基于深度图像的行人目标检测及轮廓提取算法研究

2017-09-09 04:47:43寇中元应捷
软件导刊 2017年8期

寇中元+应捷

摘 要:在对Kinect采集到的图像进行预处理后,为了实现行人运动目标检测,需要对行人目标进行特征识别,然后将识别分割的区域作为行人目标的备选区域。通过改进的自适应高斯混合模型的背景建模对预处理后的深度图像进行行人目标分割,分离出有用信息,然后利用Freeman鏈码方法提取连通域轮廓,作为行人目标的人体头部区域,便于后续对行人目标的跟踪与统计研究。试验表明,最终得到的结果达到了预期目标,算法准确性与鲁棒性很好。

关键词:背景建模;深度图像;高斯混合模型;Freeman链码;轮廓提取

DOIDOI:10.11907/rjdk.171413

中图分类号:TP312

文献标识码:A 文章编号文章编号:1672-7800(2017)008-0039-04

0 引言

随着城市化的快速发展,人口髙密度化带来的各种经济、安全问题成为当今社会的热点问题。公共场合下的人流统计已应用于安防、商业、交通管理等领域。在商业领域,商场内各个区域、时段的人流统计数据对提高经营决策的科学性、资源调配的合理性、消费环境的舒适度等方面起着至关重要的作用;在博物馆、汽车站、地铁口、机场等公共场所中,实时、精准的人流统计信息,对于人员调度、资源分配和突发事件预防等同样起到决定性的指导作用。当前基于计算机视觉的人流统计是该领域主流的技术方案,但是在现实研究中如何实现准确率高、实时性好的行人统计系统仍然是一个难点。因此,行人运动目标分割与检测技术是目前研究的主要方向,具有较强的现实意义。……

登录APP查看全文