版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、人體檢測技術(shù)在安防和智慧城市建設(shè)中具有著重要的地位,是對人的身份及姿勢識別的前提。而以Kinect為代表的深度相機又為視頻中的運動人體檢測帶來了極大的便利和檢測精度的提高,因而研究基于Kinect的運動人體檢測技術(shù)具有顯著的實際應(yīng)用價值。
本文對此開展了如下研究:
(1)鑒于Kinect作為一個雙目視覺系統(tǒng),在將其應(yīng)用于視頻采集前,首先完成了RGB相機和IR相機的標(biāo)定,在此基礎(chǔ)上,根據(jù)兩相機生成圖像的同步性,計算出兩
2、類圖像坐標(biāo)間的旋轉(zhuǎn)矩陣及平移向量。另外,通過實驗證明兩相機存在的視場差比視角差對兩類圖像間的差異影響更大,從而,說明了兩類圖像在坐標(biāo)轉(zhuǎn)換后直接信息融合是不準(zhǔn)確的。
(2)檢測算法的研究。首先引入了單高斯背景模型,對深度圖像建立了一個自動更新的單高斯模型,由模型的統(tǒng)計量計算出閾值,從而檢測出人體;此外利用深度圖像中前景和背景的強度在邊界處會出現(xiàn)躍變,提出基于sobel算子的人體檢測方法。還利用了標(biāo)定和成像研究的結(jié)論,結(jié)合RGB與
3、深度圖像信息,提出了縮放式匹配法檢測人體。最后,對各方法從時間復(fù)雜度、檢測人體的完整度及算法適用性三個方面進行了定量評價。
(3)檢測后處理研究。Kinect受距離及物體對近紅外光的反射因素的影響,檢測出的人體存在較大的缺損和噪聲。本文在論述了修復(fù)規(guī)則和基于偏微分的修復(fù)模型后,針對深度信息修復(fù)問題,提出了基于鄰域縱向梯度的修復(fù)方法,該修復(fù)方法采用鄰域的統(tǒng)計特征作為參考信息,并采用基于偏微分的修復(fù)模型為校正模型,綜合多種特征完成
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 運動人體檢測與跟蹤技術(shù)研究及其應(yīng)用.pdf
- 基于視頻序列的運動人體檢測.pdf
- 基于運動人體檢測的監(jiān)控視頻摘要.pdf
- 運動人體檢測與異常行為識別技術(shù)研究與實現(xiàn).pdf
- 智能視頻監(jiān)控中的運動人體檢測和跟蹤技術(shù)研究.pdf
- 運動人體檢測的應(yīng)用與研究.pdf
- 基于視頻序列的運動人體檢測算法研究.pdf
- 基于視頻序列的運動人體檢測和跟蹤.pdf
- 運動人體檢測及遮擋處理.pdf
- 運動人體檢測與行為識別研究.pdf
- 基于視頻流的運動人體檢測算法研究.pdf
- 基于視頻圖像的運動人體檢測與跟蹤算法研究.pdf
- 基于彩色圖像序列的運動人體檢測與跟蹤研究.pdf
- 基于Kinect的人體檢測和跟蹤算法研究.pdf
- 運動人體檢測與跟蹤方法研究與應(yīng)用.pdf
- 復(fù)雜交通環(huán)境下的運動人體檢測研究.pdf
- 基于感興趣區(qū)域的運動人體檢測與跟蹤.pdf
- 圖像序列中運動人體檢測和跟蹤算法研究.pdf
- 智能視頻監(jiān)控中運動人體檢測與跟蹤的研究.pdf
- 視頻監(jiān)控中的運動人體檢測與跟蹤算法研究.pdf
評論
0/150
提交評論