论文部分内容阅读
人体检测和跟踪技术是计算机视觉领域重要的研究方向和研究热点。它在智能交通系统，机器人，交互系统，智能视频监控系统，自动驾驶系统等有着广泛的应用。给整个社会的高效运转提供了极大的便利，同时也给社会创造了巨大的经济效益。本文提出一种基于Kinect的人体检测算法，该算法是通过积分图来加速基于Kinect人体检测算法中的HOG(梯度方向直方图)特征和HOD(深度方向直方图)的计算，然后结合带概率输出的支持向量机，来进行有效的人体检测。该检测算法可以在不需要GPU加速的情况下，可以实时的在连续视频帧中检测到人体。在室内条件下，基于Kinect的监控窗口为640*480，可以达到30FPS左右，有效的解决了目前基于统计学习分类的人体检测算法中人体检测速率不高，达不到实时效果的问题。在提出基于Kinect的人体检测算法的基础上，本文提出一种新的人体跟踪算法，这种跟踪算法是将Kinect的人体检测阶段融合到Meanshift跟踪算法中去，即每一帧中首先根据上一帧的信息(如检测窗口的中心位置，检测窗口的人体大小尺度及其对应的人体深度信息)，在这一帧首先搜索该深度信息的人体，然后把搜索出来的可能人体目标位置信息与我们预先提取出来的目标人体模型进行匹配以确定大概的问题位置，如果相互匹配，再在可能的目标位置进行Meanshift迭代以确定确切的人体位置；如果不匹配，则进行下一个可能人体目标位置的匹配。这种先搜索检测人体以确定大致的人体目标位置，然后用Meanhshift进行迭代以确定确切的人体位置。该算法可以解决Meanshift算法用于跟踪人体时，当人体移动速度较快，容易造成被跟踪人体容易丢失的问题。