随着图像处理技术的发展和视频采集设备的普及,利用图像处理技术实现人员识别和定位成为了研究的重点。本文开展基于双目摄像头的人员识别和定位关键技术研究。论文主要工作包括:(1)研究双目摄像头人员识别和定位的相关理论和硬件平台。首先介绍了摄像头的成像原理,然后研究了基于双目摄像头的人员识别和定位中的机器学习算法。最后搭建双目摄像头人员识别和定位的硬件实验平台,为算法性能分析提供坚实基础。(2)提出基于双目摄像头的人员识别和定位一体化算法。利用双目摄像头的人脸灰度图片,将人员识别问题转化为机器学习的分类问题,并通过卷积神经网络的离线学习,实现人员识别。利用双目摄像头的深度图片,将位置估计问题转化成机器学习回归问题,通过支持向量机进行离线学习,从而实现位置估计。算法充分利用双目摄像头所能提供的灰度和深度图片,将人员识别和定位同时进行,算法开销小。同时由于机器学习算法的使用,使得人员识别和定位时间开销小,算法性能高。实验结果表明,在最大训练样本下,所提算法的人员识别正确率为91%,定位距离的平均误差小于5cm。(3)提出了基于双目摄像头深度图片的稳健位置估计算法。离线阶段,将获得的深度图片进行图片裁剪处理,选取深度图片中不受人员变化影响的深度信息,然后通过卷积核对深度图片信息进行特征提取,去除图片中的无用信息,降低噪声,从而提高离线学习的效率。最后通过支持向量机方法进行基于位置的回归学习。得到位置回归模型。在线阶段,对获得的深度图片进行裁剪和卷积核特征提取后,通过位置回归模型直接计算出位置。实验结果表明,在定位人员变化的情况下,所提算法能够比现有算法产生更好的定位效果,具有稳健性。