基于深度圖像的人體輪廓識別技術(shù).pdf

1、人體運動的視覺分析是近幾年來的熱點話題，在機器視覺領(lǐng)域中備受關(guān)注。它在人機交互，視頻會議，醫(yī)療診斷，游戲動畫，虛擬現(xiàn)實，以及社區(qū)，超市，銀行，圖像存儲的安全監(jiān)控等領(lǐng)域具有廣闊的應(yīng)用前景和潛在的經(jīng)濟價值，引起了研究人員和相關(guān)企業(yè)的極大興趣。
　　人體輪廓識別作為人體運動視覺分析的重要組成部分，識別的準(zhǔn)確性將直接影響到人體運動視覺分析的成功與否，因此具有重要的理論價值和廣泛的應(yīng)用范圍。傳統(tǒng)的人體輪廓識別技術(shù)主要基于可見光相機拍攝的RG

2、B彩色圖像，魯棒性不高。其主要原因是易受光照變化，復(fù)雜環(huán)境和物體遮擋等因素的影響。本文主要研究在復(fù)雜動態(tài)背景下多個人體目標(biāo)輪廓的快速識別技術(shù)。該方法可以作為人體姿態(tài)檢測跟蹤，行為識別等研究的初步工作，其研究具有較好的理論意義和工程應(yīng)用價值。本文也在最后將人體輪廓的二維坐標(biāo)信息轉(zhuǎn)化成空間三維信息，為人體行為識別相關(guān)研究提供進一步的支持。試驗表明，在實驗室等復(fù)雜環(huán)境中本方法能較好的對人體目標(biāo)輪廓實時識別，且不受燈光等因素的影響。
　　

3、論文的主要研究如下:
　　(1)研究了基于快速行進的FMM修復(fù)算法以及腐蝕，膨脹等常用的圖像處理算法，對深度圖進行修復(fù)操作。根據(jù)深度圖中像素大小與人體和攝像頭距離正相關(guān)的固有特征，將圖片根據(jù)深度值范圍進行分割并進行輪廓檢測，得到不同深度的輪廓集，完成對不同大小模板匹配的預(yù)處理工作。
　　(2)研究了模板匹配的相關(guān)技術(shù)，將輪廓的均方距離和Hu矩特征匹配技術(shù)結(jié)合對人體頭部輪廓模板與實時獲取的輪廓集進行匹配篩選，實現(xiàn)人體輪廓定位。

4、
　　(3)研究了粗粒度并行遺傳算法。將輪廓的相似度轉(zhuǎn)化成遺傳算法中的適應(yīng)度函數(shù)，初始化若干個種群，通過自然界種群進化的思想加快搜索輪廓匹配的進程，提高人體輪廓定位的實時性。
　　(4)研究了基于點云的人體三維重建技術(shù)，建立了kinect坐標(biāo)系以及圖像坐標(biāo)系之間轉(zhuǎn)換模型，將人體輪廓的二維坐標(biāo)信息轉(zhuǎn)化為三維空間坐標(biāo)，使用Delaunay三角剖分算法將點云三角化，實現(xiàn)人體姿態(tài)的三維重建，并且通過坐標(biāo)運算可以實現(xiàn)人體部位的位移，速