基于Kinect彩色圖像及深度信息的人體檢測(cè)研究.pdf

1、隨著計(jì)算機(jī)科學(xué)技術(shù)的迅猛發(fā)展，人體識(shí)別檢測(cè)技術(shù)在人們?nèi)缃竦娜粘Ｉ钪凶兊迷絹?lái)越重要。人體檢測(cè)研究的初期是以彩色圖像為媒介的檢測(cè)方式，但極容易受到人體姿態(tài)變動(dòng)、服裝差異、光照強(qiáng)弱以及復(fù)雜背景環(huán)境的影響。本文的研究是以微軟的Kinect攝像頭為硬件設(shè)備，利用其所同步產(chǎn)生的彩色以及深度數(shù)據(jù)信息對(duì)人體目標(biāo)進(jìn)行檢測(cè)，以此來(lái)獲得對(duì)復(fù)雜環(huán)境的更強(qiáng)魯棒性。具體工作包括以下幾個(gè)部分：
　　1、對(duì)Kinect深度信息進(jìn)行預(yù)處理，采集并建立人體檢測(cè)系統(tǒng)

2、所需的樣本數(shù)據(jù)庫(kù)。首先，運(yùn)用HSL顏色空間對(duì)Kinect深度數(shù)據(jù)進(jìn)行彩色渲染，將傳統(tǒng)偽灰度深度圖像替代為更加直觀的彩色圖像。其次，基于Kinect自帶彩色及深度攝像頭，建立了實(shí)驗(yàn)所需的彩色和深度訓(xùn)練樣本庫(kù)，以及一般環(huán)境、復(fù)雜環(huán)境和弱光環(huán)境條件下的彩色和深度測(cè)試樣本數(shù)據(jù)庫(kù)。
　　2、基于局部二值模式(LBP)、方向梯度直方圖(HOG)等圖像特征，運(yùn)用分層金字塔空間理論對(duì)其進(jìn)行改進(jìn)，提出了分層特征融合算法PHOG-LBP。首先通過定義

3、不同大小的檢測(cè)區(qū)塊對(duì)圖像目標(biāo)的整體以及區(qū)域輪廓特征進(jìn)行分層式的提取，其次運(yùn)用等價(jià)局部二值模式提取圖像的紋理特征，最后將多層輪廓特征以及紋理特征的特征向量進(jìn)行L2-Hys歸一化處理，并聯(lián)接形成最終的特征描述向量。本文在實(shí)驗(yàn)中將幾種特征描述子經(jīng)同一樣本訓(xùn)練后，在一組與訓(xùn)練樣本無(wú)任何相關(guān)性的測(cè)試樣本中對(duì)其性能進(jìn)行了評(píng)價(jià)，并繪制和計(jì)算了相應(yīng)特征描述子的受試者工作特征(ROC)曲線以及AUC(Area Under ROC Curve)值。經(jīng)實(shí)驗(yàn)綜

4、合對(duì)比表明，該方法能夠在人體識(shí)別中取得更好的效果。
　　3、基于決策模板(DT)算法，實(shí)現(xiàn)對(duì)Kinect彩色和深度圖像檢測(cè)結(jié)果的有效融合。首先，提取深度和彩色的訓(xùn)練樣本集的HOG特征，完成對(duì)彩色和深度分類器的訓(xùn)練并得到其分類模型。隨后，將各自訓(xùn)練所用的正負(fù)樣本放入分類器中獲得相應(yīng)的DT模板，并將測(cè)試樣本放入分類器獲得分類支持度并構(gòu)建輪廓模板(DP)。最后，以平方歐式距離為衡量標(biāo)準(zhǔn)，將DP模板矩陣與DT模板矩陣作相似度對(duì)比并輸出最終