申请/专利权人：广州市艾索技术有限公司

申请日：2024-03-21

公开（公告）日：2024-06-07

公开（公告）号：CN117934571B

主分类号：G06T7/33

分类号：G06T7/33;G06T7/35;G06T3/147;G06V20/40;G06V20/52;G06V10/46;G06V10/74;H04N19/85

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明涉及图像处理技术领域，具体涉及一种4K高清的KVM坐席管理系统。该系统包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：获取待监测区域在不同角度下的4K高清监控，采用sift特征点匹配算法对每两个角度下的监控图像进行处理获得特征点以及各匹配对；利用不同放大倍数和不同旋转角度对每两个角度下的监控图像进行处理，获得初始异常程度，根据每个匹配点对中的特征点所在的监控图像对应的时刻之前同一角度下的监控图像中的特征点之间的位置，确定修正后的拟合程度阈值，进而对监控图像进行融合获得融合图像，对融合图像进行压缩处理。本发明提高了监控图像的融合效果。

主权项：1.一种4K高清的KVM坐席管理系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：获取待监测区域在不同角度下的监控视频，所述监控视频是由连续多帧4K高清监控图像构成的；分别采用sift特征点匹配算法对同一时刻的每两个角度下的监控图像进行处理获得监控图像中的特征点以及各匹配对；利用不同预设放大倍数和不同预设旋转角度对同一时刻的每两个角度下的监控图像进行处理，基于处理之后每个匹配点对中两个像素点的邻域内像素点的灰度值的相似情况，获得每帧监控图像对应的最优放大倍数、最优旋转角度以及每个匹配点对之间的相似性；根据每个匹配点对中的特征点的邻域内像素点所对应的相似性、每个匹配点对中特征点的位置、所述最优放大倍数和所述最优旋转角度，得到每个匹配点对的初始异常程度；根据每个匹配点对中的特征点的位置分布以及每个匹配点对中的特征点所在的监控图像对应的时刻之前同一角度下的监控图像中的特征点之间的位置分布，对所述初始异常程度进行修正，获得每个匹配点对的目标异常程度；基于所述目标异常程度确定每个匹配点对中的每个特征点修正后的拟合程度阈值；基于所述修正后的拟合程度阈值选取内点集，对不同角度下的每两帧监控图像进行融合获得融合图像，对所述融合图像进行压缩处理；所述根据每个匹配点对中的特征点的邻域内像素点所对应的相似性、每个匹配点对中特征点的位置、所述最优放大倍数和所述最优旋转角度，得到每个匹配点对的初始异常程度，包括：对于任一匹配对：将该匹配对中的第2个特征点所在的监控图像对应的最优旋转角度记为参考角度，基于所述参考角度构建该匹配对的旋转变换矩阵，所述旋转变换矩阵的大小为，旋转变换矩阵中第一行第一列的元素和第一行第二列的元素均为参考角度的余弦值，第一行第二列的元素为参考角度的正弦值的相反数，第二行第一列的元素为参考角度的正弦值；基于每个匹配点对中的像素点的邻域内像素点所对应的相似性、每个匹配点对中特征点的位置、所述最优放大倍数和所述旋转变换矩阵，得到每个匹配对的初始异常程度；采用如下公式计算第i个匹配对的初始异常程度： 其中，表示第i个匹配对的初始异常程度，表示第i个匹配对中的第1个特征点的邻域内包含的属于匹配对中的特征点的数量，表示第i个匹配对中的第1个特征点的邻域内包含的属于匹配对中的特征点所在的第j个匹配对之间的相似性，表示第i个匹配对中的第1个特征点的邻域内包含的属于匹配对中的特征点所在的第j个匹配对中的第1个特征点所在的监控图像对应的最优放大倍数，表示第i个匹配对中的第1个特征点的邻域内包含的属于匹配对中的特征点所在的第j个匹配对中的第2个特征点所在的监控图像对应的最优放大倍数，表示第i个匹配对中的第1个特征点的邻域内包含的属于匹配对中的特征点所在的第j个匹配对的旋转变换矩阵，表示第i个匹配对中的第1个特征点的坐标，表示第i个匹配对中的第1个特征点的邻域内包含的属于匹配对中的特征点所在的第j个匹配对中的第1个特征点的坐标，表示第i个匹配对中的第1个特征点的邻域内包含的属于匹配对中的特征点所在的第j个匹配对中的第2个特征点的坐标，表示第i个匹配对中的第2个特征点的坐标，表示向量的L2范数；所述根据每个匹配点对中的特征点的位置分布以及每个匹配点对中的特征点所在的监控图像对应的时刻之前同一角度下的监控图像中的特征点之间的位置分布，对所述初始异常程度进行修正，获得每个匹配点对的目标异常程度，包括：对于第i个匹配对：将第i个匹配对所在的监控图像对应的时刻之前的预设时间段记为参考时间段，将参考时间段内与第i个匹配对所在的监控图像对应的角度相同的监控图像记为参考图像；分别获取每帧参考图像中与第i个匹配对中的第1个特征点的位置差异最小的特征点，并作为每帧参考图像中的第一参考点；分别基于每两帧相邻参考图像中第一参考点的坐标，获得每两帧相邻参考图像的第一参考点对应的坐标差值向量，将每两帧相邻参考图像的第一参考点对应的坐标差值向量与预设方向之间的夹角作为第一角度；分别将每两帧相邻参考图像的第一参考点对应的坐标差值向量的模长记为第一模长；分别将每个第一模长与所有第一模长的均值之间的差异的负相关归一化结果作为每个第一角度对应的权重系数，将每个第一角度与对应的权重系数之间的乘积记为每个第一角度对应的第一乘积；分别获取每帧参考图像中与第i个匹配对中的第2个特征点的位置差异最小的特征点，并作为每帧参考图像中的第二参考点；分别基于每两帧相邻参考图像中第二参考点的坐标，获得每两帧相邻参考图像的第二参考点对应的坐标差值向量，将每两帧相邻参考图像的第二参考点对应的坐标差值向量与预设方向之间的夹角作为第二角度；分别将每两帧相邻参考图像的第二参考点对应的坐标差值向量的模长记为第二模长；分别将每个第二模长与所有第二模长的均值之间的差异的负相关归一化结果作为每个第二角度对应的权重系数，将每个第二角度与对应的权重系数之间的乘积记为每个第二角度对应的第二乘积；所有所述第一乘积构成第一乘积序列，所有所述第二乘积构成第二乘积序列，计算所述第一乘积序列与所述第二乘积序列之间的皮尔逊相关系数；基于所述皮尔逊相关系数对第i个匹配对的初始异常程度进行修正，得到第i个匹配点对的目标异常程度；采用如下公式计算第i个匹配点对的目标异常程度： 其中，表示第i个匹配点对的目标异常程度，表示第i个匹配对的初始异常程度，表示第一乘积序列，表示第二乘积序列，表示两个序列之间的皮尔逊相关系数，表示取绝对值符号。

全文数据：

权利要求：

百度查询： 广州市艾索技术有限公司 一种4K高清的KVM坐席管理系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD