基于RGB-D數(shù)據(jù)的運(yùn)動目標(biāo)檢測技術(shù)研究.pdf

1、運(yùn)動目標(biāo)的檢測是計算機(jī)視覺領(lǐng)域研究的熱點(diǎn)之一，在人機(jī)交互、智能交通、戰(zhàn)場偵查等領(lǐng)域應(yīng)用廣泛。本文針對單獨(dú)基于顏色信息或深度信息的運(yùn)動目標(biāo)檢測存在的問題，圍繞深度圖超分辨率重建、基于RGB-D數(shù)據(jù)的運(yùn)動目標(biāo)檢測、行人計數(shù)及其軟件設(shè)計三塊展開，主要工作如下:
　　(1)針對深度圖像存在分辨率低、空洞、噪聲等問題，設(shè)計了由.RGB圖像引導(dǎo)，基于二階廣義總變分模型的深度圖像超分辨率重建的方法，即將重建問題轉(zhuǎn)化成最優(yōu)求解問題。首先根據(jù)深度圖

2、的重構(gòu)約束構(gòu)造目標(biāo)函數(shù)的數(shù)據(jù)項，然后利用RGB圖像的邊緣信息對正則化模型加權(quán)，將擴(kuò)散張量引入二階廣義總變分模型，構(gòu)成針對深度圖像特點(diǎn)的正則化模型，最后通過迭代重加權(quán)和原-對偶算法進(jìn)行求解得到高分辨率深度圖。實驗結(jié)果表明本文方法能夠有效解決深度圖像分辨率低、存在空洞和噪聲的問題。
　　(2)針對單獨(dú)基于RGB或深度信息的運(yùn)動目標(biāo)檢測存在的問題，設(shè)計了基于RGB-D數(shù)據(jù)的Codebook碼本算法進(jìn)行運(yùn)動目標(biāo)檢測，利用深度信息作為碼本的

3、第四維通道，增強(qiáng)了背景建模與前景檢測的準(zhǔn)確性，并通過圖像減操作、均值濾波、閡值判斷、邏輯“與”操作等一系列的后續(xù)處理，使檢測結(jié)果邊緣清晰。實驗證明該算法克服了單獨(dú)基于顏色信息易受光照、陰影的影響或單獨(dú)基于深度信息檢測時，近距離目標(biāo)無法檢測且目標(biāo)邊緣噪聲大等問題。
　　(3)在本文設(shè)計的運(yùn)動目標(biāo)檢測方法的基礎(chǔ)上，設(shè)計了一個行人計數(shù)方法:利用基于RGB-D數(shù)據(jù)的運(yùn)動目標(biāo)檢測算法檢測出目標(biāo)區(qū)域，以該目標(biāo)區(qū)域為虛擬計數(shù)器，在區(qū)域內(nèi)劃分運(yùn)動

4、塊并設(shè)置虛擬線進(jìn)行計數(shù)和行人運(yùn)動方向判斷。利用Kinect相機(jī)實時采集了基于室內(nèi)可控環(huán)境和復(fù)雜環(huán)境兩組不同視頻進(jìn)行實驗驗證。
　　(4)在VS2010軟件平臺上結(jié)合OpenCV庫和Qt工具設(shè)計了一套運(yùn)動目標(biāo)檢測軟件。整合論文前期的深度圖重建算法、運(yùn)動目標(biāo)檢測算法、行人計數(shù)方法，利用Kinect相機(jī)進(jìn)行實時采集計數(shù)。檢測軟件集視頻輸入、行人計數(shù)、檢測和重建結(jié)果比較、虛擬線標(biāo)定等功能為一體，方便用戶進(jìn)行行人計數(shù)，同時通過該檢測系統(tǒng)初步