基于kinect摄像机的多运动目标实时跟踪

多运动目标跟踪是视频监控中的关键问题,在目标相互运动发生遮挡时,采用二维摄像头监控容易丢失信息而造成跟踪失败.本文采用kinect摄像机获取目标的RGB图像及深度图像,并分别获取基于RGB图像信息的目标颜色模型和基于深度信息的目标三维空间模型,在视频帧间将颜色、空间模型分别匹配得到目标帧间匹配度,通过Mahalanobis距离算法实现多目标匹配,从而得到多目标识别跟踪结果.实验表明,在RGB-D数据集及拍摄的视频序列上均取得了较好的跟踪结果,实现了kinect三维视觉下的实时多目标的跟踪.

基于惯性传感器和Kinect摄像机的OFCM图像匹配算法

提出了一种基于图像三维信息及摄像机运动参数的图像匹配算法,用于解决智能监控系统中图像匹配实时性差、鲁棒性低等问题。该算法分别利用惯性传感器和Kinect摄像机估计出摄像机的运动外参矩阵和图像的深度信息,再根据射影几何原理,结合当前帧图像的像素坐标计算出该像素点在下帧图像的像素坐标,从而完成图像匹配。利用该算法对实际采集的图像序列进行了分析与处理,并从配准精度、鲁棒性和实时性方面与经典匹配算法KLT进行对比。实验结果表明:该算法极大地降低了计算量和计算时间,不仅能满足智能监控系统对图像匹配精度和稳定性的要求,更能满足系统实时性的要求。

Kinect深度摄像机在振动测量中的应用

由于目前大多数振动测量方法效率低、成本高,研究将Kinect深度摄像机应用于测量物体表面任一点的实时振动信息。实验对比了Kinect摄像机和Bumblebee2双目摄像机在不同频率下测得的数据,分析两种方法测得数据精度和测量效率,表明了Kinect深度摄像机在振动测量中的优势。

基于Kinect的三维人体建模研究

针对三维人体模型在多媒体工业中高精度的要求,提出了1种通过查找近似模型并结合网格变形算法的三维人体重建方法,采用Kinect深度摄像机扫描人体获得目标模型;在可变模型中查找与扫描模型特征信息相近的模型;并利用可变人体模型的网格变形,重建出三维人体模型。实验结果表明,所提方法简单、易操作,且不需任何人体标定,能够重建出高精度的三维人体模型。

基于ROS系统的多传感器室内移动机器人自主定位的研究

为有效面对复杂的室内环境,提高移动机器人的智能化水平,文中设计了一种基于ROS系统的多传感器融合的室内移动机器人自主建图系统。文中介绍了机器人的系统设计方案,如硬件平台选择、软件平台选择,并设计了基于多传感器融合的SLAM算法,通过激光雷达、惯性单元IMU和Kinect摄像机采集环境信息,进行数据融合。实验结果表明,该方案有效提升了机器人自主定位的精度。

基于三维分层图模型的复杂情况下多运动目标跟踪

复杂情况下的多运动目标跟踪是视频监控中的关键问题,在多目标运动中相互遮挡时二维视觉信息容易丢失而造成无法准确跟踪识别目标。本文采用kinect摄像机获取三维视觉信息,从节点、边、空间结构三个层次上建立目标的三维分层图模型表征目标的三维特征,并在每层进行通过视频帧间的匹配从而获得三维分层图模型匹配结果,并根据匹配结果先初步分析目标跟踪情况,如发生遮挡则通过遮挡区域聚类块与三维分层图模型中各特征匹配确定其匹配结果,从而得到多运动目标在复杂运动情况中的跟踪结果。实验表明,在实验室kinect拍摄的视频序列上当目标出现遮挡等复杂情况,也能取得较好的跟踪结果,在实验视频中比经典方法的跟踪总体性能指标改善约3%,说明本方法能较好地实现复杂情况下的多运动目标跟踪。