单摄像头下基于样本学习的人体深度估计方法研究

摘要

图像深度信息的获取是计算机视觉领域的基本问题和中间环节。随着研究的不断深入，深度图像获取技术在实际生活中衍生出了大量应用，如人工智能交互、智能监控系统、医学辅助诊断和人体运动分析等。
　　传统获取深度图像的方式大致分为两种:基于主动式深度传感器和基于计算机立体视觉。它们都有各自的缺点:前者需要借助特殊设备，还原成像场景;后者一般需要对同一场景采集一个图像序列或者多幅图像。针对传统方式获取深度图像存在的问题，本文从统计学习的角度出发，研究从单摄像头估计人体深度信息的方法。
　　本文提出了一种单摄像头下基于样本学习的人体深度估计的方法。该方法的基本思路是:建立人体深度数据库;学习人体的轮廓特征;通过特征匹配从相似样本中对人体深度进行估计和优化。其中，所涉及到的基本问题包括:建立人体深度信息数据库;人体轮廓边缘检测;匹配轮廓边缘;选择最相似的样本和人体深度信息优化。其主要工作和创新点在于:
　　1、针对人体轮廓边缘检测问题，讨论了如何从深度数据库灰度图像和单摄像头采集的彩色图像检测出人体轮廓边缘。
　　2、提出了两种人体轮廓边缘的匹配算法。一种通过计算人体轮廓边缘点到重心间的距离，提取出关于轮廓边缘的多维特征向量，通过计算多维特征向量间的距离描述两幅人体轮廓图像的相似度;另一种算法通过对图像进行距离变换，计算模板图像和距离变换图像之间的边缘距离，来描述两幅人体轮廓图像的相似度。前者简单易行，但匹配过程较为粗糙，但精确度不高，容易出现错误匹配。后者，匹配过程相对复杂，但更加精确，能够很好的匹配到相似样本。
　　3、在人体轮廓匹配的基础上，本文提出了单摄像头下基于样本学习的人体深度估计方法。在厦门大学深度数据库上，对单摄像头采集的人体彩色图像进行了深度估计，实验结果很好的验证了本文方法的有效性。

目录

声明

摘要

第一章 绪论

1．1 引言

1．2 研究背景及意义

1．3 深度图像获取的国内外研究现状

1．3．1 主动式深度传感器的方法

1．3．2 立体视觉技术

1．4 论文主要研究工作

1．5 本文结构安排

第二章 人体轮廓边缘特征提取与匹配

2．1 引言

2．2 深度数据库中人体轮廓边缘检测

2．2．1 边缘检测算法及其优缺点

2．2．2 深度数据库人体轮廓边缘检测

2．3 测试样本的人体轮廓边缘检测

2．3．1 混合高斯模型前景检测

2．3．2 测试样本的人体轮廓边缘检测

2．4 简单人体轮廓边缘匹配算法

第三章 基于距离变换的边缘特征匹配算法

3．1 引言

3．2 基于边缘特征的匹配算法

3．3 基于边缘特征的匹配算法的基本原理

3．3．1 距离变换

3．3．2 匹配策略

3．3．3 最佳位置

3．3．4 层次算法

3．3．5 图像金字塔

3．3．6 输入数据和变形方程

3．3．7 参数步长

3．3．8 初始位置

3．3．9 优化

3．4 人体轮廓边缘匹配算法

3．4．1 匹配算法框架

3．4．2 匹配结果

第四章 单摄像头下基于样本学习的人体深度估计方法

4．1 引言

4．2 基于样本学习的人体深度估计

4．3 匹配特征的选择

4．4 匹配最相似的样本

4．5 深度估计与优化

第五章 实验结果及其分析

5．1 数据库的建立和实验评价指标

5．2 结果及分析

5．2．1 简单匹配算法下的人体深度估计结果

5．2．2 基于距离变换边缘匹配的人体深度估计实验结果

第六章 总结及展望

6．1 本文总结

6．2 工作展望

参考文献

攻读硕士期间的成果

致谢