| 【中文题名】 | 基于激光的行人腿部特征信息提取 |
| 【英文题名】 | |
| 【学科专业】 | 地图学与地理信息系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-12 |
| 【中关键词】 | 飞行时间原理,点云数据,特征提取,动态聚类,, |
| 【英关键词】 | Time-Of-Flight,Point cloud data,Character extraction,dynamic clustering, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 |
激光扫描技术作为最近发展迅速的一种新技术，已成为空间数据获取的一种重要技术手段，同传统的测量手段相比，激光测距技术有着自己独特的优势，它具有数据获取速度快、实时性强、成本低、精度高、可全天候工作、作业效率高等一系列优点，为地球空间信息的获取提供了一种全新的技术手段，使人们从传统的人工单点数据获取变为连续自动数据获取成为可能，大大提高了观测的精度和速度，使数据的获取和处理向智能化和自动化的方向发展。
提取行人腿部特征信息，在建筑安全、商场、机场、车站的规划管理，或者行人定位跟踪等方面具有广泛的应用。目前为止，视频手段在该领域广泛使用，但是，使用视频数据进行行人跟踪面临多相机数据融合以及不同视角坐标系统之间的配准和复杂计算的障碍，与之对应，采用激光扫描仪作为一个新的感应系统，利用对人眼无害的激光(1A级，近红外光谱)，根据时间飞行原理，扫描得到周围环境距离数据，经过数据处理，从而得到重要的特征信息，此类技术已经得到日益广泛关注。本文采用激光扫描仪采集数据，经研究得到所需的行人腿部特征信息。
本文主要贡献如下：
1．本文使用激光扫描仪获取运动行人的精确的腿部信息，提出一种多阈值点动... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-8 |
|
第一章 绪论 |
8-14 |
|
1.1 研究背景 |
8-9 |
|
1.2 国内外研究动态 |
9-12 |
|
1.3 本文主要工作和意义 |
12-14 |
|
第二章 数据采集系统设计 |
14-22 |
|
2.1 系统器件选择 |
14-16 |
|
2.2 系统设计 |
16-18 |
|
2.3 数据快速存储与调度 |
18-20 |
|
2.3.1 内存映射文件技术 |
18 |
|
2.3.2 虚拟内存技术 |
18-19 |
|
2.3.3 多线程技术 |
19-20 |
|
2.4 本章小结 |
20-22 |
|
第三章 激光数据前期处理 |
22-32 |
|
3.1 点云数据 |
22-24 |
|
3.1.1 点云数据的定义 |
22 |
|
3.1.2 点云数据的整理 |
22-24 |
|
3.1.2.1 数据精简 |
22-23 |
|
3.1.2.2 排序 |
23 |
|
3.1.2.3 补点 |
23-24 |
|
3.2 数据格式转换 |
24 |
|
3.3 数据的可视化表达 |
24-25 |
|
3.4 OpenGL关键技术 |
25-30 |
|
3.4.1 系统数据存储 |
26-27 |
|
3.4.2 模型与视点的定位 |
27 |
|
3.4.3 几何实体的绘制 |
27 |
|
3.4.4 投影变换与消隐 |
27-28 |
|
3.4.5 模型视图变换 |
28-30 |
|
3.5 本章小结 |
30-32 |
|
第四章 行人腿部特征提取 |
32-52 |
|
4.1 噪声处理 |
32-38 |
|
4.1.1 噪声 |
32 |
|
4.1.2 几种典型滤波方式 |
32-38 |
|
4.1.2.1 均值滤波 |
32-33 |
|
4.1.2.2 高斯滤波 |
33-35 |
|
4.1.2.3 小波滤波 |
35-36 |
|
4.1.2.4 卡尔曼滤波 |
36 |
|
4.1.2.5 中值滤波 |
36-38 |
|
4.2 背景提取方法 |
38-41 |
|
4.2.1 手动给出背景法 |
39 |
|
4.2.2 统计方法 |
39-40 |
|
4.2.3 Surendra背景更新算法 |
40-41 |
|
4.3 行人运动区域获取 |
41-45 |
|
4.3.1 相邻祯差法 |
42 |
|
4.3.2 光流法 |
42-43 |
|
4.3.3 自适应更新的运动区域提取方法 |
43-45 |
|
4.4 运动人腿信息提取 |
45-50 |
|
4.4.1 行人腿部信息提取 |
45-46 |
|
4.4.2 阈值选取方法 |
46-50 |
|
4.4.2.1 双峰法 |
46-47 |
|
4.4.2.2 迭代法 |
47-48 |
|
4.4.2.3 简单统计法 |
48 |
|
4.4.2.4 最大类间方差法(OTSU法) |
48-49 |
|
4.4.2.5 灰度拉伸法 |
49 |
|
4.4.2.6 方法比较 |
49-50 |
|
4.5 本章小结 |
50-52 |
|
第五章 总结与展望 |
52-54 |
|
5.1 总结 |
52-53 |
|
5.2 展望 |
53-54 |
|
参考文献 |
54-58 |
|
致谢 |
58-59 |
|
| 【DOI】 | LunWen.ID:2.2008.367755 |
