基于视觉目标跟踪的行李托运系统设计与实现
发布时间：2020-08-11 11:13
【摘要】：针对复杂环境下视觉行李托运系统存在的目标遮挡问题,设计一种基于视觉目标跟踪的行李托运系统,同时提出一种基于边缘检测的移动人体跟踪方法,实现行李自动托运系统的设计.该行李托运系统由监控终端、ARM跟踪平台以及Wi-Fi定位系统组成.实施现场主要由ARM跟踪平台托运行李,并对移动人体目标进行实时跟踪,然后利用Wi-Fi信号强度信息对ARM跟踪平台进行定位和监控.应用结果表明:本系统在机场、车站等复杂环境下进行基于视觉的行李托运,具有较高的实时性和跟踪准确率,较好地解决了因遮挡导致的目标丢失问题.
【图文】：
规范窗口Fig.4specwindow
辽宁工程技术大学学报（自然科学版）第36卷辽宁工程技术大学学报（自然科学版)网址：http://202.199.224.158/http://xuebao.lntu.edu.cn/878行李托运系统的硬件仿真见图2.图2行李托运系统硬件仿真图Fig.2hardwaresimulationdiagramofluggagetransportationsystem2系统框架设计系统的框架设计主要利用CMOS摄像头采集待跟踪目标图像，并将图像数据传递给DSP模块，DSP模块经过目标跟踪处理后，将跟踪结果以及图像信息传递给ARM平台，ARM平台根据目标位置信息给电机驱动器发送控制命令，电机驱动器控制车轮转动并带动整个托运系统运行.系统还增加了4个辅助功能，包括超声波避障、Wi-Fi托运系统定位、Wi-Fi传输视频图像至监控终端以及人机交互的语音提示服务功能，使得该托运系统具有智能化、人性化的特点.系统框架见图3.超声波检测障碍物语音提示服务ARM平台DSP图像处理摄像头采集图像Wifi传输图像及位置信息监控终端显示电机驱动模块车轮转动图3系统框架Fig.3systemframework3移动人体跟踪算法设计本文提出了一个新的人体跟踪算法，首先对图像进行边缘检测，将得到的边缘图像进行熵分布计算，得到图像信息的分布情况，然后对图像的信息熵进行傅里叶变换，得到图像频率分布情况，最后根据图像频率，将输出频率较大的区域作为目标，进行移动人体跟踪.3.1边缘像素检测传统的Canny有如下不足，使用高斯滤波方法，会造成图像平滑和边缘的模糊，并且人为确定的高斯滤波系数σ难以在图像去噪和边缘细节保留上保持较好的平衡；使用2×2邻域一阶偏导的有限差分计算梯度幅值，对噪声过于敏感，容易丢失一些真实边缘细节并产生伪边缘；双阈值算法的高低阈值由人根据先验经验来设定，对于不同的图像的应用得不
ntu.edu.cn/879自适应中值滤波方法的降噪效果随着噪声的增大而减小，当执行到最后一个窗口，其输出值为极值时，未起到降噪效果，此时采用窗口大小为5的均值滤波器[8].系统在未起到降噪效果的滤波窗口内去掉灰度值为0和255的图像，以大小为5的窗口ZXY均值滤波器进行降噪，用g(s,t)表示受噪声污染的M×N图像，gr(x,y)表示剩余像素，设g(s,t)中灰度值为0和255的像素个数分别为p和q，则修正后的滤波器由下式表示：XYstZrgstMNpqfxy,^,1,.改进的自适应中值滤波过程见图5.图5改进的自适应中值滤波过程Fig.5improvedadaptivemedianfilteringprocess（3）3×3邻域梯度计算方法传统的Canny算法中梯度的幅值和方向使用2×2邻域一阶偏导有限差分来计算，对噪声较为敏感.本文使用3×3邻域的一阶偏导x方向，y方向，45°方向和13545°方向的差分来计算梯度的幅值和方向.四个方向的偏导为x方向：FijIijIijx,1,1,，y方向：Fi,jIi,j1Ii,j1y.45°方向：,-1,11,145FijIijIij.135°方向：,1,1-1,1135FijIijIij.水平方向差分：45135,,,,/2xxEijFijFijFij.垂直方向差分：45135,,,,/2yyEijFijFijFij.像素梯度幅值：213524522Mi,jFi,jFi,jFi,jFi,jxy.梯度方向：,,arctan,yxEijijEij.对得到的梯度幅值进行非极大值抑制，将非局部极大值点的梯度M置零得到细化边缘.（4）自适应阈值方法设图像中梯度幅值为iT的像素为in，0≤i≤L1，则像素in发生概率为10LiiiinnP.使用阈值minT和maxTminmaxTT将图像分为三类，非边缘区
本文编号：2788997
【图文】：
规范窗口Fig.4specwindow
辽宁工程技术大学学报（自然科学版）第36卷辽宁工程技术大学学报（自然科学版)网址：http://202.199.224.158/http://xuebao.lntu.edu.cn/878行李托运系统的硬件仿真见图2.图2行李托运系统硬件仿真图Fig.2hardwaresimulationdiagramofluggagetransportationsystem2系统框架设计系统的框架设计主要利用CMOS摄像头采集待跟踪目标图像，并将图像数据传递给DSP模块，DSP模块经过目标跟踪处理后，将跟踪结果以及图像信息传递给ARM平台，ARM平台根据目标位置信息给电机驱动器发送控制命令，电机驱动器控制车轮转动并带动整个托运系统运行.系统还增加了4个辅助功能，包括超声波避障、Wi-Fi托运系统定位、Wi-Fi传输视频图像至监控终端以及人机交互的语音提示服务功能，使得该托运系统具有智能化、人性化的特点.系统框架见图3.超声波检测障碍物语音提示服务ARM平台DSP图像处理摄像头采集图像Wifi传输图像及位置信息监控终端显示电机驱动模块车轮转动图3系统框架Fig.3systemframework3移动人体跟踪算法设计本文提出了一个新的人体跟踪算法，首先对图像进行边缘检测，将得到的边缘图像进行熵分布计算，得到图像信息的分布情况，然后对图像的信息熵进行傅里叶变换，得到图像频率分布情况，最后根据图像频率，将输出频率较大的区域作为目标，进行移动人体跟踪.3.1边缘像素检测传统的Canny有如下不足，使用高斯滤波方法，会造成图像平滑和边缘的模糊，并且人为确定的高斯滤波系数σ难以在图像去噪和边缘细节保留上保持较好的平衡；使用2×2邻域一阶偏导的有限差分计算梯度幅值，对噪声过于敏感，容易丢失一些真实边缘细节并产生伪边缘；双阈值算法的高低阈值由人根据先验经验来设定，对于不同的图像的应用得不
ntu.edu.cn/879自适应中值滤波方法的降噪效果随着噪声的增大而减小，当执行到最后一个窗口，其输出值为极值时，未起到降噪效果，此时采用窗口大小为5的均值滤波器[8].系统在未起到降噪效果的滤波窗口内去掉灰度值为0和255的图像，以大小为5的窗口ZXY均值滤波器进行降噪，用g(s,t)表示受噪声污染的M×N图像，gr(x,y)表示剩余像素，设g(s,t)中灰度值为0和255的像素个数分别为p和q，则修正后的滤波器由下式表示：XYstZrgstMNpqfxy,^,1,.改进的自适应中值滤波过程见图5.图5改进的自适应中值滤波过程Fig.5improvedadaptivemedianfilteringprocess（3）3×3邻域梯度计算方法传统的Canny算法中梯度的幅值和方向使用2×2邻域一阶偏导有限差分来计算，对噪声较为敏感.本文使用3×3邻域的一阶偏导x方向，y方向，45°方向和13545°方向的差分来计算梯度的幅值和方向.四个方向的偏导为x方向：FijIijIijx,1,1,，y方向：Fi,jIi,j1Ii,j1y.45°方向：,-1,11,145FijIijIij.135°方向：,1,1-1,1135FijIijIij.水平方向差分：45135,,,,/2xxEijFijFijFij.垂直方向差分：45135,,,,/2yyEijFijFijFij.像素梯度幅值：213524522Mi,jFi,jFi,jFi,jFi,jxy.梯度方向：,,arctan,yxEijijEij.对得到的梯度幅值进行非极大值抑制，将非局部极大值点的梯度M置零得到细化边缘.（4）自适应阈值方法设图像中梯度幅值为iT的像素为in，0≤i≤L1，则像素in发生概率为10LiiiinnP.使用阈值minT和maxTminmaxTT将图像分为三类，非边缘区
【相似文献】
相关期刊论文 前7条
1 梁光岚;王朔中;张新鹏;;利用边缘像素负载信息的二值图像密写(英文)[J];Journal of Shanghai University(English Edition);2007年03期
2 孙绍晟;张林;;基于图像的牛奶细微杂质检测算法研究与仿真[J];计算机应用与软件;2013年01期
3 程方丽;毛倩;;基于二值图像边缘像素和方向编码的双层隐写算法[J];光学仪器;2011年04期
4 付慧;刘峡壁;贾云得;;用于文本区域提取的边缘像素聚类方法[J];计算机辅助设计与图形学学报;2006年05期
5 陈爱军;李金宗;李东东;;一种改进的随机圆检测算法[J];光电工程;2006年12期
6 陈德权,赵宇明,万长明;基于区域和边缘分开编码可伸缩彩色图像编码[J];红外与激光工程;2004年06期
7 ;[J];;年期
本文编号：2788997
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2788997.html
