基于RGB-D数据的人体检测与跟踪

发布时间：2017-04-03 12:15

  本文关键词：基于RGB-D数据的人体检测与跟踪，，由笔耕文化传播整理发布。

【摘要】：本论文以浙江大学-悉尼科技大学机器人联合研究中心的研究项目为背景,以改善公共交通拥挤状况为目的,针对公共交通场所内人流的检测、跟踪与计数问题展开了相关的研究,完成了如下四个方面的工作：1.设计并实现了一种基于RGB-D数据的室内多人体检测、跟踪与计数系统。该系统由数据采集模块、数据去噪及预处理模块、人体检测模块和多人体跟踪模块四部分组成。每个组成模块都分别采用一个实时的闭环系统进行控制。各模块基于标准的输入输出定义,实现了无耦合设计,模块可复用程度高。该系统成功应用于地铁交通人流计数项目。2.设计并实现了一种基于RGB-D数据的多信息融合人体检测方法。将传统基于RGB数据的方向梯度直方图(HOG)特征的人体检测方法和基于深度数据的人体头肩轮廓(HSS)特征人体检测方法相结合,基于Dempster/Shafer证据理论将二者的人体检测概率融合计算,兼顾降低漏检测率和降低误检测率的需求,给出更加鲁棒的人体检测结果。3.提出了一种基于RGB-D数据的人体特征描述子。在使用多信息融合的人体检测方法的基础上,综合RGB数据以及深度数据的优势,提出Hist-D人体特征描述子,并将该描述子作为人体身份ID用于人体识别与区分。该描述子相比于仅仅利用RGB数据或深度数据的人体特征描述更加可靠。4.提出了基于运动轨迹特性的人体混合运动模型。该模型基于点分布模型PDM (Point Distribution Models)对人体轨迹进行分析,从而判断追踪对应轨迹的社会学属性,然后选择布朗运动模型、匀速运动模型和社会学运动模型中的一种来预测人体运动。相对于单纯使用上述三种运动模型中的一种,该模型具有更高的灵活性以及更好的适应性。
【关键词】：人体检测 人体跟踪 人体特征 运动模型 信息融合
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 致谢5-6
• 摘要6-7
• Abstract7-10
• 第一章 绪论10-22
• 1.1 研究背景10-11
• 1.2 研究发展综述11-20
• 1.2.1 人体检测发展综述11-15
• 1.2.2 人体识别发展综述15-17
• 1.2.3 人体追踪发展综述17-20
• 1.3 本文的主要工作和贡献20-21
• 1.4 本文组织结构21-22
• 第二章 人体检测与跟踪系统构建22-42
• 2.1 传感设备23-26
• 2.2 软件组成26-40
• 2.2.1 软件系统架构26-30
• 2.2.2 模块划分30-40
• 2.3 系统运行40-41
• 2.4 本章小结41-42
• 第三章 基于RGB-D数据的人体检测方法42-58
• 3.1 引言42-43
• 3.2 基于二维轮廓的人体检测方法43-46
• 3.2.1 基于HOG的人体检测方法简介43-45
• 3.2.2 实验与分析45-46
• 3.3 基于三维轮廓的人体检测方法46-49
• 3.3.1 基于HSS的人体检测方法简介46-49
• 3.3.2 实现及其效果49
• 3.4 以三维轮廓为先验信息的HOG人体检测方法49-54
• 3.4.1 以三维轮廓为先验信息的HOG人体检测方法简介49-52
• 3.4.2 实验与分析52-54
• 3.5 Hist-D特征及其比较方法54-56
• 3.5.1 Hist-D特征及其比较方法简介54-55
• 3.5.2 实验与分析55-56
• 3.6 本章小结56-58
• 第四章 基于运动轨迹特性的人体混合运动模型58-72
• 4.1 引言58
• 4.2 布·朗运动模型、匀速模型和社会学运动模型58-61
• 4.2.1 简介58-61
• 4.3 人体混合运动模型61-66
• 4.3.1 混合运动模型简介61-62
• 4.3.2 轨迹分类及主轨迹获取62-65
• 4.3.3 实时轨迹分类及对应模型选择65-66
• 4.4 实验与分析66-69
• 4.5 本章小结69-72
• 第五章 总结与展望72-74
• 5.1 总结72-73
• 5.2 展望73-74
• 参考文献74-78
• 作者简历78

【相似文献】

中国期刊全文数据库 前10条

1 丁建浩;耿卫东;王毅刚;;基于多部位多示例学习的人体检测[J];模式识别与人工智能;2012年05期

2 王敏;赵娜娜;刘忠杰;黄榜;宋小波;朱擎飞;;视频中的人体检测算法[J];自动化博览;2013年02期

3 孙宏国;李天然;蒲宝明;张全发;王慧静;;复杂背景下人体检测算法[J];计算机系统应用;2013年04期

4 潘锋,王宣银;基于支持向量机的复杂背景下的人体检测[J];中国图象图形学报;2005年02期

5 吕治国;徐昕;贺汉根;;基于可变模板和支持向量机的人体检测[J];计算机应用;2007年09期

6 汤一平;李雯;;基于全方位视觉的快速实时人体检测[J];浙江工业大学学报;2008年04期

7 方明;;一种基于图像的人体检测方法[J];科技资讯;2009年27期

8 贾棋;郭禾;宫宇;;一种实用的运动人体检测与阴影消除方法[J];系统仿真学报;2009年S2期

9 苏海明;;基于头部特征的人体检测[J];信息与电脑(理论版);2010年03期

10 黄永鑫;;运动人体检测的关键技术研究[J];硅谷;2010年17期

中国重要会议论文全文数据库 前4条

1 孙庆杰;;基于颜色量化的人体检测[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

2 龚华;李继云;;运动人体检测算法比较研究[A];第十四届全国图象图形学学术会议论文集[C];2008年

3 顾爽;陈启军;;基于边缘类型比率特征的人体检测算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

4 陈亚菲;张宝昌;;基于L2-norm最小化的人体检测[A];第八届全国信息获取与处理学术会议论文集[C];2010年

中国重要报纸全文数据库 前3条

1 成都 胥绍禹 编译;人体检测夜间自动照明灯[N];电子报;2007年

2 刘文静;测头发可知健康状况[N];新华每日电讯;2003年

3 刘文静;只需剪一缕头发 就测出健康状况[N];新华每日电讯;2004年

中国博士学位论文全文数据库 前9条

1 林逸峰;基于计算机视觉的人体检测和人脸识别[D];吉林大学;2012年

2 刘亚洲;基于时空分析和多粒度特征表示的人体检测方法研究[D];哈尔滨工业大学;2009年

3 丁建浩;基于单目视觉的人体检测和运动恢复[D];浙江大学;2013年

4 李春明;视频图像中的运动人体检测和人脸识别[D];西安电子科技大学;2005年

5 倪洪印;基于视频的人体检测与目标跟踪方法研究[D];吉林大学;2014年

6 于海滨;基于头部特征提取的人体检测与跟踪及其应用[D];浙江大学;2007年

7 叶青;无标记人体运动捕捉技术的研究[D];北京邮电大学;2014年

8 Nasir Saleem（萨里姆）;视频监控中的人体分割、识别与跟踪[D];北京邮电大学;2013年

9 郭星;大屏幕人机互动中若干关键技术研究[D];安徽大学;2013年

中国硕士学位论文全文数据库 前10条

1 姚河花;基于梯度方向直方图的人体检测算法的改进[D];电子科技大学;2014年

2 翟渊;基于电子巡考系统的缺考、代考预警研究[D];复旦大学;2013年

3 吴亚顺;基于视频序列的运动人体检测和跟踪[D];西华大学;2015年

4 常峰;基于多特征和级联分类器的人体检测算法[D];合肥工业大学;2014年

5 张宗楠;基于嵌入式系统的人体跟踪方法研究与实现[D];重庆大学;2015年

6 万雪飞;基于双人体可变形部件模型的深层人体检测[D];大连海事大学;2016年

7 武文静;监控视频中的人体检测与跟踪算法研究[D];东南大学;2015年

8 戴萧何;基于RGB-D数据的人体检测与跟踪[D];浙江大学;2016年

9 崔新毅;视频序列中的人体检测方法研究[D];哈尔滨工业大学;2007年

10 甘国龙;基于特征学习的人体检测[D];电子科技大学;2012年

  本文关键词：基于RGB-D数据的人体检测与跟踪，由笔耕文化传播整理发布。

本文编号：284314