(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210855904.7 (22)申请日 2022.07.21 (65)同一申请的已公布的文献号 申请公布号 CN 114926508 A (43)申请公布日 2022.08.19 (73)专利权人 深圳市海清视讯科技有限公司 地址 518100 广东省深圳市宝安区西乡街 道固戍开发区泰华梧桐工业园8号建 筑3层 (72)发明人 梁书玉　周波　陈永刚　苗瑞　 邹小刚　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 吴会英　臧建明(51)Int.Cl. G06T 7/246(2017.01) G06T 7/13(2017.01) G06T 7/73(2017.01) (56)对比文件 CN 112308977 A,2021.02.02 CN 112288878 A,2021.01.2 9 WO 2022088819 A1,202 2.05.05 CN 103279952 A,2013.09.04 CN 1042385 58 A,2014.12.24 审查员 吴琼乐 (54)发明名称 视野分界线确定方法、 装置、 设备及存储介 质 (57)摘要 本申请提供一种视野分界线确定方法、 装 置、 设备及存储介质。 该方法包括： 获取存在重叠 视域的第一和第二目标图像； 采用尺度不变特征 转换算法分别提取第一和第二目标图像的第一 和第二特征极值点组； 根据第一和第二特征极值 点组确定第一和第二目标图像的重叠视域； 采用 哈里斯角点检测算法分别提取第一和第二目标 图像的第一和第二特征角点组； 根据第一和第二 特征角点组从第一和第二特征极值点组中确定 第一和第二目标图像的K个目标特征点对； 根据K 个目标特征点对确定第一和第二目标图像所在 的第一和第二监控视频的视野分界线。 本申请的 方法， 能够确定出 更准确的视野分界线。 权利要求书3页 说明书18页 附图6页 CN 114926508 B 2022.11.25 CN 114926508 B 1.一种视野分界线确定方法， 其特 征在于， 包括： 获取第一目标图像和第 二目标图像； 第 一目标图像和第 二目标图像为第 一监控视频和 第二监控视频在同一时间的视频帧； 第一 监控视频和第二 监控视频存在重 叠视域； 采用尺度不变特征转换算法分别提取第一目标图像的第一特征极值点组和第二目标 图像的第二特征极值点组； 所述第一特征极值点组包括M个第一特征极值点， 所述第二特征 极值点组包括 N个第二特 征极值点， M和N均为自然数； 根据所述第一特征极值点组和所述第二特征极值点组确定第一目标图像和第二目标 图像的重 叠视域； 采用哈里斯角点检测算法分别提取第一目标图像在重叠视域的第一特征角点组和第 二目标图像在重叠视域的第二特征角点组； 第一特征角点组包括P个第一特征角点， 第二特 征角点组包括 Q个第二特 征角点， P和Q均为自然数； 根据所述第一特征角点组和所述第二特征角点组从所述第一特征极值点组和所述第 二特征极值点组中确定第一 目标图像和第二 目标图像的K个目标特征点对； 每个目标特征 点对包括一个第一特 征极值点和一个第二特 征极值点； K为自然数， K≤P且K≤Q； 根据K个目标特征点对确定第一监控视频和第二监控视频的视野分界线； 第一监控视 频的视野分 界线为第一监控视频中第二监控视频的视野边界； 第二监控视频的视野分界线 为第二监控视频中第一 监控视频的视野边界； 所述根据所述第一特征角点组和所述第二特征角点组从所述第一特征极值点组和所 述第二特 征极值点组中确定第一目标图像和第二目标图像的K个目标 特征点对， 包括： 将第一特征极值点组中， 与第 一特征角点组中各特征角点的位置信 息最接近的各特征 极值点确定为目标 特征点对中的各第一特 征极值点； 将第二特征极值点组中， 与第 二特征角点组中各特征角点的位置信 息最接近的各特征 极值点确定为目标 特征点对中的各第二特 征极值点。 2.根据权利要求1所述的方法， 其特征在于， 特征极值点包括位置信息、 尺度信息和方 向信息， 所述根据所述第一特征极值点组和所述第二特征极值点组确定第一目标图像和 第 二目标图像的重 叠视域， 包括： 根据所述第 一特征极值点组中各第 一特征极值点的位置信 息、 尺度信 息和方向信 息生 成各第一特征极值点的描述子向量， 并根据所述第二特征极值点组中各第二特征极值点的 位置信息、 尺度信息和方向信息生成各第二特 征极值点的描述子向量； 根据各第一特征极值点的描述子向量和各第二特征极值点的描述子向量将各第一特 征极值点和各第二特征极值点进 行匹配， 以确定第一目标图像和 第二目标图像的特征匹配 点组； 将第一目标图像和第二目标图像中所述特征匹配点组所在的区域确定为所述重叠视 域。 3.根据权利要求1所述的方法， 其特征在于， 特征极值点包括位置信息； 特征角点包括 位置信息； 所述根据所述第一特征角点组和所述第二特征角点组从所述第一特征极值点组 和所述第二特 征极值点组中确定第一目标图像和第二目标图像的K个目标 特征点对， 包括： 根据所述第一特征角点组中各第一特征角点的位置信息和所述第一特征极值点组中 各第一特征极值点的位置信息， 从第一特征极值点组中确定第一候选特征点组； 第一候选权　利　要　求　书 1/3 页 2 CN 114926508 B 2特征点组包括 I个第一候选特征点， I为自然数且I≤ M； 根据所述第二特征角点组中各第二特征角点的位置信息和所述第二特征极值点组中 各第二特征极值点的位置信息， 从第二特征极值点组中确定第二候选特征点组； 第二候选 特征点组包括J个第二 候选特征点， J为自然数且J≤N； 根据第一 候选特征点组和第二 候选特征点组确定K个目标 特征点对， K≤I， K≤J。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述第 一特征角点组中各第 一特 征角点的位置信息和所述第一特征极值点组中各第一特征极值点的位置信息， 从第一特征 极值点组中确定第一 候选特征点组， 包括： 针对所述第一特 征极值点组中每 个第一特 征极值点， 执行以下操作： 确定所述第一特征角点组中是否存在与第一特征极值点的位置信息相同的第一特征 角点； 若确定存在与第 一特征极值点的位置信 息相同的第 一特征角点， 则将第 一特征极值点 确定为第一 候选特征点组中的第一 候选特征点。 5.根据权利要求3所述的方法， 其特征在于， 特征极值点还包括尺度信息和方向信息； 所述根据第一 候选特征点组和第二 候选特征点组确定K个目标 特征点对， 包括： 根据第一候选特征点组中各第 一候选特征点的位置信 息、 尺度信 息和方向信 息生成各 第一候选特征点的描述子向量； 根据第二候选特征点组中各第 二候选特征点的位置信 息、 尺度信 息和方向信 息生成各 第二候选特征点的描述子向量； 依次确定各第一候选特征点的描述子向量与各第二候选特征值极值点的描述子向量 是否能够相互匹配， 并将能够相互匹配的第一候选特征点和 第二候选特征点确定为一个目 标特征点对， 以确定出 K个目标特征点对。 6.根据权利要求5所述的方法， 其特征在于， 所述依次确定各第 一候选特征点的描述子 向量与各第二 候选特征点的描述子向量是否能够相互匹配， 包括： 针对每一个第一 候选特征点， 执行以下操作： 计算第一 候选特征点的描述子向量与各第二 候选特征点的描述子向量之间的距离； 将描述子向量与第一候选特征点的描述子向量距离最近的第二候选特征点确定为第 一候选特征点的匹配点； 针对每一个第二 候选特征点， 执行以下操作： 计算第二 候选特征点的描述子向量与各第一 候选特征点的描述子向量之间的距离； 将描述子向量与第二候选特征点的描述子向量距离最近的第一候选特征点确定为第 二候选特征点的匹配点； 若第一候选特征点与第 二候选特征点相互为匹配点， 则确定第 一候选特征点与第 二候 选特征点能够相互匹配。 7.根据权利要求1 ‑6任一项所述的方法， 其特征在于， 所述根据K个目标特征点对确定 第一监控视频和第二 监控视频的视野分界线之后， 还 包括： 根据所述视野分界线生成运动目标的可见性判别函数； 可见性判别函数用于判断运动 目标在第一 监控视频或第二 监控视频中是否可 见； 获取第一监控视频和第 二监控视频， 并采用三帧差分法获取第 一监控视频中的第 一运权　利　要　求　书 2/3 页 3 CN 114926508 B 3