基于立体视觉的人头检测与统计方法研究

摘要

人头检测与统计系统是智能监控中重要的研究方向，有着广泛的应用价值。在地铁站和火车站等重要公共场所，人数统计为控制客流提供精确的客流数据管理；在公交车和电梯口等区域，客流量统计对公共安全防范和交通配置都有着重要的参考价值；对于大型超市和商场等企业，在人数统计的基础上进行相关商业分析和数据挖掘可以辅助企业指导市场决策。因此，人数统计带来的社会意义和市场应用价值使得其成为当前国内外智能视频监控领域的研究热点。
　　本文基于当前先进的立体视觉技术来进行人头检测与统计方法研究，主要研究了基于双目立体视觉的被动立体视觉技术在人头检测与统计的设计与实现，然后针对被动立体视觉的局限性结合当前先进的主动立体视觉技术，设计了人头检测与统计方法在深度摄像头上的实现。
　　在双目立体视觉人头检测与统计方法研究中，首先进行双目摄像头的标定工作，求出摄像头的内外参数和校正矩阵。然后利用校正后的图像进行立体匹配获取视差图，使用了一种跨尺度变窗口代价聚合的快速立体匹配方法。最后，利用俯视深度图并结合人头距离摄像头距离最近的特点检测出人头。在整个过程中，提出并实现了一种低复杂度高精度的立体匹配算法，然后改进了一种基于深度图的人头检测和统计方法。实验结果表明，基于双目立体视觉的人头检测与统计方法成本低，不仅检测精度很高，还能适应各种复杂的环境变化，从而鲁棒性较强。
　　在基于深度摄像头的主动立体视觉方法中，提出一种适用于深度图的模拟降水分水岭算法（D-RWS）。首先，修复深度图的空洞，并用高斯混合模型的背景建模方法进行前景图像的提取；然后，利用D-RWS算法在深度图中分割出感兴趣的行人头部区域（ROI）；最后，基于质心欧式距离最短法的原则关联各图像帧中的相同目标，根据跟踪的轨迹来统计。通过仿真和软件实现此算法，实际场景测试表明主动立体视觉的人头检测和统计方法达到了40帧每秒，实用性很强，检测精度和效率高。
　　最后总结了主动和被动两种基于立体视觉的方法人头检测和统计方法，两方法均可解决传统方法因行人遮挡、光线突变导致的检测准确率低的难题。双目的方法鲁棒性强，但是实时性能略微逊色。深度传感器的方法由于采用结构光技术也导致其视野范围以及有效距离都较小，受太阳光中的红外成分影响而不能适应室外环境。在经济因素、室内外应用场合和实时性能要求不同的应用场景下，可根据实际需要选择其中一种合适的解决方案。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1立体视觉技术

1.2 人头检测技术

1.3人头检测与统计的国内外研究现状

1.4课题研究的背景和意义

1.5本文的主要内容与结构

第2章 双目立体视觉系统标定与极线校正

2.1 摄像机的成像模型

2.2 双目立体视觉系统标定

2.3 图像极线校正

2.4摄像机标定与极线校正的实验结果

2.5 本章小结

第3章 基于跨尺度变窗口代价聚合的快速立体匹配

3.1 匹配代价计算

3.2跨尺度变窗口的代价聚合方法

3.3基于引导加权中值滤波的多步骤视差精化

3.4实验结果与分析

3.5复杂度分析与运行时间评估

3.6本章小结

第4章 基于双目立体视觉的人头检测方法

4.1 人头检测算法的总体框架

4.2 融合背景差法和帧间差法的运动目标检测

4.3 深度滤波与形态学处理

4.4人头轮廓提取

4.5 跟踪与统计

4.6 实验结果与分析

4.7 本章小结

第5章 基于主动立体视觉的实时人头检测方法

5.1实时人头检测方法的总体设计

5.2深度图像预处理

5.3 基于D-RWS算法的人头检测

5.4 跟踪与统计

5.5 实验结果与分析

5.6本章小结

总结与展望

1、工作总结

2、局限性

3、课题展望

参考文献

致谢

附录A（攻读学位期间发表的学术论文）