本发明专利技术公开了一种基于Kinect三维深度图像的头部识别与跟踪方法，本发明专利技术首先分析Kinect传感器输出的原始深度图，找出距离与灰度级的对应关系；目标分割，标定距离与灰度级关系后对原始深度图取反得到灰度图，通过聚类算法把灰度图中头部和肩部分成两类，并利用直方图计算得到的灰度级分割灰度图，得到二值图序列；头部识别以及跟踪计数，即基于人体头部的类椭圆状、头部的大小以及头部与肩部的空间位置等特征遍历二值图序列和灰度图，识别人体头部位置，并建立航迹，统计进出的人数；本发明专利技术解决了目前客流统计中的拥挤，受环境影响等许多问题，利用VS2008软件仿真，确定了系统的可行性和稳定性，系统精度在93%以上。
【技术实现步骤摘要】
本专利技术属于数字图像处理与模式识别领域，特别是一种。
技术介绍
随着计算机技术和统计分析技术的不断发展，客流统计已经开始进入自动化阶段，实时、可靠地获取客流信息已经成为可能。同时，客流信息的重要性也日益表现出来。对于公交车、地铁、长途客车、铁路等公共交通系统，详实地掌握各条线路、各个站点流量、流时和分布等信息，将方便公司调整线路，合理分配资源，提高资源的利用率，同时能为智能交通的发展提供数据支持。对于大型商场或超市，通过对客流量的深层分析，可以为商场管理提供科学依据，特别是对提高商场日常经营决策的科学性、人力资源调度的合理性等方面起到重要作用。自动客流计数技术在发达国家已经广泛应用，而国内也有不少商家开始应用该技术以提高商场竞争力。同时，图书馆、体育馆、展览馆等公共安全要求很高的公共场所安装智能监控摄像头和调度系统，这些系统来说，实时准确地获取客流量信息同样很重要。传统自动客流计数的主要手段是压力传感器系统或者红外遮挡系统，他们虽然成本低，实现简单，但计数不准确，不适合客流拥挤的状况下，且应用场合受限。随着图像处理技术的兴起和发展，结合传统自动客流计数系统面临的问题，提出了许多新的方法。目前基于图像处理的自动客流计数主要是基于普通彩色图像，利用特征识别和模式匹配等方式查找目标，统计客流信息，这种方法虽然能适合拥挤的客流统计，但受光线影响很大，仅适用于背景简单情况下的客流统计，且计算量大，维护工作量繁琐。随着立体视觉的发展，充分发挥空间立体信息，可以解决基于图像处理的自动客流计数系统中存在的许多问题。
技术实现思路
本专利技术的目的在于提供一种能够自动识别跟踪身高I米以上的人体头部，并可以解决基于视频流图像处理中的客流拥挤、受环境变化影响等问题的。实现本专利技术目的的技术解决方案为: ，具体步骤包含如下: 步骤一:利用Kinect传感器输出的第一帧灰度图标定传感器距离地面1\和1^对应的灰度级q和Q，Q表示第一帧中没有人在视场范围内地面对应的灰度级，本文档来自技高网...
【技术保护点】
基于Kinect三维深度图像的头部识别与跟踪方法，具体步骤包含如下：步骤一：利用Kinect传感器输出的第一帧灰度图标定传感器距离地面????????????????????????????????????????????????和对应的灰度级和,表示第一帧中没有人在视场范围内地面对应的灰度级，Kinect传感器的标定是以厘米为单位，距离与灰度级的比例系数大于1.4小于1.7，距离?，；步骤二：图像取反，即设对应的灰度级为阈值，用表示原始深度图对应的灰度值，用表示取反后对应的灰度级，遍历原始深度图，如果像素灰度级满足，则得到，否则，其中和表示对应像素的行和列，且，，取反后得到灰度图的灰度级与身高成正比；步骤3：均值漂移聚类分割，即利用均值漂移聚类分割算法对经过第二步处理得到的灰度图进行聚类分割，均值漂移矢量指向梯度变化最大的方向，在核窗口依次计算特征空间数据点的均值漂移聚类分割矢量，沿均值漂移聚类分割梯度方向移动到新位置，然后将这点作为新点，继续计算均值漂移聚类分割矢量并移动，直到满足一定的条件结束迭代，其中参数空间半径，颜色半径，分割级数且为整数，分割后得到人体头部与肩部灰度级彼此分离的灰度图，???????????????????????????式中处以核计算出加权平均值；步骤4：获取目标灰度级，对经过聚类分割处理得到的灰度图进行直方图统计；统计直方图中满足灰度级大于且像素个数大于对应的灰度级，取最小值为150，得到灰度级，经第三步均值漂移聚类分割后处理后，头部与肩部一般占小于7个灰度级，且头部与肩部灰度级不连续，基于这一特征将灰度级划分成N部分,其中N大于等于0，记作，，其中表示区域边间对应的灰度级，；步骤5：头部识别，首先，造幅初始值为的二值图，编号为1～N；其次,遍历经过第三步均值漂移聚类处理后的灰度图，如果，则第幅二值图对应的位置赋值为255；最后,基于以下特征:(1)面积大于Area,取Area的最小值为500；(2)类椭圆状；(3)宽高按如下公式换算后满足小于25且大于15，其中和表示人体头部的实际大小，和表示二值图中求出的区域宽和高，表示区域灰度均值，是比例系数且；记录所有满足条件的区域起始坐标、宽高以及区域均值，即头部信息，?；步骤6：头部跟踪，视场范围内以头部中心点为点迹，波门形状为矩形，头部的宽高值作为波门大小，取波门最小尺寸大于20，由点迹与波门确定以目标点迹预测值为中心的空间搜索区域，其中点迹与航迹相关；首先，假定航迹，第K帧初次记录目标，基于第K+1帧得到的坐标对目标的速度进行估计，如果估计的速度在取值范围内，则生成一条暂时航迹；其次，基于第K+2帧目标的位置进行预测，并以预测位置为中心，确定一个关联区域，任何落在关联区域内的点迹扩展一条暂时的航迹，继续估计速度值，基于速度值对下一帧的位置进行预测并建立相关区域，任何落在相关区域内的点迹将生成一条新的航迹；最后，对所有生成的航迹用二次曲线进行拟合，如果航迹上的点和拟合曲线的误差在一定范围内，则确定该航迹，如果不满足，则删除该航迹；确定目标运动航迹后，在经过第三步分割处理后的灰度图的第行和第行画两条判断线，其中，，如果当前目标点迹小于且航迹存在行坐标大于的点迹，则进的人数加1，反之如果当前目标点迹大于且航迹存在行坐标小于的点迹，则出的人数加1，同时，删除该航迹，对于第一帧后的图像，循环第二至六步骤。352762dest_path_image002.jpg,739881dest_path_image004.jpg,2013100646419100001dest_path_image005.jpg,172000dest_path_image006.jpg,2013100646419100001dest_path_image007.jpg,124912dest_path_image008.jpg,921967dest_path_image010.jpg,590190dest_path_image012.jpg,763682dest_path_image014.jpg,2013100646419100001dest_path_image015.jpg,836681dest_path_image016.jpg,2013100646419100001dest_path_image017.jpg,866953dest_path_image018.jpg,2013100646419100001dest_path_image019.jpg,2013100646419100...
【技术特征摘要】
1.基于Kinect三维深度图像的头部识别与跟踪方法，具体步骤包含如下: 步骤一:利用Kinect传感器输出的...
【专利技术属性】
技术研发人员：顾国华，尹章芹，顾骋，胡楷，董超，钱惟贤，陈钱，路东明，任侃，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。