【摘要】：針對復(fù)雜環(huán)境下視覺行李托運系統(tǒng)存在的目標遮擋問題,設(shè)計一種基于視覺目標跟蹤的行李托運系統(tǒng),同時提出一種基于邊緣檢測的移動人體跟蹤方法,實現(xiàn)行李自動托運系統(tǒng)的設(shè)計.該行李托運系統(tǒng)由監(jiān)控終端、ARM跟蹤平臺以及Wi-Fi定位系統(tǒng)組成.實施現(xiàn)場主要由ARM跟蹤平臺托運行李,并對移動人體目標進行實時跟蹤,然后利用Wi-Fi信號強度信息對ARM跟蹤平臺進行定位和監(jiān)控.應(yīng)用結(jié)果表明:本系統(tǒng)在機場、車站等復(fù)雜環(huán)境下進行基于視覺的行李托運,具有較高的實時性和跟蹤準確率,較好地解決了因遮擋導(dǎo)致的目標丟失問題.
【圖文】：

規(guī)范窗口Fig.4specwindow

遼寧工程技術(shù)大學(xué)學(xué)報（自然科學(xué)版）第36卷遼寧工程技術(shù)大學(xué)學(xué)報（自然科學(xué)版)網(wǎng)址：http://202.199.224.158/http://xuebao.lntu.edu.cn/878行李托運系統(tǒng)的硬件仿真見圖2.圖2行李托運系統(tǒng)硬件仿真圖Fig.2hardwaresimulationdiagramofluggagetransportationsystem2系統(tǒng)框架設(shè)計系統(tǒng)的框架設(shè)計主要利用CMOS攝像頭采集待跟蹤目標圖像，并將圖像數(shù)據(jù)傳遞給DSP模塊，DSP模塊經(jīng)過目標跟蹤處理后，將跟蹤結(jié)果以及圖像信息傳遞給ARM平臺，ARM平臺根據(jù)目標位置信息給電機驅(qū)動器發(fā)送控制命令，電機驅(qū)動器控制車輪轉(zhuǎn)動并帶動整個托運系統(tǒng)運行.系統(tǒng)還增加了4個輔助功能，包括超聲波避障、Wi-Fi托運系統(tǒng)定位、Wi-Fi傳輸視頻圖像至監(jiān)控終端以及人機交互的語音提示服務(wù)功能，使得該托運系統(tǒng)具有智能化、人性化的特點.系統(tǒng)框架見圖3.超聲波檢測障礙物語音提示服務(wù)ARM平臺DSP圖像處理攝像頭采集圖像Wifi傳輸圖像及位置信息監(jiān)控終端顯示電機驅(qū)動模塊車輪轉(zhuǎn)動圖3系統(tǒng)框架Fig.3systemframework3移動人體跟蹤算法設(shè)計本文提出了一個新的人體跟蹤算法，首先對圖像進行邊緣檢測，將得到的邊緣圖像進行熵分布計算，得到圖像信息的分布情況，然后對圖像的信息熵進行傅里葉變換，得到圖像頻率分布情況，最后根據(jù)圖像頻率，將輸出頻率較大的區(qū)域作為目標，進行移動人體跟蹤.3.1邊緣像素檢測傳統(tǒng)的Canny有如下不足，使用高斯濾波方法，會造成圖像平滑和邊緣的模糊，并且人為確定的高斯濾波系數(shù)σ難以在圖像去噪和邊緣細節(jié)保留上保持較好的平衡；使用2×2鄰域一階偏導(dǎo)的有限差分計算梯度幅值，對噪聲過于敏感，容易丟失一些真實邊緣細節(jié)并產(chǎn)生偽邊緣；雙閾值算法的高低閾值由人根據(jù)先驗經(jīng)驗來設(shè)定，對于不同的圖像的應(yīng)用得不

ntu.edu.cn/879自適應(yīng)中值濾波方法的降噪效果隨著噪聲的增大而減小，當執(zhí)行到最后一個窗口，其輸出值為極值時，未起到降噪效果，此時采用窗口大小為5的均值濾波器[8].系統(tǒng)在未起到降噪效果的濾波窗口內(nèi)去掉灰度值為0和255的圖像，以大小為5的窗口ZXY均值濾波器進行降噪，用g(s,t)表示受噪聲污染的M×N圖像，gr(x,y)表示剩余像素，設(shè)g(s,t)中灰度值為0和255的像素個數(shù)分別為p和q，則修正后的濾波器由下式表示：XYstZrgstMNpqfxy,^,1,.改進的自適應(yīng)中值濾波過程見圖5.圖5改進的自適應(yīng)中值濾波過程Fig.5improvedadaptivemedianfilteringprocess（3）3×3鄰域梯度計算方法傳統(tǒng)的Canny算法中梯度的幅值和方向使用2×2鄰域一階偏導(dǎo)有限差分來計算，對噪聲較為敏感.本文使用3×3鄰域的一階偏導(dǎo)x方向，y方向，45°方向和13545°方向的差分來計算梯度的幅值和方向.四個方向的偏導(dǎo)為x方向：FijIijIijx,1,1,，y方向：Fi,jIi,j1Ii,j1y.45°方向：,-1,11,145FijIijIij.135°方向：,1,1-1,1135FijIijIij.水平方向差分：45135,,,,/2xxEijFijFijFij.垂直方向差分：45135,,,,/2yyEijFijFijFij.像素梯度幅值：213524522Mi,jFi,jFi,jFi,jFi,jxy.梯度方向：,,arctan,yxEijijEij.對得到的梯度幅值進行非極大值抑制，將非局部極大值點的梯度M置零得到細化邊緣.（4）自適應(yīng)閾值方法設(shè)圖像中梯度幅值為iT的像素為in，0≤i≤L1，則像素in發(fā)生概率為10LiiiinnP.使用閾值minT和maxTminmaxTT將圖像分為三類，非邊緣區(qū)

【相似文獻】

相關(guān)期刊論文 前7條

1 梁光嵐;王朔中;張新鵬;;利用邊緣像素負載信息的二值圖像密寫(英文)[J];Journal of Shanghai University(English Edition);2007年03期

2 孫紹晟;張林;;基于圖像的牛奶細微雜質(zhì)檢測算法研究與仿真[J];計算機應(yīng)用與軟件;2013年01期

3 程方麗;毛倩;;基于二值圖像邊緣像素和方向編碼的雙層隱寫算法[J];光學(xué)儀器;2011年04期

4 付慧;劉峽壁;賈云得;;用于文本區(qū)域提取的邊緣像素聚類方法[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2006年05期

5 陳愛軍;李金宗;李東東;;一種改進的隨機圓檢測算法[J];光電工程;2006年12期

6 陳德權(quán),趙宇明,萬長明;基于區(qū)域和邊緣分開編碼可伸縮彩色圖像編碼[J];紅外與激光工程;2004年06期

7 ;[J];;年期

本文編號：2788997