消防体系中双目摄像机特征点提取算法浅析

许继阳

（大庆油田信息技术公司规划设计中心，黑龙江 大庆 163000）

0 引 言

利用视频技术对大空间建筑展开消防监控，需要将双目摄像机获取到的图像数据进行分析处理，从而确定火灾发生点。双目摄像机的优势在于能够从不同的视角对目标物体进行数据获取，而普通摄像机只能产生平面数据，只能提供方向数据，无法提供距离数据。双目摄像机能够实现从二维图像到三维空间的映射。在这个数据处理和映射的过程中，特征点的提取是重要根基之一。当火灾发生时，系统会首先对火源图像进行预处理，提升匹配精度，而后展开特征点的提取和匹配。该领域存在多种算法，应用比较广泛的是尺度不变特征变换（Scale Invariant Feature Transform，SIFT）特征点算法以及其他在此基础上改进的算法，都是相关研究人员关注的重点[1]。

1 SIFT算法原理分析

SIFT算法于2004年由M.Brown和D.Lowe等人提出。严格来说，这也是一种改进算法，其核心思想是利用高斯差分在图像中计算出极值点，进一步将对比度偏低以及不稳定的极值点剔除，其以极值点的邻域梯度作为主方向[2]。SIFT算法首先假设数字图像I(x,y)的尺度空间函数为：

式中：等式右侧第一个部分G函数为二维高斯函数；σ为尺度因子。则高斯函数的表达式为：

对于极值点的计算，首先将原始图像以s倍变化距离进行采样，建立图像分层结构。而后依据式（1）对图像的每一层用不同尺度因子的高斯函数计算卷积，得到数字图像的高斯金字塔，每一层高斯函数的尺度因子变化保持k倍。……