视频拼接中最优自适应单应性矩阵求解算法

针对交通场景中对视频拼接速度要求较高的特点,提出了利用视频帧最优单应性矩阵进行实时拼接的双线程快速算法。首先,利用SURF(Speeded up robust features)算法提取图像特征点;其次,通过NN(Nearest neighbor)算法以及优化的RANSAC(Random sample con-sensus)算法进行特征点的匹配,并去除误匹配点对;再次,利用重叠区域的归一化协方差相关函数最大化得到视频前k帧配准效果最佳的单应性矩阵,作为后继视频帧场景拼接的映射矩阵;同时,采用KLT算法对k+1的后继视频帧特征点进行动态跟踪,若匹配点对的数量变化超过了给定的阈值,则认为当前的最优单应性矩阵需要进行优化和变换,重新计算k幅视频帧中新的特征点对,经匹配后求取新的最优单应性矩阵。在交通场景中的拼接实验证明,该快速算法平均视频帧的拼接处理速度小于100ms,对存在旋转、尺度缩放、视角以及光照变化的图像都具有良好的拼接效果,具有参数估算准确,计算量小、速度快的优点,能够满足系统对视频拼接的实时性和精确性要求。