基于双目视觉和约束条件的行人目标定位

发布时间：2020-03-06 09:53

【摘要】：针对行人检测中计算量大、训练分类器耗时和无法满足实时性要求等问题,提出了一种基于双目视觉的行人目标定位方法。该方法利用图像处理技术获取候选轮廓,将轮廓的几何特征作为约束条件来筛选候选轮廓;利用双目视觉获取轮廓的深度信息后,将深度信息作为约束条件对候选轮廓进行进一步筛选。通过深度信息和几何信息的共同约束,识别出行人的头部轮廓,从而实现对行人目标的定位。实验结果表明,该方法减小了计算量,提高了检测精度。
【图文】：

流程图,技术流程

运算为基础，提出一种基于双目视觉的行人定位方法。通过双目视觉系统来获取物体相对于摄像机的深度信息，利用深度信息排除低于指定高度的目标，如行李箱、手提袋、宠物等，并增加一个目标轮廓几何约束，来排除轮廓较小或者较大的目标轮廓。上述两个约束的筛选提高了系统对行人目标的辨识率。故本方法在提高标量特征运算鲁棒性的同时，又保证了系统的实时性。１算法流程１．１图像的获取与技术流程图笔者利用２个ＣＣＤ相机（采取相互平行的拍摄方式）来实现图像和视频的采集。目标识别的技术流程如图１所示。１．２摄像机的标定摄像机标定过程涉及４个坐标系：世界坐标系、摄像机坐标系、图像物理坐标系和图像像素坐标系［８］，它们之间的位置关系如图２所示。（１）图像像素坐标系Ｏ０ＵＶ。该坐标系以图像左上角Ｏ０为原点，某个像素的坐标（ｕ，ｖ）为该像素在图像上所对应的列数与行数，坐标轴的单位为像素。（２）图像物理坐标系Ｏ１ＸＹ。将摄像机光轴与摄像机成像平面的交点作为原点Ｏ１（图像像素坐标系的中心位置），坐标轴的单位为ｍｍ。图像物理坐标系主要用来描述点在图像中的物理位置。（３）摄像机坐标系ＯｃＸｃＹｃＺｃ。将摄像机的光心Ｏｃ作为原点，摄像机的光轴作为Ｚｃ轴，平面ＯｃＸｃＹｃ与摄像机成像平面平行，坐标轴的单位为ｍｍ。摄像机光心到成像平面的距离称为摄像机图１技术流程图图２坐标系之间的关系的焦距ｆ，ｆ＝ＯｃＯ１。（４）世界坐标系ＯｗＸｗＹｗＺｗ。世界坐标系用来描述物体的具体位置，可以根据

处理结果,减法,形态学,背景

Ｔ由于采取的拍摄方式为两相机平行拍摄，故外参数的旋转矩阵理论值为３阶单位矩阵，，从标定结果上看，该旋转矩阵近似等于３阶单位矩阵。平移矩阵中第一个参数应为两相机的安装距离，另外两个参数应为０，即外参数的理论平移矩阵为［ｘ００］Ｔ。从标定结果上看，平移矩阵同样接近理论值，故相机标定的实验结果较为理想。为了测试算法的性能，在ＶＳ２０１０平台下进行了算法的测试。图３所示为背景模型，图４为实时采集的图像。图３背景模型图４实时采集图像由图５可以看出，通过背景减法可以提取出场景中的目标。由于本文旨在提取行人头部的轮廓，故通过提高相机的曝光量来减小外界光线对图像产生的影响。从图６可以看出，形态学处理后，图５中的空洞填满了，并且图像中的轮廓更加平滑，减小了轮廓之间发生干涉的可能性。图７所示为利用ｃａｎｎｙ算子提取的目标轮廓，通过轮廓的外接矩形来标记每一个轮廓，并用外接矩形的参数来描述目标轮廓的相关信息。外接矩形的参数如表１所示。由表１可以看出，轮廓２的矩形框面积远大于其他轮廓。从图８可以看出，通过几何约束的筛选，本方法可以将不符合几何信息约束条件的轮廓２排除。图５背景减法处理结果图６形态学处理结果图７提取轮廓边界结果图８几何约束筛选结果表１目标轮廓参数表轮廓矩形框中心坐标（像素，像素）矩形框面积（像素２）１（１７１，１１３．５）９９００２（３８２．５，１５７）２０７４８３（４６６．５，１１６．５）１３６７３４（４０９．５，４１２）１３４６２通过立体匹配，我们可以若判断

【相似文献】