论文部分内容阅读
目前,有关课堂教学监控中的学生起立检测的研究比较少。直接使用一些比较经典的运动目标检测算法,例如光流法、帧间差分法和背景减除法,会存在许多问题。比如,当有学生站起来时,这些经典算法却没有能检测到,这是漏检问题;又或者是,当有学生坐在座位上产生一些肢体运动时,被这些经典算法检测出来,并错误地判断为该学生站起来了,这是误检问题。为了解决这些问题,本文提出了一种基于双目立体视觉的方法,来处理课堂教学监控中的学生起立检测问题,有效地提高检测的准确率。本文首先对双目立体视觉匹配做了相关研究。由双目立体视觉匹配能够得到场景的视差图,但已有的立体匹配算法普遍存在一些问题,例如,当图像噪声较大时,容易造成误匹配;在视差不连续区域或者纹理相似区域,会出现匹配精度不高的问题。针对这些问题,一方面,本文对立体匹配算法提出了改进的Census变换,并结合SAD算法进行立体匹配,解决图像噪声干扰和复杂场景导致的匹配精度低的问题;另一方面,本文提出了基于改进的双边滤波的视差图后处理办法,并进行选择性滤波,有效地提高视差图的准确率。然后,本文在由双目立体视觉匹配得到的视差图基础上,提出了一种基于视差图的自适应背景建模方法。通过视差图建立背景模型,并在传统背景建模方法上,加入了自适应阈值和自适应窗口的起立判断方法,有效减少误检和漏检。最后,本文使用OpenMP对程序进行了 CPU多线程并行加速,使得整个系统达到实际应用的要求。本文提出的教学监控学生起立检测方法,能够很好地适应课堂教学的复杂场景,有效地避免漏检和误检问题,并且达到了实际应用的要求。