特定場景大視角視頻拼接技術(shù)研究與實現(xiàn)

林財明 衛(wèi)志敏

（華僑大學，福建 廈門 361021）

特定場景大視角視頻拼接技術(shù)研究與實現(xiàn)

林財明 衛(wèi)志敏

（華僑大學，福建 廈門 361021）

本文對視頻拼接設計了一個簡單的框架，主要是采用三路固定攝像進行實時拼接，在U u n t u 16.04系統(tǒng)安裝O p e n C V開源庫和C U D A 8.0軟件包，并使用該系統(tǒng)搭建視頻拼接框架系統(tǒng)。利用G PU編程技術(shù)，對視頻拼接技術(shù)中最耗時的特征匹配算法、細縫估計、多波段融合和扭曲映射算法進行加速。在計算資源足夠的情況下，利用C U D A進行在線實時視頻流拼接。

實時拼接；多波段融合；加速

1 引言

由于互聯(lián)網(wǎng)、云計算、大數(shù)據(jù)的快速發(fā)展，VR（Virtual Reality，即虛擬現(xiàn)實）直播是目前繼體驗店最容易商業(yè)化的領域。華人文化（CMC，華人文化基金、華人文化控股的并稱）宣布，旗下體奧動力與微鯨科技進入體育賽事VR內(nèi)容制作領域，將嘗試在中國國家隊、中超聯(lián)賽、足協(xié)杯賽、業(yè)余足球聯(lián)賽等足球賽事中提供VR直播信號。VR技術(shù)是一項目前來說前景不錯的技術(shù)，在體育賽事領域已有一定應用。

視頻拼接技術(shù)是屬于較新的研究領域，存在很大的研究空間。國內(nèi)外對于視頻拼接都朝著各種方向進行研究，并且取得一些成果。該技術(shù)在視頻會議、軍事監(jiān)控、交通導航等領域得到了廣泛的應用。視頻拼接技術(shù)也在VR中是一項非常重要的技術(shù)，在此背景下，本文對特定場景大視角視頻拼接技術(shù)進行了研究。

2 設計方案分析

目前，常用的拼接技術(shù)是以AutoStitch軟件的拼接框架為主，該拼接框架已經(jīng)非常成熟，是影像拼接的一個里程碑。AutoStitch必須滿足兩個條件：第一，影像疊區(qū)域要近似一個平面；第二，每個攝像機拍攝的光心要在同一點上。如果這兩個條件不滿足的話，那么因為視差問題帶來的鬼影和模糊現(xiàn)象將會非常嚴重。

本文采用的是基于足球場三路攝像頭+算法+CUDA編程的大視角拼接方案，覆蓋整個足球場。讓三路攝像頭光心盡量重合在一起，三路攝像頭擺放在一個圓盤上，這樣就可以減少因為物理問題帶來的重疊區(qū)域的鬼影和模糊現(xiàn)象。

圖1 設計框架圖

設計方案如圖1所示，首先輸入三路視頻流，然后對三路視頻流的第一幀影像進行特征點計算、匹配，并由特征點計算出相機參數(shù)，最終配準出正確的數(shù)據(jù)，并計算出相應的單應性矩陣；根據(jù)變形的模型和單應性矩陣把最終三幅影像映射為一幅影像的關(guān)系式計算出來，然后進行縫隙估計和曝光補償，使得拼接后的視頻更加自然，最后用多波段融合技術(shù)對每三幀進行融合處理，最終得出視頻拼接的大視角全景圖。

下面分四點闡述拼接的主要技術(shù)：

(1)找特征點

本文采用ORB算法，ORB特征是將FAST特征點的檢測方法與BRIEF特征描述子結(jié)合起來，并在它們原來的基礎上做了改進與優(yōu)化。首先，它利用FAST特征點檢測的方法來檢測特征點，然后利用Harris角點的度量方法，從FAST特征點中挑選出Harris角點響應值最大的N個特征點。其中Harris角點的響應函數(shù)定義為：

R=detM-α(traceM)2(1)

我們知道FAST特征點是沒有尺度不變性的，所以我們可以通過構(gòu)建高斯金字塔，然后在每一層金字塔圖像上檢測角點，來實現(xiàn)尺度不變性。那么，對于局部不變性，我們還差一個問題沒有解決，就是FAST特征點不具有方向，ORB[1]的論文中提出了利用灰度質(zhì)心法來解決這個問題。灰度質(zhì)心法假設角點的灰度與質(zhì)心之間存在一個偏移，這個向量可以用于表示一個方向。對于任意一個特征點p來說，我們定義p的鄰域像素的矩為：

其中I(x,y)為點(x,y)處的灰度值。那么可以計算出圖像的質(zhì)心為：

那么特征點與質(zhì)心的夾角定義為FAST特征點的方向：

要保證該算法具有旋轉(zhuǎn)不變性，需要確保x和y在半徑為r的圓形區(qū)域內(nèi)，即x，y∈[-r，r]，r等于鄰域半徑。

ORB選擇BRIEF作為特征描述方法，但是特征不具有旋轉(zhuǎn)不變性，所以給BRIEF加上旋轉(zhuǎn)不變性。對于任意的特征點，該描述子是一個長度為n的二值碼串，該二值串是由特征點周圍的n個點對(2n個點)組成的，我們把這2n個點組成一個矩陣S：

使用鄰域方向θ和對應旋轉(zhuǎn)矩陣Rθ，構(gòu)建S的一個校正版本Sθ=RθS其中

而θ就是公式(4)所求，把360o分為12份，然后對每一份求得Sθ,這樣一個查找表就創(chuàng)建成功，對于每一個θ，我們只需查找表即可快速得到它的點對集合Sθ。本文將ORB算法編寫成CUDA程序，使其效率更加高效，并用RANSAC算法篩選特征點。

(2)找縫隙

縫合線（Seam Line）是圖像拼接后在重疊區(qū)域內(nèi)形成的一條把兩幅拼接在一起的圖像明顯可區(qū)分開的分界線（又稱“拼接線”）。不消除它，對拼接圖像的視覺效果將產(chǎn)生不良影響，消除它可采用某種圖像融合策略。消除“拼接線”之前，需先找到“拼接線”在全景圖中的準確位置，即找到縫合線。目前用于縫合線搜索的主要技術(shù)有基于動態(tài)規(guī)劃法，該種方法依據(jù)一定的相似性準則找出符合最優(yōu)條件的縫合線。

(3)融合圖像

簡單的線性融合會使得影像的高頻部分被模糊，而多波段融合可以很好地解決這個問題，本文對于每一幅影像融合掩模公式(7)如下：

如果坐標(x,y)的值有最大權(quán)重，那么相應映射的位置設為1，否則設為0。最大權(quán)重映射通過和連續(xù)的高斯函數(shù)進行卷積產(chǎn)生融合映射：

在這個公式中，wiσ(x,y)是0到σ寬度的融合權(quán)重。新的波段頻率由公式(10)產(chǎn)生，相應的權(quán)重由公式(11)產(chǎn)生。

本文利用GPU對高斯金字塔和拉普拉斯金字塔算法進行編程，提高算法的執(zhí)行速度，以實現(xiàn)視頻實時拼接。

(4)Warps image部分

可以采用很多模型來進行圖像扭曲，因為對于不同的場景，全局單應性矩陣的對齊能力并不是十分完美，所以需要用更厲害的矩陣或者更多的單應性矩陣來解決。J Gao提出將場景劃分為背景平面和前景平面，用兩個單應性矩陣分別對齊背景和前景，這種方法可以無縫拼接大部分現(xiàn)實場景，但是需要拼接影像具有可以劃分為前景和背景的約束[2]。林溫燕提出用多個仿射變換，六參數(shù)的homography矩陣，經(jīng)過仿射變換的平行線依舊保持平行，能把正方形變成四邊形，局部變形和對齊能力很好，在某種程度上可以處理由視差帶來的重影問題[3]。J Zaragoza提出一種新的homography，主要將圖像劃分為密集網(wǎng)格，每個網(wǎng)格都用一個單應性矩陣對齊，并給出一套高效的計算方法Moving DLT。但是計算如此多單應性矩陣，計算量極大，所以此處必須用GPU編程實現(xiàn)，否則實時拼接是不可能的。2014年張帆提出的拼接方案是在整個重疊區(qū)域所有的輸入圖像并不需要精確對齊。采用混合對齊模型，開發(fā)一種隨機算法來尋找最佳的單應性矩陣，將單應性矩陣和content-preserving warping進行結(jié)合，最后將對齊的影像用標準的seam-cuting算法和多波段融合算法組合起來，可以有效處理視差和局部畸變問題[4]。張哲瀚提出的變形方法則是采用分三大塊處理，借鑒圖像縮放形狀保持的方法，非重疊區(qū)域逐漸過渡到全局相似變換，能把正方形變成矩形，并對整個圖像增加相似變換約束，矯正拼接圖像的形狀，減小由于投影帶來的畸變問題[5]。林宗慶提出的變形方法是用對單應性矩陣進行約束，不過它采用兩種線性單應性矩陣和全局相似變換相結(jié)合來進行影像的拼接[6]。

以上的變形方案都是對單應性矩陣做文章，但不同方案相應的計算量都很大，對于不同場景，如果想利用比較好的單應性矩陣，就得優(yōu)先考慮GPU編程。

三路視頻拼接最重要的問題就是實時性，還有本文采用的大視角拼接系統(tǒng)，三路攝像頭擺放位置都是固定的，所以針對影像拼接框架中，利用特征點計算單應性矩陣，本文只計算一次，然后利用它進行后續(xù)的處理。

3 實驗結(jié)果分析

圖2 輸入影像

圖3 輸出影像

由于本文的實現(xiàn)目標是想達到實時性，但是由于細縫估計和多波段融合方面的耗時比較大，所以將這兩部分算法用GPU編程實現(xiàn)，目前所能達到的效果是720p三路視頻每秒20幀左右，實現(xiàn)平臺i7-7700hq，系統(tǒng)ubuntu16.04，GPU為TITAN BLACK。本文采用扭曲方式是圓柱映射，這部分算法代碼也需要用GPU編程來實現(xiàn)。

4 結(jié)論

本文采用三路視頻對足球場進行拼接，首先計算速度慢，因為針對單應性矩陣的優(yōu)化方法，很多文章都有提及，但是想擴展到視頻拼接上，最直接的思路是利用GPU的并行來加速單應性矩陣的計算。對拉普拉斯金字塔融合算法進行優(yōu)化，并移植在GPU上運行，可以消除小部分的重影問題。對視頻進行實時拼接，利用CUDA進行加速，是一個目前來說最完美的方案。

[1]Rublee E，Rabaud V，Konolige K，et al. ORB: an efficient alternative to SIFT or SURF. Proceedings of the IEEE International Conference on Computer Vision，Barcelona，Spain，2011: 2564—2571.

[2]Gao, J., Kim, S.J., Brown, M.S.: Constructing image panoramas using dual-homography warping. In: Proceedings of the 2011 IEEE Conference on Computer Vision and Pattern Recognition. pp. 49{56. CVPR '11 (2011).

[3]W.-Y. Lin, S. Liu, Y. Matsushita, T.-T. Ng, and L.-F. Cheong. Smoothly varying affine stitching. In Computer Vision and Pattern Recognition (CVPR), 2011 IEEE Conference on, pages 345–352. IEEE, 2011.

[4]F. Zhang and F. Liu. Parallax-tolerant image stitching. In Computer Vision and Pattern Recognition (CVPR), 2014 IEEE Conference on. IEEE,2014.

[5]Chang, C.H., Sato, Y., Chuang, Y.Y.: Shape-preserving half-projective warps for image stitching. In: Proceedings of the 2014 IEEE Conference on Computer Vision and Pattern Recognition. pp. 3254{3261. CVPR ' 14 (2014).

[6]C.-C. Lin, S. U. Pankanti, K. N. Ramamurthy, and A. Y. Aravkin, “Adaptive as- natural- as- possible image stitching,”in Proc. IEEE Conf.Comput. Vis. Pattern Recog., Jun. 2015, pp. 1155–1163.

[7]Brown, M., Lowe, D.G.: Recognizing panoramas. In: Proceedings of the Ninth IEEE International Conference on Computer Vision - Volume 2. pp. 1218{. ICCV'03 (2003).

[8]Brown, M., Lowe, D.G.: Automatic panoramic image stitching using invariant features. Int. J. Comput. Vision 74(1), 59{73 (Aug 2007).

[9]Carroll, R., Agrawal, M., Agarwala, A.: Optimizing content- preserving projections for wide- angle images. ACM Transactions on Graphics 28(3), 43 (2009).

Research and Realization of Large-angle Video Stitching Technology in Specific Scene

Lin Caiming Wei Zhimin
(Huaqiao University,Xiamen 361021,Fujian)

tract】 This paper designs a simple framework for video stitching,mainly using three fixed camera for real-time stitching;installs OpenCV base and CUDA8.0 software package in the Uuntu16.04 system;and uses the system to build video stitching frame system.It uses GPU programming technology to accelerate the most time-consuming algorithms of video stitching technology,such as feature matching,slit estimation,multi-band fusion and twist mapping.With sufficient calculation resources,CUDA is used for the online real-time video stream stitching.

words】 real-time stitching;multi-band fusion;accelerate

TP391.41

A

1008-6609(2017)04-0025-03

林財明（1991-），男，福建泉州人，碩士研究生，研究方向為圖像處理、機器學習、深度學習。

華僑大學研究生科研創(chuàng)新能力培育計劃資助項目，項目編號：1511401021。