【摘要】：針對(duì)復(fù)雜環(huán)境下視覺(jué)行李托運(yùn)系統(tǒng)存在的目標(biāo)遮擋問(wèn)題,設(shè)計(jì)一種基于視覺(jué)目標(biāo)跟蹤的行李托運(yùn)系統(tǒng),同時(shí)提出一種基于邊緣檢測(cè)的移動(dòng)人體跟蹤方法,實(shí)現(xiàn)行李自動(dòng)托運(yùn)系統(tǒng)的設(shè)計(jì).該行李托運(yùn)系統(tǒng)由監(jiān)控終端、ARM跟蹤平臺(tái)以及Wi-Fi定位系統(tǒng)組成.實(shí)施現(xiàn)場(chǎng)主要由ARM跟蹤平臺(tái)托運(yùn)行李,并對(duì)移動(dòng)人體目標(biāo)進(jìn)行實(shí)時(shí)跟蹤,然后利用Wi-Fi信號(hào)強(qiáng)度信息對(duì)ARM跟蹤平臺(tái)進(jìn)行定位和監(jiān)控.應(yīng)用結(jié)果表明:本系統(tǒng)在機(jī)場(chǎng)、車(chē)站等復(fù)雜環(huán)境下進(jìn)行基于視覺(jué)的行李托運(yùn),具有較高的實(shí)時(shí)性和跟蹤準(zhǔn)確率,較好地解決了因遮擋導(dǎo)致的目標(biāo)丟失問(wèn)題.
【圖文】：

規(guī)范窗口Fig.4specwindow

遼寧工程技術(shù)大學(xué)學(xué)報(bào)（自然科學(xué)版）第36卷遼寧工程技術(shù)大學(xué)學(xué)報(bào)（自然科學(xué)版)網(wǎng)址：http://202.199.224.158/http://xuebao.lntu.edu.cn/878行李托運(yùn)系統(tǒng)的硬件仿真見(jiàn)圖2.圖2行李托運(yùn)系統(tǒng)硬件仿真圖Fig.2hardwaresimulationdiagramofluggagetransportationsystem2系統(tǒng)框架設(shè)計(jì)系統(tǒng)的框架設(shè)計(jì)主要利用CMOS攝像頭采集待跟蹤目標(biāo)圖像，并將圖像數(shù)據(jù)傳遞給DSP模塊，DSP模塊經(jīng)過(guò)目標(biāo)跟蹤處理后，將跟蹤結(jié)果以及圖像信息傳遞給ARM平臺(tái)，ARM平臺(tái)根據(jù)目標(biāo)位置信息給電機(jī)驅(qū)動(dòng)器發(fā)送控制命令，電機(jī)驅(qū)動(dòng)器控制車(chē)輪轉(zhuǎn)動(dòng)并帶動(dòng)整個(gè)托運(yùn)系統(tǒng)運(yùn)行.系統(tǒng)還增加了4個(gè)輔助功能，包括超聲波避障、Wi-Fi托運(yùn)系統(tǒng)定位、Wi-Fi傳輸視頻圖像至監(jiān)控終端以及人機(jī)交互的語(yǔ)音提示服務(wù)功能，使得該托運(yùn)系統(tǒng)具有智能化、人性化的特點(diǎn).系統(tǒng)框架見(jiàn)圖3.超聲波檢測(cè)障礙物語(yǔ)音提示服務(wù)ARM平臺(tái)DSP圖像處理攝像頭采集圖像Wifi傳輸圖像及位置信息監(jiān)控終端顯示電機(jī)驅(qū)動(dòng)模塊車(chē)輪轉(zhuǎn)動(dòng)圖3系統(tǒng)框架Fig.3systemframework3移動(dòng)人體跟蹤算法設(shè)計(jì)本文提出了一個(gè)新的人體跟蹤算法，首先對(duì)圖像進(jìn)行邊緣檢測(cè)，將得到的邊緣圖像進(jìn)行熵分布計(jì)算，得到圖像信息的分布情況，然后對(duì)圖像的信息熵進(jìn)行傅里葉變換，得到圖像頻率分布情況，最后根據(jù)圖像頻率，將輸出頻率較大的區(qū)域作為目標(biāo)，進(jìn)行移動(dòng)人體跟蹤.3.1邊緣像素檢測(cè)傳統(tǒng)的Canny有如下不足，使用高斯濾波方法，會(huì)造成圖像平滑和邊緣的模糊，并且人為確定的高斯濾波系數(shù)σ難以在圖像去噪和邊緣細(xì)節(jié)保留上保持較好的平衡；使用2×2鄰域一階偏導(dǎo)的有限差分計(jì)算梯度幅值，對(duì)噪聲過(guò)于敏感，容易丟失一些真實(shí)邊緣細(xì)節(jié)并產(chǎn)生偽邊緣；雙閾值算法的高低閾值由人根據(jù)先驗(yàn)經(jīng)驗(yàn)來(lái)設(shè)定，對(duì)于不同的圖像的應(yīng)用得不

ntu.edu.cn/879自適應(yīng)中值濾波方法的降噪效果隨著噪聲的增大而減小，當(dāng)執(zhí)行到最后一個(gè)窗口，其輸出值為極值時(shí)，未起到降噪效果，此時(shí)采用窗口大小為5的均值濾波器[8].系統(tǒng)在未起到降噪效果的濾波窗口內(nèi)去掉灰度值為0和255的圖像，以大小為5的窗口ZXY均值濾波器進(jìn)行降噪，用g(s,t)表示受噪聲污染的M×N圖像，gr(x,y)表示剩余像素，設(shè)g(s,t)中灰度值為0和255的像素個(gè)數(shù)分別為p和q，則修正后的濾波器由下式表示：XYstZrgstMNpqfxy,^,1,.改進(jìn)的自適應(yīng)中值濾波過(guò)程見(jiàn)圖5.圖5改進(jìn)的自適應(yīng)中值濾波過(guò)程Fig.5improvedadaptivemedianfilteringprocess（3）3×3鄰域梯度計(jì)算方法傳統(tǒng)的Canny算法中梯度的幅值和方向使用2×2鄰域一階偏導(dǎo)有限差分來(lái)計(jì)算，對(duì)噪聲較為敏感.本文使用3×3鄰域的一階偏導(dǎo)x方向，y方向，45°方向和13545°方向的差分來(lái)計(jì)算梯度的幅值和方向.四個(gè)方向的偏導(dǎo)為x方向：FijIijIijx,1,1,，y方向：Fi,jIi,j1Ii,j1y.45°方向：,-1,11,145FijIijIij.135°方向：,1,1-1,1135FijIijIij.水平方向差分：45135,,,,/2xxEijFijFijFij.垂直方向差分：45135,,,,/2yyEijFijFijFij.像素梯度幅值：213524522Mi,jFi,jFi,jFi,jFi,jxy.梯度方向：,,arctan,yxEijijEij.對(duì)得到的梯度幅值進(jìn)行非極大值抑制，將非局部極大值點(diǎn)的梯度M置零得到細(xì)化邊緣.（4）自適應(yīng)閾值方法設(shè)圖像中梯度幅值為iT的像素為in，0≤i≤L1，則像素in發(fā)生概率為10LiiiinnP.使用閾值minT和maxTminmaxTT將圖像分為三類(lèi)，非邊緣區(qū)

【相似文獻(xiàn)】

相關(guān)期刊論文 前7條

1 梁光嵐;王朔中;張新鵬;;利用邊緣像素負(fù)載信息的二值圖像密寫(xiě)(英文)[J];Journal of Shanghai University(English Edition);2007年03期

2 孫紹晟;張林;;基于圖像的牛奶細(xì)微雜質(zhì)檢測(cè)算法研究與仿真[J];計(jì)算機(jī)應(yīng)用與軟件;2013年01期

3 程方麗;毛倩;;基于二值圖像邊緣像素和方向編碼的雙層隱寫(xiě)算法[J];光學(xué)儀器;2011年04期

4 付慧;劉峽壁;賈云得;;用于文本區(qū)域提取的邊緣像素聚類(lèi)方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2006年05期

5 陳愛(ài)軍;李金宗;李東東;;一種改進(jìn)的隨機(jī)圓檢測(cè)算法[J];光電工程;2006年12期

6 陳德權(quán),趙宇明,萬(wàn)長(zhǎng)明;基于區(qū)域和邊緣分開(kāi)編碼可伸縮彩色圖像編碼[J];紅外與激光工程;2004年06期

7 ;[J];;年期

本文編號(hào)：2788997