机,速度设定,镜像

参考文献

电视视频摄像 篇6

目标

中石化曹妃甸原油商业储备基地工程为中国第三大原油商业储备基地, 包括32 座10 万立方米大型浮顶原油储罐、输油泵站、消防站等工程。随着原油商业储备基地的建成, 中石化在曹妃甸建成完善的接卸、储运体系, 为建设曹妃甸大型炼化基地奠定了基础, 对曹妃甸乃至华北地区的石化产业发展起到支撑作用。

为满足其生产操作、防火监视、安全保卫及管理的需要。在储备基地现场设置一套电视监视系统, 主要用于监控曹妃甸原油商业储备基地油罐罐区内、消防站、消防泵站、变电所、输油泵房、围墙及主要路口, 及时发现险情给予报警及火灾确认等, 同时与周界报警系统进行视频联动。

解决方案

曹妃甸油库电视监视系统采用基于IP网络的数字视频监控技术。图像数字化、传输、存储、管理系统构建在油库的计算机局域网系统之上, 网络采用开放的IP架构;主要设备:视频管理及流媒体服务器、视频存储服务器、电视监控终端、摄像机、云台、防护罩、光纤收发器、显示器等。

成效

监控用户可以利用计算机信息网上的任何一台微机/笔记本电脑当作监控客户端, 安装分控中心的客户端图像安装软件之后, 即可成为一个监控客户终端, 完全摆脱了专用监控室的概念, 使用户随时随地都能查看到所需要的画面。

中石化曹妃甸原油商业储备库仪表工程师说:“油库采用安讯士摄像机拍摄的监控图像非常清晰、流畅, 对我们生产管理起很大帮助。同时安讯士厂家售前售后的服务也都十分高效和专业, 与安讯士公司的此次合作让我们感到非常愉快和舒心!”

其它

在曹妃甸油库电视监视系统中, 前端全部采用Axis网络摄像机摄像机。在罐顶安装内置高清1080PAXIS Q1755的防爆摄像机, 用于监视防爆区域的设备状态;在生产区域及库区周界, 安装1080P室外高速球型高清摄像机 (AXIS Q6045-E) , 监视生产区域内人员及设备状态;在配电室、机柜间等室内区域安装1080P室内网络球机 (AXIS P5415-ZE) 。

来自前端Axis摄像机的网络, 通过光缆全部接入综合办公楼电视监控机柜;通过以太网光纤收发器 (接收机) , 接入控制中心网络交换机, 同时来自周界报警系统的报警开关量信号通过网络报警模块接入到核心交换机, 从而实现周界报警视频联动功能, 在综合办公楼设置一套电视监控网络视频管理及流媒体服务器软件, 用于对摄像机的管理及用户授权等系统管理;所有工业电视服务器及客户终端都连接到带光模块的千兆核心交换机上。

监控终端登录到管理服务器上后, 即可执行全部的视频图像监控任务, 其主要功能为:

实时监控功能

提供1/4/8/9/12/16 多分屏画面显示, 其中8/12 画面为不平均分割画面;1/4/9/16 画面全屏显示;可以显示任意组合画面;自定义镜头分组或者选择预定义镜头组, 根据分组镜头数自适应画面分割;支持组内镜头轮巡和全部镜头组轮巡;支持多种云镜控制协议;支持摄像机自动巡视功能;可以设置、调用预置位;地图辅助控制, 在辅助地图上直接控制云台镜头转动和调用预置位;控制权限优先级机制, 高权限用户和低权限用户有协商使用权限机制;支持语音对讲。

录像回放

提供计划录像、报警联动录像、手动录像、和手动抓图多种图像存储方式;按照地点、报警事件、时间检索录像资料;自由编辑录像播放列表并进行录像回放;对录像硬盘空间进行管理。

报警和联动

用户可以任意设定报警点布防和撤防时间;在布防时间段内, 服务器接收到报警信号可联动摄像机预置位、录像或者驱动其他设备协同工作;报警信息提示和弹出关联摄像机窗口或者相应设备所在地图;报警录像可以检索并导出到本地计算机;网络摄像机设备可以提供图像动态侦测功能。

电子地图功能

电视视频摄像 篇7

随着国家节能减排政策的实施, 公交系统规模的不断扩大, 越来越多的人开始乘坐公交车出行。随之而来的, 公交车营运人员的规范化运营以及乘客的安全保障也越来越被重视。公交车视频监控系统通过摄像头将车内情况实时录制到公交车里的硬盘上, 由于车辆数量庞大, 每辆车的车内系统可以看作是一个客户机, 当公交车进入车站时, 这些客户机便通过无线网络将视频数据传送到车站内的服务器中, 实现视频的集中管理[1]。如何保存视频, 以及如何将视频传送到服务器中, 成为实施中的关键环节[2]。本文提出了一套基于普通USB摄像头的公交车监控系统的设计方案, 并分析了其中的关键技术。

2、系统的整体结构和功能概述

本文的视频监控系统是由USB摄像头、客户机和服务器组成的。按照功能模块又可以分为视频采集模块、视频压缩模块和视频传输模块。整体系统结构如图1所示, 其中USB摄像头、客户机放在每辆公交车中, 无线路由器、服务器放置在车站内。

2.1 视频采集模块

USB摄像头通过USB接口与客户机相连, 客户机负责采集视频数据, 然后进行压缩处理与网络传输。服务器用来接收客户机发来的视频数据, 为用户提供实时的存储和查看功能。

2.2 视频压缩模块

由于通过USB摄像头采集来的数据容量太大, 比如采集一个宽度320像素、高度240像素、视频采样大小为24位、帧速率为30帧每秒的视频, 每采集1分钟视频数据将花去大约395MB的硬盘容量。经过压缩处理后容量将大大减少到2MB, 这样的压缩处理很有必要, 一方面将大大节约硬盘的容量, 有利于提高可存储的天数, 另一方面将有利于网络传输。

2.3 视频传输模块

每当公交车辆驶进车站时, 客户机都将试图通过TCP协议连接到站内的服务器, 一旦连接成功, 将自动把尚未传输的视频数据传输到服务器, 传输成功后将删除客户机上遗留的视频数据, 从而保证公交车上的客户机有无限存储能力。

3、各个模块的关键技术

3.1 视频采集模块

我们可以使用Microsoft的AVICAP32.DLL就可轻松的实现对摄像头编程, AVICAP32.DLL是Windows API应用程序接口相关模块, 用于对摄像头和其它视频硬件进行AVI电影和视频的截取。也可以使用Dspack控件, Dspack是Delphi用于做DirectShow开发的一套免费控件, 基于便利性考虑本文使用Dspack控件进行视频采集。核心代码如下:

3.2 视频压缩模块

本文将自动控制WisMencoder软件进行视频压缩, WisMencoder是一款专业的视频压缩工具, WisMencoder主要特点有:压缩速度快且质量较高、简洁而又丰富的设置外观非常便于操作、支持批量压缩和支持压缩的优先级等特点。当打开WisMencoder软件后, 我们利用FindWindow函数查找WisMencoder软件窗口, FindWindow函数的作用是返回与指定字符创相匹配的窗口类名或窗口名的最顶层窗口的窗口句柄。当找到窗口后模拟点击"添加文件"按钮, 代码如下:

弹出对话框后, 我们将模拟选择文件, 这里可以模拟选择多个文件, 代码如下:

等选择好文件后就可以模拟点击"开始压缩"按钮, 方法如模拟点击"添加文件"按钮。等压缩完了后我们可以使用SendMessage函数发送关闭窗口命令关闭WisMencoder软件。

3.3 视频传输模块

本文将采用Delphi自带的IdTCPServer和IdTCP-Client进行网络传输, IdTCPServer和IdTCPClient是基于TCP/IP协议的网络开发组件。传输的核心代码如下:

4、结束语

本文的创新点就是利用了USB摄像头作为视频监控系统的终端, 较之利用普通的车载监控录像机作为终端的系统具有结构简单、易于扩展、性价比高等特点。同时, USB摄像头和电脑的组合能更加方便地实现中间数据的处理、保存和查询等功能。整个系统可以被应用到车载监控、社区监控、写字楼等多种领域。当然整个系统还有很大的改进空间, 比如自动判断上下车人数, 如实现此功能, 将能够实现自动统计车费问题。

摘要：给出了基于普通USB摄像头的公交车视频监控系统的设计方案, 该系统将视频采集的数据进行压缩存放, 并利用公交车到站时的停车时间, 进行自动的无线传输, 将压缩视频传送到车站的服务器中, 具有很好的可扩展性。

关键词：USB摄像头,视频采集,车载视频监控,无线传输

参考文献

[1]闫琳.公交车车载视频监控系统解决方案探讨[J].北方交通, 2007 (8) :82-84