基于視覺的移動機器人人體檢測算法研究.pdf

1、近年來移動機器人的應用范圍越來越廣泛，移動機器人的工作環(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，這就對移動機器人的智能化程度提出了更高的要求。人體檢測技術不僅是移動機器人視覺系統(tǒng)當前的研究熱點，也是移動機器人智能化的一個關鍵技術。
　　 本文對視覺移動機器人人體檢測相關技術進行深入研究，并設計實現(xiàn)了一個基于混合高斯模型優(yōu)化的移動機器人人體檢測算法。本文將人體檢測分解成兩個關鍵問題。首先檢測運動目標，將運動目標從視頻背景中分

2、割出來。提取了運動目標后，再對運動目標進行分類，判斷運動目標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，由于檢測的實時性和準確性要求，本文采用混合高斯模型的方法提取運動目標，該方法彌補了單個高斯模型的不足，適應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。而判斷運動目標是不是人是個二值分類問題，本文采用機器學習的方法，從訓練的樣本庫中大量提取能有效代表人體的特征，然后訓練分類器，最后用訓練好

3、的分類器對運動目標進行分類。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SVM(Support Vector Machine)。
　　 在實際運動目標提取過程中，視頻圖像序列會有很多噪聲，嚴重干擾運動目標的有效提取，針對這個情況，本文采用連通域面積法去除噪聲，得到干凈的運動目標。先用混合高斯模型提取運動目標再進行人體檢測，有

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