【摘要】：針對行人檢測中計算量大、訓(xùn)練分類器耗時和無法滿足實時性要求等問題,提出了一種基于雙目視覺的行人目標定位方法。該方法利用圖像處理技術(shù)獲取候選輪廓,將輪廓的幾何特征作為約束條件來篩選候選輪廓;利用雙目視覺獲取輪廓的深度信息后,將深度信息作為約束條件對候選輪廓進行進一步篩選。通過深度信息和幾何信息的共同約束,識別出行人的頭部輪廓,從而實現(xiàn)對行人目標的定位。實驗結(jié)果表明,該方法減小了計算量,提高了檢測精度。
【圖文】：

運算為基礎(chǔ)，提出一種基于雙目視覺的行人定位方法。通過雙目視覺系統(tǒng)來獲取物體相對于攝像機的深度信息，利用深度信息排除低于指定高度的目標，如行李箱、手提袋、寵物等，并增加一個目標輪廓幾何約束，來排除輪廓較小或者較大的目標輪廓。上述兩個約束的篩選提高了系統(tǒng)對行人目標的辨識率。故本方法在提高標量特征運算魯棒性的同時，又保證了系統(tǒng)的實時性。１算法流程１．１圖像的獲取與技術(shù)流程圖筆者利用２個ＣＣＤ相機（采取相互平行的拍攝方式）來實現(xiàn)圖像和視頻的采集。目標識別的技術(shù)流程如圖１所示。１．２攝像機的標定攝像機標定過程涉及４個坐標系：世界坐標系、攝像機坐標系、圖像物理坐標系和圖像像素坐標系［８］，它們之間的位置關(guān)系如圖２所示。（１）圖像像素坐標系Ｏ０ＵＶ。該坐標系以圖像左上角Ｏ０為原點，某個像素的坐標（ｕ，ｖ）為該像素在圖像上所對應(yīng)的列數(shù)與行數(shù)，坐標軸的單位為像素。（２）圖像物理坐標系Ｏ１ＸＹ。將攝像機光軸與攝像機成像平面的交點作為原點Ｏ１（圖像像素坐標系的中心位置），坐標軸的單位為ｍｍ。圖像物理坐標系主要用來描述點在圖像中的物理位置。（３）攝像機坐標系ＯｃＸｃＹｃＺｃ。將攝像機的光心Ｏｃ作為原點，攝像機的光軸作為Ｚｃ軸，平面ＯｃＸｃＹｃ與攝像機成像平面平行，坐標軸的單位為ｍｍ。攝像機光心到成像平面的距離稱為攝像機圖１技術(shù)流程圖圖２坐標系之間的關(guān)系的焦距ｆ，ｆ＝ＯｃＯ１。（４）世界坐標系ＯｗＸｗＹｗＺｗ。世界坐標系用來描述物體的具體位置，可以根據(jù)

Ｔ由于采取的拍攝方式為兩相機平行拍攝，故外參數(shù)的旋轉(zhuǎn)矩陣理論值為３階單位矩陣，，從標定結(jié)果上看，該旋轉(zhuǎn)矩陣近似等于３階單位矩陣。平移矩陣中第一個參數(shù)應(yīng)為兩相機的安裝距離，另外兩個參數(shù)應(yīng)為０，即外參數(shù)的理論平移矩陣為［ｘ００］Ｔ。從標定結(jié)果上看，平移矩陣同樣接近理論值，故相機標定的實驗結(jié)果較為理想。為了測試算法的性能，在ＶＳ２０１０平臺下進行了算法的測試。圖３所示為背景模型，圖４為實時采集的圖像。圖３背景模型圖４實時采集圖像由圖５可以看出，通過背景減法可以提取出場景中的目標。由于本文旨在提取行人頭部的輪廓，故通過提高相機的曝光量來減小外界光線對圖像產(chǎn)生的影響。從圖６可以看出，形態(tài)學(xué)處理后，圖５中的空洞填滿了，并且圖像中的輪廓更加平滑，減小了輪廓之間發(fā)生干涉的可能性。圖７所示為利用ｃａｎｎｙ算子提取的目標輪廓，通過輪廓的外接矩形來標記每一個輪廓，并用外接矩形的參數(shù)來描述目標輪廓的相關(guān)信息。外接矩形的參數(shù)如表１所示。由表１可以看出，輪廓２的矩形框面積遠大于其他輪廓。從圖８可以看出，通過幾何約束的篩選，本方法可以將不符合幾何信息約束條件的輪廓２排除。圖５背景減法處理結(jié)果圖６形態(tài)學(xué)處理結(jié)果圖７提取輪廓邊界結(jié)果圖８幾何約束篩選結(jié)果表１目標輪廓參數(shù)表輪廓矩形框中心坐標（像素，像素）矩形框面積（像素２）１（１７１，１１３．５）９９００２（３８２．５，１５７）２０７４８３（４６６．５，１１６．５）１３６７３４（４０９．５，４１２）１３４６２通過立體匹配，我們可以若判斷

【相似文獻】

相關(guān)期刊論文 前10條

1 李海軍;;基于雙目視覺的自動跟蹤系統(tǒng)應(yīng)用[J];火力與指揮控制;2010年01期

2 胡天翔;鄭加強;周宏平;;基于雙目視覺的樹木圖像測距方法[J];農(nóng)業(yè)機械學(xué)報;2010年11期

3 李夢和;林川;潘盛輝;;基于雙目視覺的礦井機車定位方法[J];煤礦機械;2012年04期

4 祝世平,強錫富;基于坐標測量機的雙目視覺測距誤差分析[J];電子測量與儀器學(xué)報;2000年02期

5 汪倩倩;申忠宇;張亮;;基于雙目視覺模型的彩色目標實時檢測與定位[J];南京師范大學(xué)學(xué)報(工程技術(shù)版);2008年01期

6 潘浩;趙宇明;;基于雙目視覺的客流監(jiān)測系統(tǒng)[J];微計算機信息;2009年33期

7 單寶華;申宇;;基于雙目視覺的拉索模型自由振動監(jiān)測試驗[J];土木工程學(xué)報;2012年11期

8 紀超;王慶;;基于雙目視覺的自主空中加油算法研究與仿真[J];系統(tǒng)仿真學(xué)報;2013年06期

9 岳亮;;一種基于雙目視覺的安全車距測量方法[J];電視技術(shù);2013年15期

10 許明杰,王洪榮;雙目視覺中恢復(fù)模型點的方法──公垂線法[J];指揮技術(shù)學(xué)院學(xué)報;1997年02期

相關(guān)會議論文 前5條

1 孟環(huán)標;楊興強;李雪梅;;基于雙目視覺的測量系統(tǒng)誤差分析[A];第五屆全國幾何設(shè)計與計算學(xué)術(shù)會議論文集[C];2011年

2 朱宗磊;殷福亮;;基于雙目視覺的目標檢測與跟蹤系統(tǒng)[A];2010年通信理論與信號處理學(xué)術(shù)年會論文集[C];2010年

3 張靜;李琳;劉曉平;;基于雙目視覺的虛擬手的實現(xiàn)[A];計算機技術(shù)與應(yīng)用進展——全國第17屆計算機科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2006年

4 孫明;;基于雙目視覺的移動機器人避障研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

5 杜英魁;韓建達;唐延?xùn)|;;基于雙目重建不確定性的動態(tài)特征濾除[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

相關(guān)博士學(xué)位論文 前1條

1 陳學(xué)惠;基于移動機器人雙目視覺的井下三維場景重建方法研究[D];中國礦業(yè)大學(xué)（北京）;2012年

相關(guān)碩士學(xué)位論文 前10條

1 代鳳輝;基于雙目視覺的服務(wù)機器人人體目標跟蹤方法研究[D];天津職業(yè)技術(shù)師范大學(xué);2015年

2 皮素梅;基于Bumblebee XB3的同時定位與地圖構(gòu)建算法研究[D];中國海洋大學(xué);2015年

3 楊娜;基于雙目視覺的室內(nèi)服務(wù)機器人導(dǎo)航技術(shù)研究[D];西安航天精密機電研究所;2016年

4 王文強;基于FPGA的雙目視覺系統(tǒng)研究[D];清華大學(xué);2015年

5 陸文娟;小視場雙目視覺系統(tǒng)關(guān)鍵技術(shù)研究[D];中國海洋大學(xué);2015年

6 方繼飛;醫(yī)藥微弱異物雙目視覺檢測技術(shù)研究[D];湖南大學(xué);2014年

7 張姝;基于雙目視覺的并聯(lián)機構(gòu)末端位姿檢測研究[D];江蘇大學(xué);2016年

8 張惠杰;基于雙目視覺的嵌入式測距系統(tǒng)的研究[D];福州大學(xué);2013年

9 李杰;基于雙目視覺的深度重建技術(shù)的研究和應(yīng)用[D];吉林大學(xué);2016年

10 鄭立明;基于雙目視覺的工件尺寸測量方法研究[D];長春工業(yè)大學(xué);2016年

本文編號：2585133