基于双目立体视觉的快速人头检测方法

作者:顾骋;钱惟贤;陈钱;顾国华;任建乐 刊名:中国激光 上传者:张春凤

【摘要】为满足人流统计实时性的要求,提出一种人头检测算法。该方法对双目相机采集的图像通过运动目标检测分离出运动人员所在区域,对这些区域使用融合区域匹配和特征匹配的快速匹配方法,即利用视差的连续性只对强纹理点进行绝对误差累积(SAD)匹配,其他点只进行简单的视差验证,能够得到稠密的视差图,再由三角投影关系计算出深度图。由于双目立体成像得到的深度图中人员与场景的深度分布不同,可以采用深度分层的方法将存在人头信息的深度层提取出来,经过数学形态学预处理再利用边缘检测会得到许多候选轮廓,最终利用轮廓的几何特征来判断轮廓是否为人头。实验表明:该算法可以很好地适应复杂场景下的人头检测,精度高、速度快。

全文阅读

1引言在许多商业和公共场所,如车站、公共汽车、商场、影院等都需要采集人员流动信息。这些信息能够用来决定商场的租赁价格、商品的销售情况、广告投放的效益;帮助车站安全高效地安排附属设施;帮助交通运营部门恰当地分配人力、物力、财力,合理地调整路线。出于上述原因,自动人员计数系统一直是研究人员关注的热点。随着计算机视觉的兴起,其可视化、自动化、对复杂场景的高适应性等优点将自动人员检测系统引入了新的领域,发展出了许多高效的检测方法。这些方法有一个共同点就是通过检测人头来实现流动人员的监测。0108001-1常用的人头检测方法有三种:一是基于轮廓的检测技术,头部轮廓特征主要由头部边缘点的梯度参数构成,常用的轮廓模型有椭圆模型、高斯模型、曲线模型[1];二是基于颜色的检测技术,主要有发色模型和肤色模型[2];三是基于模板的检测技术,利用特征模板或面部模板检测人头,需要模板库、训练器。基于轮廓的检测方法对图像分辨率低、人物角度多样、遮挡较多的情况稳健性较差;基于颜色的检测方法容易受光照影响,且分离颜色时需要经常调整阈值,实用性不佳;基于模板的检测方法具有较好的稳健性,正确率也较高,但是分类器的训练比较耗时,当特征量比较多时会增加空间复杂度,难以满足实时监控的需求[3]。上述的方法都是基于单目摄像机的,主要的不足之处在于遮挡、外形、光照、分类器训练复杂。为了解决这些问题,本文提出了一种基于双目立体视觉的快速人头检测方法,对拍摄的左右视图通过立体匹配以获取场景中物体相对于摄像机的深度图,对深度分层提取出含有人头的那一层深度,再通过进一步的数学形态学操作和轮廓检测就能够提取人头。该方法利用双目立体视觉高精度、对光照的不敏感的特点,实现了复杂场景的人头检测。2双目立体视觉2.1立体成像原理立体视觉兴起于20世纪60年代,近年来一直是计算机视觉领域最热门的研究问题之一。立体视觉的基本原理就是通过模拟人类视觉处理景物的方式,在不同的位置上同时拍摄两幅图像,通过三角测量原理计算两幅图像上像素点间的位置偏差,获取物体的深度信息。经过多年的研究,双目视觉理论不断发展,并且由于软硬件性能的不断提高,立体视觉发挥着越来越大的作用,目前已广泛应用于工业检测、机器人导航中[4]。图1显示的是一套无畸变、行对准的标准立体试验台[5](通过图像校正可以调节两摄像机之间的位置关系,使其接近于标准立体模型,使得左右焦距fl、fr和主点坐标Cl、Cr都完全相同)。其中Cl、Cr分别是左右视图的主点(区别于图像的中心点,是光轴与像平面之间的交点),Ol、Or分别是左右摄像机镜头透镜的光心,T是基线距离(两摄像机的间距),物理场景中的一个点P投影在左右视图上,由于校正后的图像满足极线定理,所以点P在左右视图上成像点的纵坐标值是完全相同的,不同的则是横坐标值,分别为xl、xr,记d=xl-xr,其中d是视差,再根据相似三角形原理就能推导出点P距离双目摄像机的深度Z[6]。图1无畸变、行对准的标准立体试验台Fig.1Undistortedandline-alignedstandardstereotestbed由相似三角形原理,可得到T-(xl-xr)Z-f=TZ,(1)Z=fTxl-xr,(2)式中f是双目相机的焦距(f=fl=fr),结合视差表达式继而可以得到深度精度Z=Z2fTd,(3)式中d是图像的精度,单位是像素,对于给定的摄像机参数,提高场景点深度计算精度的有效途径是增长基线距离和降低d。2.2立体匹配立体视觉中最为重要的就是立体匹配,立体匹配效果的好坏直接影响到图像处理最终结果的好坏[7]。立

参考文献

引证文献

问答

我要提问