本文關(guān)鍵詞：基于RGB-D數(shù)據(jù)的人體檢測與跟蹤，，由筆耕文化傳播整理發(fā)布。

【摘要】：本論文以浙江大學(xué)-悉尼科技大學(xué)機器人聯(lián)合研究中心的研究項目為背景,以改善公共交通擁擠狀況為目的,針對公共交通場所內(nèi)人流的檢測、跟蹤與計數(shù)問題展開了相關(guān)的研究,完成了如下四個方面的工作：1.設(shè)計并實現(xiàn)了一種基于RGB-D數(shù)據(jù)的室內(nèi)多人體檢測、跟蹤與計數(shù)系統(tǒng)。該系統(tǒng)由數(shù)據(jù)采集模塊、數(shù)據(jù)去噪及預(yù)處理模塊、人體檢測模塊和多人體跟蹤模塊四部分組成。每個組成模塊都分別采用一個實時的閉環(huán)系統(tǒng)進行控制。各模塊基于標(biāo)準(zhǔn)的輸入輸出定義,實現(xiàn)了無耦合設(shè)計,模塊可復(fù)用程度高。該系統(tǒng)成功應(yīng)用于地鐵交通人流計數(shù)項目。2.設(shè)計并實現(xiàn)了一種基于RGB-D數(shù)據(jù)的多信息融合人體檢測方法。將傳統(tǒng)基于RGB數(shù)據(jù)的方向梯度直方圖(HOG)特征的人體檢測方法和基于深度數(shù)據(jù)的人體頭肩輪廓(HSS)特征人體檢測方法相結(jié)合,基于Dempster/Shafer證據(jù)理論將二者的人體檢測概率融合計算,兼顧降低漏檢測率和降低誤檢測率的需求,給出更加魯棒的人體檢測結(jié)果。3.提出了一種基于RGB-D數(shù)據(jù)的人體特征描述子。在使用多信息融合的人體檢測方法的基礎(chǔ)上,綜合RGB數(shù)據(jù)以及深度數(shù)據(jù)的優(yōu)勢,提出Hist-D人體特征描述子,并將該描述子作為人體身份ID用于人體識別與區(qū)分。該描述子相比于僅僅利用RGB數(shù)據(jù)或深度數(shù)據(jù)的人體特征描述更加可靠。4.提出了基于運動軌跡特性的人體混合運動模型。該模型基于點分布模型PDM (Point Distribution Models)對人體軌跡進行分析,從而判斷追蹤對應(yīng)軌跡的社會學(xué)屬性,然后選擇布朗運動模型、勻速運動模型和社會學(xué)運動模型中的一種來預(yù)測人體運動。相對于單純使用上述三種運動模型中的一種,該模型具有更高的靈活性以及更好的適應(yīng)性。
【關(guān)鍵詞】：人體檢測 人體跟蹤 人體特征 運動模型 信息融合
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 致謝5-6
• 摘要6-7
• Abstract7-10
• 第一章 緒論10-22
• 1.1 研究背景10-11
• 1.2 研究發(fā)展綜述11-20
• 1.2.1 人體檢測發(fā)展綜述11-15
• 1.2.2 人體識別發(fā)展綜述15-17
• 1.2.3 人體追蹤發(fā)展綜述17-20
• 1.3 本文的主要工作和貢獻20-21
• 1.4 本文組織結(jié)構(gòu)21-22
• 第二章 人體檢測與跟蹤系統(tǒng)構(gòu)建22-42
• 2.1 傳感設(shè)備23-26
• 2.2 軟件組成26-40
• 2.2.1 軟件系統(tǒng)架構(gòu)26-30
• 2.2.2 模塊劃分30-40
• 2.3 系統(tǒng)運行40-41
• 2.4 本章小結(jié)41-42
• 第三章 基于RGB-D數(shù)據(jù)的人體檢測方法42-58
• 3.1 引言42-43
• 3.2 基于二維輪廓的人體檢測方法43-46
• 3.2.1 基于HOG的人體檢測方法簡介43-45
• 3.2.2 實驗與分析45-46
• 3.3 基于三維輪廓的人體檢測方法46-49
• 3.3.1 基于HSS的人體檢測方法簡介46-49
• 3.3.2 實現(xiàn)及其效果49
• 3.4 以三維輪廓為先驗信息的HOG人體檢測方法49-54
• 3.4.1 以三維輪廓為先驗信息的HOG人體檢測方法簡介49-52
• 3.4.2 實驗與分析52-54
• 3.5 Hist-D特征及其比較方法54-56
• 3.5.1 Hist-D特征及其比較方法簡介54-55
• 3.5.2 實驗與分析55-56
• 3.6 本章小結(jié)56-58
• 第四章 基于運動軌跡特性的人體混合運動模型58-72
• 4.1 引言58
• 4.2 布·朗運動模型、勻速模型和社會學(xué)運動模型58-61
• 4.2.1 簡介58-61
• 4.3 人體混合運動模型61-66
• 4.3.1 混合運動模型簡介61-62
• 4.3.2 軌跡分類及主軌跡獲取62-65
• 4.3.3 實時軌跡分類及對應(yīng)模型選擇65-66
• 4.4 實驗與分析66-69
• 4.5 本章小結(jié)69-72
• 第五章 總結(jié)與展望72-74
• 5.1 總結(jié)72-73
• 5.2 展望73-74
• 參考文獻74-78
• 作者簡歷78

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 丁建浩;耿衛(wèi)東;王毅剛;;基于多部位多示例學(xué)習(xí)的人體檢測[J];模式識別與人工智能;2012年05期

2 王敏;趙娜娜;劉忠杰;黃榜;宋小波;朱擎飛;;視頻中的人體檢測算法[J];自動化博覽;2013年02期

3 孫宏國;李天然;蒲寶明;張全發(fā);王慧靜;;復(fù)雜背景下人體檢測算法[J];計算機系統(tǒng)應(yīng)用;2013年04期

4 潘鋒,王宣銀;基于支持向量機的復(fù)雜背景下的人體檢測[J];中國圖象圖形學(xué)報;2005年02期

5 呂治國;徐昕;賀漢根;;基于可變模板和支持向量機的人體檢測[J];計算機應(yīng)用;2007年09期

6 湯一平;李雯;;基于全方位視覺的快速實時人體檢測[J];浙江工業(yè)大學(xué)學(xué)報;2008年04期

7 方明;;一種基于圖像的人體檢測方法[J];科技資訊;2009年27期

8 賈棋;郭禾;宮宇;;一種實用的運動人體檢測與陰影消除方法[J];系統(tǒng)仿真學(xué)報;2009年S2期

9 蘇海明;;基于頭部特征的人體檢測[J];信息與電腦(理論版);2010年03期

10 黃永鑫;;運動人體檢測的關(guān)鍵技術(shù)研究[J];硅谷;2010年17期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 孫慶杰;;基于顏色量化的人體檢測[A];全國第十五屆計算機科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

2 龔華;李繼云;;運動人體檢測算法比較研究[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

3 顧爽;陳啟軍;;基于邊緣類型比率特征的人體檢測算法[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

4 陳亞菲;張寶昌;;基于L2-norm最小化的人體檢測[A];第八屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前3條

1 成都 胥紹禹 編譯;人體檢測夜間自動照明燈[N];電子報;2007年

2 劉文靜;測頭發(fā)可知健康狀況[N];新華每日電訊;2003年

3 劉文靜;只需剪一縷頭發(fā) 就測出健康狀況[N];新華每日電訊;2004年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 林逸峰;基于計算機視覺的人體檢測和人臉識別[D];吉林大學(xué);2012年

2 劉亞洲;基于時空分析和多粒度特征表示的人體檢測方法研究[D];哈爾濱工業(yè)大學(xué);2009年

3 丁建浩;基于單目視覺的人體檢測和運動恢復(fù)[D];浙江大學(xué);2013年

4 李春明;視頻圖像中的運動人體檢測和人臉識別[D];西安電子科技大學(xué);2005年

5 倪洪印;基于視頻的人體檢測與目標(biāo)跟蹤方法研究[D];吉林大學(xué);2014年

6 于海濱;基于頭部特征提取的人體檢測與跟蹤及其應(yīng)用[D];浙江大學(xué);2007年

7 葉青;無標(biāo)記人體運動捕捉技術(shù)的研究[D];北京郵電大學(xué);2014年

8 Nasir Saleem（薩里姆）;視頻監(jiān)控中的人體分割、識別與跟蹤[D];北京郵電大學(xué);2013年

9 郭星;大屏幕人機互動中若干關(guān)鍵技術(shù)研究[D];安徽大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 姚河花;基于梯度方向直方圖的人體檢測算法的改進[D];電子科技大學(xué);2014年

2 翟淵;基于電子巡考系統(tǒng)的缺考、代考預(yù)警研究[D];復(fù)旦大學(xué);2013年

3 吳亞順;基于視頻序列的運動人體檢測和跟蹤[D];西華大學(xué);2015年

4 常峰;基于多特征和級聯(lián)分類器的人體檢測算法[D];合肥工業(yè)大學(xué);2014年

5 張宗楠;基于嵌入式系統(tǒng)的人體跟蹤方法研究與實現(xiàn)[D];重慶大學(xué);2015年

6 萬雪飛;基于雙人體可變形部件模型的深層人體檢測[D];大連海事大學(xué);2016年

7 武文靜;監(jiān)控視頻中的人體檢測與跟蹤算法研究[D];東南大學(xué);2015年

8 戴蕭何;基于RGB-D數(shù)據(jù)的人體檢測與跟蹤[D];浙江大學(xué);2016年

9 崔新毅;視頻序列中的人體檢測方法研究[D];哈爾濱工業(yè)大學(xué);2007年

10 甘國龍;基于特征學(xué)習(xí)的人體檢測[D];電子科技大學(xué);2012年

  本文關(guān)鍵詞：基于RGB-D數(shù)據(jù)的人體檢測與跟蹤，由筆耕文化傳播整理發(fā)布。

本文編號：284314