论文部分内容阅读
随着工业自动化的进程不断加速，工业机器人在工业自动化生产中得到了广泛的应用，模式识别是机器人技术的核心，模式识别技术越来越彰显出其非常重要的地位。然而现阶段在工业自动化的生产线上始终都还离不开人的控制，但是目前鲜有对于自动化生产线上人的安全保护方面的研究。所以对于工业自动化生产线上人身的安全保护成了一个新的热点。针对这一问题，本文针对皮肤这一人表面积最大的器官的识别进行了研究。 本文介绍了模式识别的发展趋势以及皮肤识别技术的发展现状，重点分析了现有皮肤检测技术的理论基础，并对常用于肤色识别的彩色空间和建模方法进行了分析。发现传统的基于窗口区域的皮肤识别技术，往往需要大量的存储空间来对图像进行缓存，从而增加了系统的硬件开销，而且成本较高。本文提出了一种局部区域逐像素皮肤识别算法(Local Pixel Skin Detection，LPSD)，采用皮肤颜色的聚类性分析方法，实现了人的肤色在YCbCr空间的数学建模、特征分析和肤色识别。与传统算法相比，更易于硬件实现，FPGA硬件实现表明，在16×16个的图像局部区域内逐像素点进行肤色检测，LPSD算法只占用了不到168KB的存储空间，并且整个系统对连续的视频图像进行处理时，视频的帧率可以达到30帧每秒，完全可以达到实时检测的要求。最后利用FPGA搭建了硬件仿真实验系统，对视频图像进行了皮肤的检测和标记测试。测试结果表明， LPSD算法在只占用传统硬件皮肤识别算法十五分之一的存储空间情况下，可以准确地对肤色进行检测。