單攝像頭下基于樣本學習的人體深度估計方法研究.pdf

1、圖像深度信息的獲取是計算機視覺領域的基本問題和中間環(huán)節(jié)。隨著研究的不斷深入，深度圖像獲取技術(shù)在實際生活中衍生出了大量應用，如人工智能交互、智能監(jiān)控系統(tǒng)、醫(yī)學輔助診斷和人體運動分析等。
　　傳統(tǒng)獲取深度圖像的方式大致分為兩種:基于主動式深度傳感器和基于計算機立體視覺。它們都有各自的缺點:前者需要借助特殊設備，還原成像場景;后者一般需要對同一場景采集一個圖像序列或者多幅圖像。針對傳統(tǒng)方式獲取深度圖像存在的問題，本文從統(tǒng)計學習的角度出發(fā)

2、，研究從單攝像頭估計人體深度信息的方法。
　　本文提出了一種單攝像頭下基于樣本學習的人體深度估計的方法。該方法的基本思路是:建立人體深度數(shù)據(jù)庫;學習人體的輪廓特征;通過特征匹配從相似樣本中對人體深度進行估計和優(yōu)化。其中，所涉及到的基本問題包括:建立人體深度信息數(shù)據(jù)庫;人體輪廓邊緣檢測;匹配輪廓邊緣;選擇最相似的樣本和人體深度信息優(yōu)化。其主要工作和創(chuàng)新點在于:
　　1、針對人體輪廓邊緣檢測問題，討論了如何從深度數(shù)據(jù)庫灰度圖像和

3、單攝像頭采集的彩色圖像檢測出人體輪廓邊緣。
　　2、提出了兩種人體輪廓邊緣的匹配算法。一種通過計算人體輪廓邊緣點到重心間的距離，提取出關(guān)于輪廓邊緣的多維特征向量，通過計算多維特征向量間的距離描述兩幅人體輪廓圖像的相似度;另一種算法通過對圖像進行距離變換，計算模板圖像和距離變換圖像之間的邊緣距離，來描述兩幅人體輪廓圖像的相似度。前者簡單易行，但匹配過程較為粗糙，但精確度不高，容易出現(xiàn)錯誤匹配。后者，匹配過程相對復雜，但更加精確，能夠