三維頭部區(qū)域的跟蹤與深度估計方法研究.pdf

1、隨著科技的進步以及人們安全意識的提高，智能監(jiān)控具有更加廣闊的發(fā)展前景。相對于身體的其他部位，人類的頭部及面部信息具有更高的區(qū)分度。因此對頭部區(qū)域的檢測跟蹤方法研究，對于提高社會人身份識別的準確率，從而提升智能監(jiān)控的效率和性能具有重要意義。從頭部目標描述手段來看，目前對于人類頭部區(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恢復三維信息的方法，對于智能監(jiān)控、虛擬現(xiàn)實及3

2、D電影動畫制作具有更加深遠意義。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深度估計的兩部分內(nèi)容。
　　本文重點研究如何利用深度圖像進行頭部區(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，進行距離變換增加物體的細節(jié)信息;隨后利用改進的模板匹配算法在距離圖像上實現(xiàn)類頭部區(qū)域的檢測;為了提高模版匹配算法的實時性，下采樣模板和圖像并增大步長，但是不可避免地導致漏檢率的提升，因此本文通過數(shù)學統(tǒng)計分析方法

3、和設計的特征篩選出頭部中心點，最后采用區(qū)域生長算法生長出整個頭部區(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)學處理得到頭部區(qū)域后采用改進的Mean-shift算法進行跟蹤。本文將Mean-shift算法稍加改進應用到深度圖像，同時引入遺忘因子對模板進行更新。當目標物體偏離視野中心區(qū)域的角度超過一定的閾值時，利用微控制系統(tǒng)控制步進電機進行旋轉補償，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