行车记录仪特征匹配品质的提高



行车记录仪特征匹配品质的提高

汽车上使用的行车记录仪主要依靠摄像机自动白平衡功能实现视频色调的自动调整。然而，这种自动白平衡功能不能满足计算机视觉算法的要求，如进行目标检测和识别时，色调的不断变化影响目标特征的匹配，因而行车记录仪记录的视频品质需要提高。目前，常用的改进视频图像帧品质（图像颜色传递和对比度增强）的算法只适用于单一图像，即使其进行逐帧处理，视频的帧与帧之间仍然不连贯。通过考虑光度和几何方面的影响，将摄像机标定应用在每一幅图像帧中，以消除由相机镜头产生的几何失真。同时，自动调整各图像帧之间的色调差，产生连贯一致的视频。

所提出的处理方法分为几何校准、锚帧提取、颜色平衡、色调稳定4个步骤。①几何校准：行车记录仪所记录的视频常被作为法律诉讼的证据，并试图在特定场景中捕捉更多的信息，因而使用了广角镜头，但是广角特性使视频产生径向畸变，需要利用双附加失真系数对畸变后的视频进行几何校准。②锚帧提取：将视频中的图像帧进行排序形成图像帧集合，将平均颜色矢量作为每一幅图像帧的特征向量，使用K-均值聚类法从中选择锚帧。③颜色平衡：行驶环境的快速变化或自动白平衡使锚帧色调发生变化，若能维持锚帧中红、绿、蓝3种颜色的平衡，便可以实现锚帧之间色调的一致性。利用灰度世界算法对每一个锚帧进行白平衡处理。④色调稳定：利用了Farbman（法布曼）和Lischinski（里奇斯）所开发的色调稳定算法对锚帧色调进行平滑处理。试验时，使用Itronics ITB-100HD行车记录仪，利用进出隧道和改变行驶方向使照明条件变化产生光度波动。利用尺度不变特征变换方法进行视频初始特征定位，之后利用局部灰度序模式、KLT算法、尺度不变特征转换、BRIEF方法分别对改进后的视频进行特征描述和匹配。4种特征描述方法的试验结果显示：与原始视频相比，改进后视频的色调稳定平均提高了3.6%。

Christian Simon et al. 2014 Annual Summit and Conference Asia- Pacific Signal and Information Processing Association, Siem Reap Dec. 09-12, 2014.

编译：王维