[發明專利]一種基于深度攝像機的行人檢測跟蹤方法有效
| 申請號: | 201710112261.6 | 申請日: | 2017-02-28 |
| 公開(公告)號: | CN106951831B | 公開(公告)日: | 2020-07-31 |
| 發明(設計)人: | 王海濱;黃志舉 | 申請(專利權)人: | 中科唯實科技(北京)有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/46;G06T7/246 |
| 代理公司: | 北京律恒立業知識產權代理事務所(特殊普通合伙) 11416 | 代理人: | 顧珊;龐立巖 |
| 地址: | 100080 北京市海*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 深度 攝像機 行人 檢測 跟蹤 方法 | ||
1.一種基于深度攝像機的行人檢測跟蹤方法,其特征在于,包括步驟:
步驟101:讀取視頻流的一幀圖像,并對圖像的幀計數,計數為fN,每讀取一幀fN加1,并判斷fN能否被常量整除,如果能整除則進入步驟102,否則進入步驟107;
步驟102:使用聚合通道特征法做行人檢測,其中選取YUV顏色通道、梯度幅值通道、梯度方向通道,組合成聚合通道特征;檢測結果為一個矩形序列PR[N],其中N為檢測到的行人的個數,PR[n]表示檢測結果的第n個行人的矩形位置,然后進入步驟103;
步驟103:深度圖像去噪聲,先對RGB_D的D通道進行腐蝕操作,腐蝕半徑為r,然后在進行膨脹操作,膨脹半徑也為r,然后進入步驟104;
步驟104:修正行人位置,在RGB_D的D通道找到PR[n]對應的位置,然后使用canny算子找到圖像的邊緣,即行人的邊緣輪廓C[n],然后找C[n]的最小外接矩形BRect,BRect即為修正后行人的位置,然后用BRect替換PR[n],進入步驟105;
步驟105:去除誤檢測:在深度圖像中,PR[n]默認為行人的位置,找到PR[n]的中心點center,然后以center作為漫水填充的種子點,一直向四周填充,填充的條件是相鄰像素之間的深度值之差不低于閾值Ther_d;漫水區域的面積為m_area,計算m_area與PR[n]的面積比值,根據m_area與PR[n]的面積比值,判定位置PR[n]為誤檢測,然后將其刪除,進入步驟106;
步驟106:目標匹配,目標匹配充分利用圖像的時空信息,根據圖像的相鄰兩幀之前只存在微小的運動這一特性;
步驟107:目標跟蹤,以T_list為起點,開始對目標進行跟蹤,直到fN能被所述常量整除,進入步驟102,開始進行行人檢測,其中,T_List[n]為跟蹤列表。
2.根據權利要求1所述的方法,其特征在于:步驟107的具體方法為:
步驟201:對于跟蹤目標T_List[n],以其中心為原點,將原矩形放大到原來的2倍,結果產生矩形p_rect,進入步驟202;
步驟202:提取跟蹤目標T_List[n]的指紋f_phash,然后進入步驟203;
步驟203:以p_rect的左上角為起點,以T_List[n]的大小為大小,每次向右移動T_List[n]的寬度除以10或向下移動T_List[n]的高度除以10,得到矩形的提取指紋,并找到指紋相似度最大的矩形s_rect,然后進入步驟204;
步驟204:s_rect即為跟蹤結果,用p_rect更新T_List[n]。
3.根據權利要求2所述的方法,其特征在于:提取步驟202中指紋的具體方法為:
步驟301:縮小圖像尺寸,將原始圖像縮放到32*32;
步驟302:簡化色彩,如果是RGB圖像,則將其轉化為灰度圖像;
步驟303:對圖像進行DCT變換;
步驟304:縮小DCT圖像,只保留左上角8*8的矩陣;
步驟305:計算8*8DCT圖像的像素平均值;
步驟306:對于8*8DCT圖像的每個點,如果像素值大于像素平均值,則將像素值大于像素平均值的像素點編碼為1,否則編碼為0;最終生成的編碼序列即為圖像的指紋。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中科唯實科技(北京)有限公司,未經中科唯實科技(北京)有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710112261.6/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種自動化彎管機
- 下一篇:一種漆包線銅帶拉絲機





