[发明专利]基于Kinect三维深度图像的头部识别与跟踪方法

说明书

技术领域

本发明属于数字图像处理与模式识别领域，特别是一种基于Kinect三维深度图像的头部识别与跟踪方法。

背景技术

随着计算机技术和统计分析技术的不断发展，客流统计已经开始进入自动化阶段,实时、可靠地获取客流信息已经成为可能。同时，客流信息的重要性也日益表现出来。对于公交车、地铁、长途客车、铁路等公共交通系统，详实地掌握各条线路、各个站点流量、流时和分布等信息，将方便公司调整线路，合理分配资源，提高资源的利用率，同时能为智能交通的发展提供数据支持。对于大型商场或超市,通过对客流量的深层分析，可以为商场管理提供科学依据，特别是对提高商场日常经营决策的科学性、人力资源调度的合理性等方面起到重要作用。自动客流计数技术在发达国家已经广泛应用，而国内也有不少商家开始应用该技术以提高商场竞争力。同时，图书馆、体育馆、展览馆等公共安全要求很高的公共场所安装智能监控摄像头和调度系统，这些系统来说，实时准确地获取客流量信息同样很重要。

传统自动客流计数的主要手段是压力传感器系统或者红外遮挡系统，他们虽然成本低，实现简单，但计数不准确，不适合客流拥挤的状况下，且应用场合受限。随着图像处理技术的兴起和发展，结合传统自动客流计数系统面临的问题，提出了许多新的方法。目前基于图像处理的自动客流计数主要是基于普通彩色图像，利用特征识别和模式匹配等方式查找目标，统计客流信息，这种方法虽然能适合拥挤的客流统计，但受光线影响很大，仅适用于背景简单情况下的客流统计，且计算量大，维护工作量繁琐。

随着立体视觉的发展，充分发挥空间立体信息，可以解决基于图像处理的自动客流计数系统中存在的许多问题。

发明内容

本发明的目的在于提供一种能够自动识别跟踪身高1米以上的人体头部，并可以解决基于视频流图像处理中的客流拥挤、受环境变化影响等问题的基于Kinect三维深度图像的头部识别与跟踪方法。

实现本发明目的的技术解决方案为：

基于Kinect三维深度图像的头部识别与跟踪方法，具体步骤包含如下：

步骤一：利用Kinect传感器输出的第一帧灰度图标定传感器距离地面                                                和对应的灰度级和,表示第一帧中没有人在视场范围内地面对应的灰度级，

Kinect传感器的标定是以厘米为单位，距离与灰度级的比例系数大于1.4小于1.7，距离 ，；

步骤二：图像取反，即设对应的灰度级为阈值，用表示原始深度图对应的灰度值，用表示取反后对应的灰度级，遍历原始深度图，如果像素灰度级满足，则得到，否则，其中和表示对应像素的行和列，且，，取反后得到灰度图的灰度级与身高成正比；

步骤3：均值漂移聚类分割，即利用均值漂移聚类分割算法对经过第二步处理得到的灰度图进行聚类分割，均值漂移矢量指向梯度变化最大的方向，在核窗口依次计算特征空间数据点的均值漂移聚类分割矢量，沿均值漂移聚类分割梯度方向移动到新位置，然后将这点作为新点，继续计算均值漂移聚类分割矢量并移动，直到满足一定的条件结束迭代。其中参数空间半径，颜色半径，分割级数且为整数。分割后得到人体头部与肩部灰度级彼此分离的灰度图，  

                         

式中处以核计算出加权平均值；

步骤4：获取目标灰度级，对经过聚类分割处理得到的灰度图进行直方图统计；统计直方图中满足灰度级大于且像素个数大于对应的灰度级，取最小值为150。得到灰度级，经第三步均值漂移聚类分割后处理后，头部与肩部一般占小于7个灰度级，且头部与肩部灰度级不连续，基于这一特征将灰度级划分成N部分,其中N大于等于0，记作，，其中表示区域边间对应的灰度级，；

步骤5：头部识别，首先，造幅初始值为的二值图，编号为1～N；其次,遍历经过第三步均值漂移聚类处理后的灰度图，如果，则第幅二值图对应的位置赋值为255；最后,基于以下特征:(1)面积大于Area,取Area的最小值为500；(2)类椭圆状；(3)宽高按如下公式换算后满足小于25且大于15，其中和表示人体头部的实际大小，和表示二值图中求出的区域宽和高，表示区域灰度均值，是比例系数且；记录所有满足条件的区域起始坐标、宽高以及区域均值，即头部信息，

 ；