论文部分内容阅读
目前,越来越多的应用如几何重建、碰撞检测、混合现实、手势识别等,都依赖于对三维场景准确且快速的分析。通过基于图像的分析或者激光扫描技术来获取场景的深度图,其代价高昂且十分耗时。作为距离测量中一种可替代的设备,深度相机拥有传统的三维测量系统所不具备的一些优点,如结构小巧以及较高的拍摄速度等,对计算机视觉、计算机图形学、人机交互等领域带来了重要影响。
作为目前面世的深度相机中的一种,基于飞行时间原理的深度相机通过测量光线发射到物体表面后反射回来的时间差,能够实时计算出物体表面的深度信息。但目前TOF深度相机的噪声较大,所获取的深度图像的分辨率也较低。因此,研究解决TOF深度相机的去噪以及超分辨率问题,具有重要的实际意义。
同时,TOF深度相机的成像速度较快。为了与之相协调,本文在研究面向TOF深度相机计算机视觉算法时,如马尔科夫随机场实时求解问题,对这些算法进行了巧妙的设计以及优化,以便利用GPU强大的计算性能进行算法加速,最终使得算法的处理速度与TOF深度相机的成像速度相协调。
尽管TOF深度相机在许多领域得到了广泛应用,但在人体生物特征识别领域,TOF深度相机应用报道相对较少。在深入研究TOF深度相机基础算法之后,我们开发了一套基于TOF深度相机的人脸识别系统。与传统的人脸识别系统相比较,开发的系统充分利用了人脸的三维信息,对环境中光线的变化也不敏感,具有较高的识别率和较好的鲁棒性。同时,由于TOF深度相机获取人脸的三维信息速度较快,开发的系统可以实时对人脸进行判断和比较,在实时生物特征识别应用场合,具有较大的潜在使用价值。