论文部分内容阅读
摘要:人体检测技术在安防和智慧城市建设中具有着重要的地位,是对人的身份及姿势识别的前提。而以Kinect为代表的深度相机又为视频中的运动人体检测带来了极大的便利和检测精度的提高,因而研究基于Kinect的运动人体检测技术具有显著的实际应用价值。本文对此开展了如下研究:(1)鉴于Kinect作为一个双目视觉系统,在将其应用于视频采集前,首先完成了RGB相机和IR相机的标定,在此基础上,根据两相机生成图像的同步性,计算出两类图像坐标间的旋转矩阵及平移向量。另外,通过实验证明两相机存在的视场差比视角差对两类图像间的差异影响更大,从而,说明了两类图像在坐标转换后直接信息融合是不准确的。(2)检测算法的研究。首先引入了单高斯背景模型,对深度图像建立了一个自动更新的单高斯模型,由模型的统计量计算出阈值,从而检测出人体;此外利用深度图像中前景和背景的强度在边界处会出现跃变,提出基于sobel算子的人体检测方法。还利用了标定和成像研究的结论,结合RGB与深度图像信息,提出了缩放式匹配法检测人体。最后,对各方法从时间复杂度、检测人体的完整度及算法适用性三个方面进行了定量评价。(3)检测后处理研究。Kinect受距离及物体对近红外光的反射因素的影响,检测出的人体存在较大的缺损和噪声。本文在论述了修复规则和基于偏微分的修复模型后,针对深度信息修复问题,提出了基于邻域纵向梯度的修复方法,该修复方法采用邻域的统计特征作为参考信息,并采用基于偏微分的修复模型为校正模型,综合多种特征完成深度图像人体区域的修复,实验结果表明该方法能够取得较准确的修复结果。之后,结合深度图像的局部结构信息和所对应的深度值,利用局部深度均值,并参考人体结构特征,对深度图进行滤波处理,有效去掉了深度数据中的噪声。(4)在Microsoft Visual Studio2010平台上,利用MFC类库分模块设计了运动人体采集和检测的原型系统。