基于視覺的移動機(jī)器人人體檢測算法研究.pdf

1、近年來移動機(jī)器人的應(yīng)用范圍越來越廣泛，移動機(jī)器人的工作環(huán)境從室內(nèi)發(fā)展到室外，從已知環(huán)境發(fā)展到未知環(huán)境，這就對移動機(jī)器人的智能化程度提出了更高的要求。人體檢測技術(shù)不僅是移動機(jī)器人視覺系統(tǒng)當(dāng)前的研究熱點(diǎn)，也是移動機(jī)器人智能化的一個關(guān)鍵技術(shù)。
　　 本文對視覺移動機(jī)器人人體檢測相關(guān)技術(shù)進(jìn)行深入研究，并設(shè)計實(shí)現(xiàn)了一個基于混合高斯模型優(yōu)化的移動機(jī)器人人體檢測算法。本文將人體檢測分解成兩個關(guān)鍵問題。首先檢測運(yùn)動目標(biāo)，將運(yùn)動目標(biāo)從視頻背景中分

2、割出來。提取了運(yùn)動目標(biāo)后，再對運(yùn)動目標(biāo)進(jìn)行分類，判斷運(yùn)動目標(biāo)是不是人體即人體識別。本文研究的前提是視頻背景是靜止不動的，在這種研究前提下，由于檢測的實(shí)時性和準(zhǔn)確性要求，本文采用混合高斯模型的方法提取運(yùn)動目標(biāo)，該方法彌補(bǔ)了單個高斯模型的不足，適應(yīng)視頻背景不是絕對靜止的情況，如樹枝微小顫動、光照微小變化。而判斷運(yùn)動目標(biāo)是不是人是個二值分類問題，本文采用機(jī)器學(xué)習(xí)的方法，從訓(xùn)練的樣本庫中大量提取能有效代表人體的特征，然后訓(xùn)練分類器，最后用訓(xùn)練好

3、的分類器對運(yùn)動目標(biāo)進(jìn)行分類。本文選取INIRA人體樣本庫，采用的特征是梯度直方圖特征HOG(Histogram of Oriented Gradients)，分類器采用支持向量機(jī)SVM(Support Vector Machine)。
　　 在實(shí)際運(yùn)動目標(biāo)提取過程中，視頻圖像序列會有很多噪聲，嚴(yán)重干擾運(yùn)動目標(biāo)的有效提取，針對這個情況，本文采用連通域面積法去除噪聲，得到干凈的運(yùn)動目標(biāo)。先用混合高斯模型提取運(yùn)動目標(biāo)再進(jìn)行人體檢測，有

4、效改進(jìn)了傳統(tǒng)的HOG+SVM運(yùn)動人體檢測方法的實(shí)時性。如若不事先提取圖像序列中的運(yùn)動目標(biāo)，而是對整個圖像進(jìn)行檢測，那么就要將檢測窗口在整個圖像上進(jìn)行遍歷檢測，這會占用大量的時間。但是提取了運(yùn)動目標(biāo)，我們只需將運(yùn)動目標(biāo)區(qū)域送入檢測窗口進(jìn)行檢測，縮短了檢測時間，滿足實(shí)時性的需求。本文采用的系統(tǒng)開發(fā)平臺是VC++6.0，并使用OpenCV這個開源的計算機(jī)視覺庫。檢測結(jié)果表明，本文采用的基于混合高斯模型優(yōu)化的移動機(jī)器人人體檢測方法不僅在檢測準(zhǔn)確