基于摄像头的室内行人检测和跟踪方法技术

一种基于摄像头的室内行人检测和跟踪方法,包括：步骤1、准备工作。步骤2、将每个点的像素坐标与世界坐标系坐标对应起来，求解旋转矩阵R和平移矩阵T，得到相机外参，提供给步骤5。步骤3、对摄像头采集到的视频进行处理，找出行人轮廓。步骤4、行人跟踪：将图片转化到HSV区域模型，再对检测出来的每一个位行人都使用Cam Shift算法进行跟踪。步骤5、转换为世界坐标系下的行人轨迹：通过步骤2相机标定结果，对图片进行矫正，并对步骤4中的行人轨迹的像素坐标进行转换。步骤6、根据存储的世界坐标形式轨迹，用不同的颜色绘制出行人轨迹，并显示在已经进行过矫正的室内背景图片上。后续可以用于行人的行为分析实验，可以分析行人的偏好路线等。

Detection and tracking method of indoor pedestrian based on camera

【技术实现步骤摘要】
基于摄像头的室内行人检测和跟踪方法
本专利技术涉及一种数字图像处理

技术介绍
计算机视觉技术也越来越受到人们的关注，基于计算机视觉的各种应用也是层出不穷，比如基于计算机视觉的三维重建技术，苹果手机中的智能尺子便是一个很好的应用，通过利用加速器等，利用摄像头来测量出实际物体的尺寸。目前，计算及视觉与人工智能的联系密切，两者经常是结合在一起来用的，往往容易混淆。实际上，二者有着本质的不同。其中计算机视觉主要是处理视频、图像等，它是通过研究图像的结构，来进行场景识别、目标跟踪等。然而，当今被广泛应用地人工智能，与计算机视觉不同，人工智能更加倾向于决策。当下两者经常被结合使用。行人检测在当今是一个十分热门的话题，行人检测问题在智能驾驶、智能交通等领域应用十分广泛。起初采用图像处理来检测行人，但是这种检测方法会有很大的误差，目前更多的是采用深度学习、神经网络的方法来检测行人，在理想情况下识别的结果很好，准确率较高，但也不是完美的。由于行人之间会有遮挡，比如遮住30％的身体，这种情况下，行人的误检率也是较高的，这是当前急需解决的问题，也是本文档来自技高网...

【技术保护点】
1.一种基于摄像头的室内行人检测和跟踪方法,其特征在于，包括如下步骤/n步骤1、准备工作/n首先，配置好摄像头参数，设置好行人的像素阈值；/n接着，摄像头固定好；/n最后，判断摄像头是否正常打开，如果摄像头正常，就继续执行程序，否则，终止程序运行；/n步骤2、相机标定/n在摄像头视野中，建立世界坐标系，选取不在同一直线上的4个点，认为所有的点都在xoy平面，即z坐标为0，以图中O点为原点，

【技术特征摘要】
1.一种基于摄像头的室内行人检测和跟踪方法,其特征在于，包括如下步骤
步骤1、准备工作
首先，配置好摄像头参数，设置好行人的像素阈值；
接着，摄像头固定好；
最后，判断摄像头是否正常打开，如果摄像头正常，就继续执行程序，否则，终止程序运行；
步骤2、相机标定
在摄像头视野中，建立世界坐标系，选取不在同一直线上的4个点，认为所有的点都在xoy平面，即z坐标为0，以图中O点为原点，为x轴正方向，为y轴正方向建立坐标系；
在确定世界坐标下的点之后，通过皮尺，测出|OA|、|OB|实际的距离，并且将A、B点在世界坐标系下的坐标记录下来；
接下来，通过摄像头采集图片，记录下O、A、B点在图片中的像素坐标，通过画图软件或openCV软件获得像素坐标；
最后，将每个点的像素坐标与世界坐标系坐标对应起来，通过调用openCV的solvePnP()函数求解旋转矩阵R和平移矩阵T，得到相机外参；提供给步骤5；
步骤3、对摄像头采集到的视频进行处理，找出行人轮廓
首先，将每一帧图像由彩色转化为灰度图片；
然后，进行背景建模，采用KNN背景建模算法，对视频区域进行背景建模，将前景和背景区分开，背景随着时间的推移而不断更新；
然后，对进入视野范围的运动物体进行检测，对结果进行中值滤波、腐蚀、膨胀操作，去除噪点并且填充空洞，对识别出来的运动物体进行筛选，将不是行人的目标删除，进而得到行人区域；
最后，将每一帧检测出来的行人轮廓detectedPeople存储在当前帧detectedContours数组中；提供给步骤4；
步骤4、行人跟踪
在进行行人跟踪之前，首先将图片转化到HSV区域模型，然后再对检测出来的每一个位行人都使用CamShift算法进行跟踪：
对上一帧的detectedPeople数组中的行人轮廓逐个进行跟踪，跟踪结果与detectedContours中的轮廓进行匹配，如果匹配成功，那么比较两者的中心位置距离，如果中心...

【专利技术属性】
技术研发人员：李静楠，刘儿兀，王睿，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31