OpenCV测距在安防领域的应用：打造智能化安防系统

# 1. OpenCV测距技术简介

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，广泛应用于图像处理、视频分析和机器学习等领域。其中，OpenCV测距技术是利用计算机视觉算法来估计目标物体的距离。

测距技术在安防领域有着广泛的应用，例如人脸识别、物体检测和行为分析。通过准确估计目标物体的距离，安防系统可以提供更可靠和有效的安全保障。

# 2. OpenCV测距算法原理与实践

### 2.1 单目视觉测距算法

单目视觉测距算法利用单目摄像头获取的图像信息，通过几何关系和图像处理技术，推算出目标物体的距离。

#### 2.1.1 三角测量法

三角测量法是一种经典的单目视觉测距方法。其原理是利用已知相机的焦距和拍摄目标物体的两张图像，通过三角形相似性原理计算出目标物体的距离。

import cv2
import numpy as np

def triangulate_measurement(img1, img2, camera_matrix, dist_coeffs):
    # 相机内参矩阵
    K = camera_matrix
    # 相机畸变系数
    dist = dist_coeffs

    # 提取特征点和匹配
    kp1, des1 = cv2.ORB_create().detectAndCompute(img1, None)
    kp2, des2 = cv2.ORB_create().detectAndCompute(img2, None)
    bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
    matches = bf.match(des1, des2)
    matches = sorted(matches, key=lambda x: x.distance)

    # 筛选匹配点
    good_matches = []
    for m in matches:
        if m.distance < 0.75 * matches[0].distance:
            good_matches.append(m)

    # 获取匹配点的像素坐标
    pts1 = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2)
    pts2 = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2)

    # 三角测量
    retval, rvec, tvec, inliers = cv2.solvePnPRansac(pts1, pts2, K, dist)

    # 计算距离
    distance = np.linalg.norm(tvec)

    return distance

**逻辑分析：**

1. `triangulate_measurement` 函数接收两张图像、相机内参矩阵和畸变系数作为输入。
2. 提取特征点和匹配，并筛选出良好的匹配点。
3. 获取匹配点的像素坐标并进行三角测量，求解旋转和平移向量。
4. 根据平移向量计算目标物体的距离。

#### 2.1.2 立体匹配法

立体匹配法利用双目摄像头获取的图像信息，通过寻找两幅图像中对应点的匹配关系，计算出目标物体的深度信息。

import cv2
import numpy as np

def stereo_