客流统计项目技术报告.pptVIP

如有多个问题，请根据需要重复此幻灯片。 可根据需要将此幻灯片和相关幻灯片 移动到附录或隐藏。 * 如有多个问题，请根据需要重复此幻灯片。 可根据需要将此幻灯片和相关幻灯片 移动到附录或隐藏。 * 如有多个问题，请根据需要重复此幻灯片。 可根据需要将此幻灯片和相关幻灯片 移动到附录或隐藏。 * 如有多个问题，请根据需要重复此幻灯片。 可根据需要将此幻灯片和相关幻灯片 移动到附录或隐藏。 * 如有多个问题，请根据需要重复此幻灯片。 可根据需要将此幻灯片和相关幻灯片 移动到附录或隐藏。 * 如有多个问题，请根据需要重复此幻灯片。 可根据需要将此幻灯片和相关幻灯片 移动到附录或隐藏。 * 如有多个问题，请根据需要重复此幻灯片。 可根据需要将此幻灯片和相关幻灯片 移动到附录或隐藏。 * 如有多个问题，请根据需要重复此幻灯片。 可根据需要将此幻灯片和相关幻灯片 移动到附录或隐藏。 * 如有多个问题，请根据需要重复此幻灯片。 可根据需要将此幻灯片和相关幻灯片 移动到附录或隐藏。 * 如图是沿着从右到左方向代价积累后得到视差图，可以看出视差图连续性上已经有了明显的提高，但存在明显的拖尾效应，这是因为图像在水平方向上约束太强，而竖直方向上约束太弱造成的 因此，我们可以在多个方向上分别进行代价积累，再把多个方向的视差空间进行叠加，由此计算视差图可大大减少拖尾效应 视差优化 第二十九页，共四十二页。 一致性检查 类似地，我们可以计算出右图对应的视差图，并按照下式一致性检查，其中p、q表示一组对应点 左视差图 右视差图 第三十页，共四十二页。 视差精化—异常值滤波 一致性检查并不能去除所有异常值，视差图仍会残留一些小面积的异常值。我们使用基于连通域标记的异常值滤波器删除了这些异常块 第三十一页，共四十二页。 视差精化—无效区域插值 视差图经过一致性检测后留下的视差无效区域，应该分为遮挡区域和误匹配区域，这是因为对于遮挡区域和误匹配区域的插值策略是截然不同，必须区别对待。 ? 第三十二页，共四十二页。 与代价积累中从8个方向搜索类似，对于每一个无效点，周围的8个视差值都会保存下来，然后按照下面的式子插值： 第一项取第二小的视差值，保证了遮挡点的视差来自较低一级的背景，而第二项取中值，强调利用所有周围的信息 视差精化—无效区域插值 第三十三页，共四十二页。 目标检测与跟踪 第三十四页，共四十二页。 三维重建 三维重建是指依靠一些技术手段从视差图恢复出目标的三维信息，使目标检测更加准确。右侧是经过颜色编码的视差图，颜色越暖表示离摄像头越近，反之则越远，容易看出图中两个偏暖的区域分别对应左侧图像中的两个人。 第三十五页，共四十二页。 目标检测 乘客被建模成一个椭圆型的金字塔，其特征向量表示为： 椭圆参数包括：长短轴、离心率、面积、中心坐标、高度等等。 第三十六页，共四十二页。 目标跟踪 假设前一帧图像中有m个目标，对应m个特征向量，而当前图像帧中有n个目标，对应n个特征向量，相似函数S(i, j)表示前一帧第i个目标和当前帧第j目标的相似度。 　 1 2 j n 1 S(1, 1) S(1, 2) S(1, j) S(1, n) 2 S(2, 1) S(2, 2) S(2, j) S(2, n) i S(i, 1) S(i, 2) S(i, j) S(i, j) m S(m, 1) S(m, 2) S(m, j) S(m, n) 第k-1帧 第k帧 第三十七页，共四十二页。 总结 第三十八页，共四十二页。 系统框架设计 该项目开发了一种能够实时监测公交车内客流量的系统，其 中双目摄像头安装在靠近车门的车顶处，并垂直向下拍摄，同时 采集两路视频。 双目视觉技术可以感知物体的深度，能够很好地克服单目视 觉技术对光线阴影敏感，无法检测拥挤客流及无法排除类人物体 等问题。 算法框架设计 原始图像对 图像矫正 立体匹配 背景差分 注：较小的椭圆对应较高的位置，多个椭圆叠加形成类金字塔 目标检测 目标跟踪 第三十九页，共四十二页。 存在的问题 视差图中的目标形状、高度各异，特别是在拥挤时，多个目标会连接在一起。基于特征的启发式目标检测方法并不能100%地检测出目标。 在视差图中，特征向量会随目标运动而变化，因此目标的坐标在相似性测度当中占了较高的权重。现有的跟踪逻辑比较单一，当目标的特征向量极为相似时，会出现误跟踪的情况。 第四十页，共四十二页。 参考文献 第四十一页，共四十二页。 内容总结 基于双目视觉的客流统计系统。立体视觉是利用两个及以上的相机来测量物体深度的技术。目的是计算出摄像头的内部参数和外部参数。立体匹配的目的就是找到图像对之间的匹配点，进而得到视差。在结合三角几何公式，就能计算所有图像点在三维空间