發(fā)布時間：2021-11-23 21:49

　　人體識別和跟蹤技術(shù)是計算機視覺領(lǐng)域重要的研究方向和研究熱點,它在智能交通系統(tǒng)、機器人、交互系統(tǒng)、智能視頻監(jiān)控系統(tǒng)、自動駕駛系統(tǒng)等方面有著廣泛的應(yīng)用。本文主要從人體目標識別和運動人體目標跟蹤兩個方面進行研究,研究場景主要是室內(nèi)環(huán)境,利用微軟體感設(shè)備Kinect傳感器進行彩色圖像及深度圖像的采集,主要工作內(nèi)容如下:首先研究了視頻圖像中人體目標識別算法,采用HOG特征與SVM分類器結(jié)合的方法,借助行人數(shù)據(jù)庫INRIA提供的樣本進行分類器訓(xùn)練,實現(xiàn)彩色圖像中人體目標識別。為了在保證檢測率的同時,加快檢測速度,采用積分圖及三線性插值法優(yōu)化了HOG特征提取過程。針對訓(xùn)練樣本中正負樣本不均衡問題,采用級聯(lián)結(jié)構(gòu)構(gòu)造SVM分類器。在進行人體目標檢測時,采用金字塔方式實現(xiàn)多尺度的行人檢測,并且使用非最大抑制法進行不同尺度下檢測窗口的融合。為了提高人體目標識別對于光照的魯棒性,采用彩色圖像與深度圖像聯(lián)合的方法,在深度圖像樣本中提取HOD特征,經(jīng)過特征訓(xùn)練得到深度圖像中分類器,將兩種分類器結(jié)果融合實現(xiàn)基于彩色及深度圖像聯(lián)合的人體目標識別。在運動人體目標跟蹤方面,重點研究了基于Kalman濾波器的目標跟蹤方法和... 

【文章來源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

Kinect傳感器

特性 規(guī)格度水平視角：57°垂直視角：43°俯仰視角：±27°流彩色圖像：640×480,32bit@30FP深度圖像：320×240,16bit@30FP音頻格式：16kHz,16bit 單聲道(PC蹤 同時辨識 6 人可追蹤 2 人骨骼每人追蹤圖像是利用 TOF 光學(xué)測距或者結(jié)構(gòu)光測量技術(shù)獲得的，（Light Coding）技術(shù)獲取深度圖像。光編碼（Light cod是激光照射到粗糙物體或穿透毛玻璃后隨機形成的衍射沒有規(guī)律性，在空間中任何不同位置所形成的圖案都不使用這樣的光標記周圍的三維空間。若想獲取某個物體在上面的散斑圖案，通過對比得出。Kinect 深度圖像原理

像所在的位置就是物體此空間中的位置。圖的參考圖像，可以認為物體 A 的位置在2Z 處處。將空間中所有的點與攝像頭之間的距離換成灰度值形式輸出，就構(gòu)建出了 3D 圖像[4圖像獲取B 攝像頭具有普通攝像頭功能，獲取彩色圖像B 連接到 PC 端，獲取的圖像有普通質(zhì)量和，但是圖像質(zhì)量較低；高質(zhì)量圖像沒有壓縮圖像不超過 15 幀。方提供的 Kinect 傳感器的驅(qū)動程序，打開 K。本文中所使用彩色圖像分辨率為 640*480，。

【參考文獻】：
期刊論文
[1]基于穩(wěn)定區(qū)域梯度方向直方圖的行人檢測方法[J]. 陳銳,彭啟民.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2012(03)
[2]人體運動目標檢測與跟蹤方法的研究與實現(xiàn)[J]. 徐雷,裴海龍.  現(xiàn)代電子技術(shù). 2010(04)
[3]基于自適應(yīng)閾值的紅外圖像增強[J]. 黎育紅,周建中,丁威.  科學(xué)技術(shù)與工程. 2010(04)
[4]利用級聯(lián)SVM的人體檢測方法[J]. 李同治,丁曉青,王生進.  中國圖象圖形學(xué)報. 2008(03)
[5]直方圖均衡化在圖像處理中的應(yīng)用[J]. 任艷斐.  科技信息. 2007(04)
[6]基于人臉檢測與跟蹤的智能監(jiān)控系統(tǒng)[J]. 宋紅,石峰.  北京理工大學(xué)學(xué)報. 2004(11)
[7]中值濾波與均值濾波的去噪性能比較[J]. 吳建華,李遲生,周衛(wèi)星.  南昌大學(xué)學(xué)報(工科版). 1998(01)
[8]BP身經(jīng)網(wǎng)的比例訓(xùn)練[J]. 陳明,趙瑞清.  計算機學(xué)報. 1993(08)

博士論文
[1]基于視覺的行人檢測和跟蹤技術(shù)的研究[D]. 田廣.上海交通大學(xué) 2007

碩士論文
[1]基于Kinect的人體目標檢測與跟蹤[D]. 楊林.大連海事大學(xué) 2013
[2]復(fù)雜場景下的運動目標檢測關(guān)鍵技術(shù)研究[D]. 駱勇.上海交通大學(xué) 2012



本文編號：3514699