基于Kinect的運(yùn)動(dòng)人體檢測(cè)技術(shù)研究.pdf

1、人體檢測(cè)技術(shù)在安防和智慧城市建設(shè)中具有著重要的地位，是對(duì)人的身份及姿勢(shì)識(shí)別的前提。而以Kinect為代表的深度相機(jī)又為視頻中的運(yùn)動(dòng)人體檢測(cè)帶來(lái)了極大的便利和檢測(cè)精度的提高，因而研究基于Kinect的運(yùn)動(dòng)人體檢測(cè)技術(shù)具有顯著的實(shí)際應(yīng)用價(jià)值。
　　本文對(duì)此開(kāi)展了如下研究:
　　(1)鑒于Kinect作為一個(gè)雙目視覺(jué)系統(tǒng)，在將其應(yīng)用于視頻采集前，首先完成了RGB相機(jī)和IR相機(jī)的標(biāo)定，在此基礎(chǔ)上，根據(jù)兩相機(jī)生成圖像的同步性，計(jì)算出兩

2、類(lèi)圖像坐標(biāo)間的旋轉(zhuǎn)矩陣及平移向量。另外，通過(guò)實(shí)驗(yàn)證明兩相機(jī)存在的視場(chǎng)差比視角差對(duì)兩類(lèi)圖像間的差異影響更大，從而，說(shuō)明了兩類(lèi)圖像在坐標(biāo)轉(zhuǎn)換后直接信息融合是不準(zhǔn)確的。
　　(2)檢測(cè)算法的研究。首先引入了單高斯背景模型，對(duì)深度圖像建立了一個(gè)自動(dòng)更新的單高斯模型，由模型的統(tǒng)計(jì)量計(jì)算出閾值，從而檢測(cè)出人體;此外利用深度圖像中前景和背景的強(qiáng)度在邊界處會(huì)出現(xiàn)躍變，提出基于sobel算子的人體檢測(cè)方法。還利用了標(biāo)定和成像研究的結(jié)論，結(jié)合RGB與

3、深度圖像信息，提出了縮放式匹配法檢測(cè)人體。最后，對(duì)各方法從時(shí)間復(fù)雜度、檢測(cè)人體的完整度及算法適用性三個(gè)方面進(jìn)行了定量評(píng)價(jià)。
　　(3)檢測(cè)后處理研究。Kinect受距離及物體對(duì)近紅外光的反射因素的影響，檢測(cè)出的人體存在較大的缺損和噪聲。本文在論述了修復(fù)規(guī)則和基于偏微分的修復(fù)模型后，針對(duì)深度信息修復(fù)問(wèn)題，提出了基于鄰域縱向梯度的修復(fù)方法，該修復(fù)方法采用鄰域的統(tǒng)計(jì)特征作為參考信息，并采用基于偏微分的修復(fù)模型為校正模型，綜合多種特征完成