Python 基于相机高度计算广角/短焦距镜头引起的厘米/像素畸变

给定一个具有视场角

fov

、安装高度（厘米

height

）和一帧图像

的头顶摄像机，我可以使用以下代码计算边界框的最小和最大长度边（以像素为单位），用于检测人员：

def min_max_area(img, height, fov):
    """
    Use height (in centimeters) to determine the appropriate minimum and
    maximum pixel area for detecting people.
    """
    min_cm_width = 30  # female forearm-to-forearm is about 45 cm
    max_cm_width = 70  # male forearm-to-forearm is about 55 cm

    avg_person_height = 169

    # get real distance of camera view width and centimeters per pixel
    x = (height - avg_person_height) * math.tan(math.radians(fov/2)) * 2
    cm_per_pixel = x / img.shape[1]

    # determine minimum and maximum edge length of bounding box
    min_pixel_width = min_cm_width / cm_per_pixel
    max_pixel_width = max_cm_width / cm_per_pixel

    return min_pixel_width**2, max_pixel_width**2

这适用于标准焦距镜头或安装在离地面较远位置的短焦距镜头。例如，我用安装在274厘米处的106度视场摄像机进行了测试，这没问题。安装在209厘米处的60-70度FOV镜头工作良好，但无法捕获足够大的视场，因此需要使用广角镜头的解决方案

然而，当我使用安装在209厘米处的170度视场摄像机时，边界框太小，无法检测到站在摄像机下面的人。使用106度视场摄像机时，问题依然存在，尽管问题没有那么明显

这是安装在209厘米处的170度FOV摄像机的屏幕截图——红色和黑色方块分别是计算错误的最小和最大边界框：

我的想法是：


必须有一些数学来缩放边界框的大小

使用FOV/给定焦距可能足够，也可能不够

如果FOV/给定的焦距不够，计算相机的固有参数将很有希望

当发现轮廓时，使用其与光学中心的径向距离（与相机矩阵结合？）动态计算cms/像素，而不是假设整个图像的比例恒定


我认为可能包含与我的需求相关的信息，但我不确定…缩放边界框（如果可能）以纠正厘米/像素扭曲需要哪些相机参数（如果有）？如果可能的话，一个方程可以采用什么一般形式来实现这一点
 请添加Python标记。对于你的问题：正如你自己发现的，如何处理扭曲的图像，特别是广角拍摄的图像，是当前研究的一个主题。由于您希望将代码片段用于动态图像，我建议您规范化扭曲的部分（idk how）应用BB并将其转换回。如果您知道一篇处理这种失真的好文章，请告诉我：）请添加Python标记。对于你的问题：正如你自己发现的，如何处理扭曲的图像，特别是广角拍摄的图像，是当前研究的一个主题。由于您希望将代码片段用于动态图像，我建议您规范化扭曲的部分（idk how）应用BB并将其转换回。如果你知道一张处理这种失真的好纸，请告诉我：）