49] 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；
[0050] 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，例如5*5像素；
[0051] 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，根据式（10)计算两个窗口内的灰度在给定的视差上的差值
[0052]
(1〇)
[0053] 其中，m表示窗口的尺寸大小，以像素为单位。Ilrft、I"ght分别表示左右图像像素 灰度值，P，q表示窗口移动的距离，d表示设定的视差值。
[0054] 步骤5,灰度差值和最小的时候的视差则作为该像素点的视差，即当计算得式 (10) 的最小值时候的d即为视差。
[0055] 在步骤S103中，已知摄像机的焦距为f，两个摄像机之间的距离为B，根据公式 (11) ，计算场景的深度彳目息Z
[0056]
(1.1).
[0057] 由图像的深度信息构成的目标场景图像称之为场景的深度图像。
[0058] 在步骤S104中，所述体头部识别的方法包括：
[0059] 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；
[0060] 步骤S1042,选取分割图像的阈值（阈值范围为[25, 30])，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；根据统计结果 可知，目标区域像素大量堆积于头部和肩部。以灰度级t为阈值分割头部和肩部区域，区域 中高于t灰度级的像素点构成头部区域，低于灰度级t的像素点构成非头部区域。那么非 头部区域和头部区域的熵的计算公式为：
[0061]
[0062]
[0063]
[0064]
[0065]
[0066] 其中，P1表示图象中灰度值为i的像素所占的比例，t为分割图像的阈值，
Hb表示图像中非头部区域的的一元灰度熵，H ^表示图像中头部区域的一元灰 度熵，炉为两个熵函数之和，当炉取得最大时，灰度级t作为分割图像的阈值。
[0067] 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。通过不断仿真，可知，在本实验的视场条件下，头部总像元的宽高比 w/h的范围是[0. 65, 1. 5]，其中，w表示头部总像元的宽度，h表示头部总像元的高度。具体 为：选取阈值[0. 65, 1. 5]，对疑似头部区域，若其灰度方差大于设定的阈值，那么将该疑似 头部区域滤除，当疑似头部区域的列数比行数（宽高比）的值落入[0.65, 1.5]中，该区域 为人体头部区域。
[0068]
[0069]
[0070] 其中，M、N表示疑似头部区域的行、列数，f(i，j)表示灰度特征二元组（i，j)出现 的频数。i表示大小为M*N的疑似头部区域的灰度平均值，var表示灰度方差。
[0071] 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。
【主权项】
1. 一种基于立体视觉的运动人体头部检测方法，其特征在于，包括： 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； 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； 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； 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。2. 根据权利要求1所述的基于立体视觉的运动人体头部检测方法，其特征在于，所述 标定包括对摄像机的内参数矩阵和外参数矩阵进行标定。3. 根据权利要求1所述的基于立体视觉的运动人体头部检测方法，其特征在于，所述 立体匹配算法包括： 步骤1，两部摄像机拍摄背景图像； 步骤2,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； 步骤3,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； 步骤4,在另一幅前景图像上建立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； 步骤5,灰度差值和最小的时候的视差则作为该像素点的视差。4. 根据权利要求1所述的基于立体视觉的运动人体头部检测方法，其特征在于，所述 体头部识别的方法包括： 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； 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； 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； 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。5. 根据权利要求4所述的基于立体视觉的运动人体头部检测方法，其特征在于，所述 分割图像的阈值通过下式获得：其中，P1表示图象中灰度值为i的像素所占的比例，t为分割图像的阈值，凡=IUa .， Hb表示图像中非头部区域的的一元灰度熵，H ^表示图像中头部区域的一元灰度熵，W为两 个熵函数之和，当P取得最大时，灰度级t作为分割图像的阈值。6. 根据权利要求4所述的基于立体视觉的运动人体头部检测方法，其特征在于，所述 滤除部分非目标区域具体为：选取阈值，对疑似头部区域，若其灰度方差大于设定的阈值， 那么将该疑似头部区域滤除其中，M、N表示疑似头部区域的行、列数，f(i，j)表示灰度特征二元组（i，j)出现的频 数。i表示大小为M*N的疑似头部区域的灰度平均值，var表示灰度方差。7. 根据权利要求4所述的基于立体视觉的运动人体头部检测方法，其特征在于，当疑 似头部区域的列数比行数的值落入[0. 65, 1. 5]中，该区域为人体头部区域。8. 根据权利要求1所述的基于立体视觉的运动人体头部检测方法，其特征在于，摄像 机架设高度为2. 5米，摄像机之间的距离为0. 8米。
【专利摘要】本发明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：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；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；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；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。
【IPC分类】G06K9/00
【公开号】CN105138979
【申请号】CN201510512540
【发明人】孙爱娟, 顾国华, 周玉蛟
【申请人】南京理工大学
【公开日】2015年12月9日
【申请日】2015年8月19日