基于視覺(jué)的移動(dòng)機(jī)器人人體檢測(cè)算法研究.pdf

1、近年來(lái)移動(dòng)機(jī)器人的應(yīng)用范圍越來(lái)越廣泛，移動(dòng)機(jī)器人的工作環(huán)境從室內(nèi)發(fā)展到室外，從已知環(huán)境發(fā)展到未知環(huán)境，這就對(duì)移動(dòng)機(jī)器人的智能化程度提出了更高的要求。人體檢測(cè)技術(shù)不僅是移動(dòng)機(jī)器人視覺(jué)系統(tǒng)當(dāng)前的研究熱點(diǎn)，也是移動(dòng)機(jī)器人智能化的一個(gè)關(guān)鍵技術(shù)。
　　 本文對(duì)視覺(jué)移動(dòng)機(jī)器人人體檢測(cè)相關(guān)技術(shù)進(jìn)行深入研究，并設(shè)計(jì)實(shí)現(xiàn)了一個(gè)基于混合高斯模型優(yōu)化的移動(dòng)機(jī)器人人體檢測(cè)算法。本文將人體檢測(cè)分解成兩個(gè)關(guān)鍵問(wèn)題。首先檢測(cè)運(yùn)動(dòng)目標(biāo)，將運(yùn)動(dòng)目標(biāo)從視頻背景中分

2、割出來(lái)。提取了運(yùn)動(dòng)目標(biāo)后，再對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分類(lèi)，判斷運(yùn)動(dòng)目標(biāo)是不是人體即人體識(shí)別。本文研究的前提是視頻背景是靜止不動(dòng)的，在這種研究前提下，由于檢測(cè)的實(shí)時(shí)性和準(zhǔn)確性要求，本文采用混合高斯模型的方法提取運(yùn)動(dòng)目標(biāo)，該方法彌補(bǔ)了單個(gè)高斯模型的不足，適應(yīng)視頻背景不是絕對(duì)靜止的情況，如樹(shù)枝微小顫動(dòng)、光照微小變化。而判斷運(yùn)動(dòng)目標(biāo)是不是人是個(gè)二值分類(lèi)問(wèn)題，本文采用機(jī)器學(xué)習(xí)的方法，從訓(xùn)練的樣本庫(kù)中大量提取能有效代表人體的特征，然后訓(xùn)練分類(lèi)器，最后用訓(xùn)練好

3、的分類(lèi)器對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分類(lèi)。本文選取INIRA人體樣本庫(kù)，采用的特征是梯度直方圖特征HOG(Histogram of Oriented Gradients)，分類(lèi)器采用支持向量機(jī)SVM(Support Vector Machine)。
　　 在實(shí)際運(yùn)動(dòng)目標(biāo)提取過(guò)程中，視頻圖像序列會(huì)有很多噪聲，嚴(yán)重干擾運(yùn)動(dòng)目標(biāo)的有效提取，針對(duì)這個(gè)情況，本文采用連通域面積法去除噪聲，得到干凈的運(yùn)動(dòng)目標(biāo)。先用混合高斯模型提取運(yùn)動(dòng)目標(biāo)再進(jìn)行人體檢測(cè)，有

4、效改進(jìn)了傳統(tǒng)的HOG+SVM運(yùn)動(dòng)人體檢測(cè)方法的實(shí)時(shí)性。如若不事先提取圖像序列中的運(yùn)動(dòng)目標(biāo)，而是對(duì)整個(gè)圖像進(jìn)行檢測(cè)，那么就要將檢測(cè)窗口在整個(gè)圖像上進(jìn)行遍歷檢測(cè)，這會(huì)占用大量的時(shí)間。但是提取了運(yùn)動(dòng)目標(biāo)，我們只需將運(yùn)動(dòng)目標(biāo)區(qū)域送入檢測(cè)窗口進(jìn)行檢測(cè)，縮短了檢測(cè)時(shí)間，滿(mǎn)足實(shí)時(shí)性的需求。本文采用的系統(tǒng)開(kāi)發(fā)平臺(tái)是VC++6.0，并使用OpenCV這個(gè)開(kāi)源的計(jì)算機(jī)視覺(jué)庫(kù)。檢測(cè)結(jié)果表明，本文采用的基于混合高斯模型優(yōu)化的移動(dòng)機(jī)器人人體檢測(cè)方法不僅在檢測(cè)準(zhǔn)確