三維頭部區(qū)域的跟蹤與深度估計(jì)方法研究.pdf

1、隨著科技的進(jìn)步以及人們安全意識(shí)的提高，智能監(jiān)控具有更加廣闊的發(fā)展前景。相對(duì)于身體的其他部位，人類的頭部及面部信息具有更高的區(qū)分度。因此對(duì)頭部區(qū)域的檢測跟蹤方法研究，對(duì)于提高社會(huì)人身份識(shí)別的準(zhǔn)確率，從而提升智能監(jiān)控的效率和性能具有重要意義。從頭部目標(biāo)描述手段來看，目前對(duì)于人類頭部區(qū)域的檢測跟蹤已經(jīng)從二維信息逐步過渡到二維與三維信息融合，因此研究三維頭部區(qū)域的獲取、處理方法及研究基于二維信息估計(jì)恢復(fù)三維信息的方法，對(duì)于智能監(jiān)控、虛擬現(xiàn)實(shí)及3

2、D電影動(dòng)畫制作具有更加深遠(yuǎn)意義。本文主要研究了深度圖像的頭部區(qū)域檢測跟蹤及基于單幅人臉圖像的特征點(diǎn)深度估計(jì)的兩部分內(nèi)容。
　　本文重點(diǎn)研究如何利用深度圖像進(jìn)行頭部區(qū)域的檢測與跟蹤。首先在獲取深度圖像和視野中物體的邊緣信息后，進(jìn)行距離變換增加物體的細(xì)節(jié)信息;隨后利用改進(jìn)的模板匹配算法在距離圖像上實(shí)現(xiàn)類頭部區(qū)域的檢測;為了提高模版匹配算法的實(shí)時(shí)性，下采樣模板和圖像并增大步長，但是不可避免地導(dǎo)致漏檢率的提升，因此本文通過數(shù)學(xué)統(tǒng)計(jì)分析方法

3、和設(shè)計(jì)的特征篩選出頭部中心點(diǎn)，最后采用區(qū)域生長算法生長出整個(gè)頭部區(qū)域。
　　基于深度圖像頭部區(qū)域跟蹤算法利用幀差法和形態(tài)學(xué)處理得到頭部區(qū)域后采用改進(jìn)的Mean-shift算法進(jìn)行跟蹤。本文將Mean-shift算法稍加改進(jìn)應(yīng)用到深度圖像，同時(shí)引入遺忘因子對(duì)模板進(jìn)行更新。當(dāng)目標(biāo)物體偏離視野中心區(qū)域的角度超過一定的閾值時(shí)，利用微控制系統(tǒng)控制步進(jìn)電機(jī)進(jìn)行旋轉(zhuǎn)補(bǔ)償，否則繼續(xù)跟蹤。
　　為解決無法直獲取深度圖像的情況，本文還研究了利用