基于立体视觉的运动人体头部检测方法
【技术领域】
[0001] 本发明涉及运动目标的检测和跟踪技术，特别一种基于立体视觉的运动人体头部 目标检测方法。
【背景技术】
[0002] 随着计算机存储、运算等方面性能的快速提高，人们逐步将计算机运用于场景重 构、目标识别、人机互动等复杂功能，这不仅开拓了计算机应用领域的规模和研究方向，而 且促进了相关学科的快速发展。作为当今活跃的研究领域，计算机视觉的实质就是利用摄 像机代替人眼，利用电脑代替人的大脑，对目标进行识别跟踪，并做出相应的图形分析处 理，生成适合仪器检测或者人眼观察的图像。
[0003] 运动人体目标识别是对视频中人体进行跟踪锁定以及理解和描述人体行为的前 提。基于二维图像处理的人体目标识别技术是一项比较新的技术，近年来也取得了较大的 进展。但是由于基于二维图像处理的人体目标识别技术技术处理的是可见光图像，因此对 光照的要求比较高，从而识别精度与速度都非常容易受到光照的影响。
【发明内容】
[0004] 本发明的目的在于提供一种基于立体视觉的运动人体头部检测方法，包括以下步 骤：
[0005] 步骤S101，硬件平台的搭建：将两个标定好的同一型号的摄像机同一高度一左一 右平行放置在待拍摄目标场景的正上方；
[0006] 步骤S102,通过基于窗口的立体匹配算法计算双目立体图像对之间的视差；
[0007] 步骤S103,采用基于视差的三角运算来获得摄像机到目标场景的距离，从而获得 目标场景的原始深度图像；
[0008] 步骤S104,对原始深度图像根据人体头部目标的灰度和几何特征，进行头部目标 分割，达到人体头部识别的目的。
[0009] 采用上述方法，所述立体匹配算法包括：
[0010] 步骤S1021，两部摄像机拍摄背景图像；
[0011] 步骤S1022,每一摄像机拍摄的图像与背景图像做差，得到两幅前景图象；
[0012] 步骤S1023,以其中一幅前景图象为基准，选取基准前景图像中的特征点，以该特 征点为中心建立m*m大小的窗口；
[0013] 步骤S1024,在另一幅如景图像上建立m*m大小的窗口，并以像素点为单位滑动窗 口，计算两个窗口内的灰度在给定的视差上的差值；
[0014] 步骤S1025,灰度差值和最小的时候的视差则作为该像素点的视差。
[0015] 采用上述方法，所述体头部识别的方法包括：
[0016] 步骤S1041，对深度图像作直方图统计，选取局部最大值所在的区域作为目标区 域；
[0017] 步骤S1042,选取分割图像的阈值，对目标区域，区域中不低于阈值的像素点构成 疑似头部区域，低于阈值的像素点构成非头部区域；
[0018] 步骤S1043,根据头部的平均灰度值在目标区域中最大，采用平均灰度和灰度方差 滤除部分非目标区域；
[0019] 步骤S1044,对滤除后剩余的疑似头部区域，根据头部的几何特征确定人体头部。
[0020] 本发明与现有技术相比，具有以下优点：（1)采用基于立体视觉的方法，通过立体 视觉技术生成目标场景的深度图像，显示目标人体的三维信息，突破了二维图像受光照影 响的局限性；（2)同时本发明采用的是自上而下的拍摄方式，因此即使在人群拥挤的情况 下，头部和头部之间还有一定的空隙，可以有效的避免人流的遮挡、重叠等现象造成的识别 误差。
[0021] 下面结合说明书附图对本发明做进一步描述。
【附图说明】
[0022] 图1是本发明的方法流程图。
[0023] 图2是本发明两部摄像机最优位置布置图。
[0024] 图3是立体匹配算法过程示意图。
【具体实施方式】
[0025] 结合图1，一种基于立体视觉的运动人体头部检测方法，包括以下步骤：
[0026] 步骤S101，硬件平台的搭建：将两个标定好的同一型号的摄像机同一高度一左一 右平行放置在待拍摄目标场景的正上方；
[0027] 步骤S102,通过基于窗口的立体匹配算法计算双目立体图像对之间的视差；
[0028] 步骤S103,采用基于视差的三角运算来获得摄像机到目标场景的距离，从而获得 目标场景的原始深度图像；
[0029] 步骤S104,对原始深度图像根据人体头部目标的灰度和几何特征，进行头部目标 分割，达到人体头部识别的目的。
[0030] 步骤SlOl中所述的标定包括对摄像机的内参数矩阵和外参数矩阵进行标定，实 现方法如下：
[0031 ] 步骤SlOl 1，利用matlab的标定工具箱对两个实验用的MTV-1881EX-3摄像机进行 标定。对每一幅图像得到一个映射矩阵H，原理如公式（1):
[0032]
(1)
[0033] 假设标定的模板平面在Z = 0的世界坐标系平面上，其中s表示未知尺度因子，[u V 1]T表示模板平面上的点投影到图像平面上的齐次坐标，K示摄像机内参矩阵，[Γι r2 r3] 表示摄像机坐标系相对于世界坐标系的旋转矩阵，t表示摄像机坐标系相对于世界坐标系 的平移向量，[X Y 1]T表示模板上点的齐次坐标。整理（1)式，可以得到一个3*3的单应性 矩阵Η，
[0036]
[0034] H = [Ii1, h2, h3] = λ Klir1, r2, t] (2)[0035] 其中λ表示整理出来的系数，根据（2)式，可以得到：
(3：).
[0037] 其中旋转矩阵的性质I11T2= 0,并且I |r i I I = I |r2| I = 1
[0038] 由公式（2)、（3)以及旋转矩阵的性质，可以得到摄像机内参数A的两个基本约 束：
[0039] Ii1tKtK1Ii2=O (4)
[0040] Ii1tK tK \ = h 2TK tK 1Ii2 (5)
[0041] 根据（4)、（5)可以计算得到Κ，再由K和映射矩阵H计算每幅图像对于平面模板 的外参数矩阵R和平移向量t :
[0042] T1= λ A (6)
[0043] T2= λ A (7)
[0044] T3= r (8)
[0045] t = λ A 1Ii3 (9)
[0046] 步骤S1012,将标定好的两个摄像机放置在所需拍摄场景的上方，高度一致，左右 各放置一个，根据视场的高度调节左右摄像机之间的距离，在拍摄的图像尽可能清晰的条 件下，扩大视场的范围。本实验经过实验论证，摄像机架设高度为2. 5米，摄像机之间的距 离为0.8米（如图2所述）。
[0047] 结合图3,在步骤S102中，所述立体匹配算法包括：
[0048] 步骤S1021，两部摄像机拍摄背景图像；
[00