基于图像处理的课室人员位置分布识别.pdf

《基于图像处理的课室人员位置分布识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、信息技术基于图像处理的课室人员位置分布识别张显宗柳宁王高(暨南大学信息科学技术学院)摘要：对大型课室人员位置分布识别有利于课室灯光节能管理，基于面积判据的人员位置识别算法没有应用场景的约束，但容易因人体Blob图像粘连而产生误判；基于座位网格的算法只适用于直线排列的固定座位，但算法简单可靠。实验证明：两种方法均能有效地检测出人员分布情况，后者对固定座位的课室检测准确性更好，效率更高。关键词：图像处理；人体识别；算法1引言度为：厂()eXp()(—o。<<+o。)，。对大型课室、自修室的人员位置分

2、布识别有利于根据正态分布“30-原则”，变量落在区间课室灯光的自动管理，便于节能。基于图像处理的人f一2，2)的概率为95．4％。即差值图像像素灰度值体识别方法很多，常见的有基于头形轮廓特征的识别大于’的概率约为5％。将’进行线性调整，得到适方法【1，它适用于类似公交系统人流统计这种特定的合二值化的阈值。令灰度值大于等于像素点记为场合[]；背景图像差分人体检测算法可以消除背景噪1，小于的记为0，可得N-值化图像。声干扰，突出人体图像信息【4J。(3)对二值图像进行形态学图像处理。先对其进对课室人

3、员位置分布进行识别时，可以采用边缘行形态学闭运算，然后再进行开运算，消除斑点噪声，检测提取人体轮廓，图像差分方法消除背景噪声，并将人体轮廓从背景图像中分割出来。根据轮廓面积进行人员位置判定【5]；也可以通过对课2．2人体轮廓提取室的背景图像识别得到座位网格图，采用背景图像差在轮廓提取中采用八方向码(Freeman码)跟踪分法消除背景噪声，凸现人员分布状态，经二值化处方法。理，得到人员位置Blob图，比对座位网格与人员位(1)对图像从上到下逐行搜索白色像素点，当发置B1ob图即可得到人员分布情况。

4、前一种方法称为现第一个白色像素点时，记录该点坐标值，设为(xo，基于面积判据的人体识别方法，后一种方法称为基于Yo)。座位网格判据的人体识别方法。(2)以(Xo，Yo)为中心，从八方向码的8方向开始，顺时针依次判断相邻像素点是否为白色像素点。2基于面积判据的人体检测算法发现白色像素点时记录其坐标值，设为(x1，Y1)。2．1人体位置BIob图记(xo，yo)到(x1，Y1)的八方向码矢量为V0。(1)将当前图像和参考背景图像(无人时的图(3)以(x1，Y1)为中心，搜索的八方向码方向为像)转成灰

5、度图像，再将这两个图像每个对应像素的(Vo+4)％8—1(“％”，取余)，如果求得的方向码灰度值依次相减，取绝对值，得到差分图像。值为0和．1，则分别用8和7代替。顺时针方向依次(2)计算图像二值化的阈值。求出差值图像各像判断(x1，Y1)的相邻像素点是否是白色像素点。发素点的灰度平均值／2以及均方差()-。得到二值化的现白色像素点时，记录其坐标，设为(X2，Y2)。于阈值参数：T’=+2o-。是可以得到(Xl，Ya)到(X2，Y2)矢量Vl。对于标准正态分布N(0,o-2)(=0)，概率密(4

6、)以(x2，y2)为中心，按照(3)的方法，继2011年第5期自动化与信息工程19续寻找后面的轮廓点，直到寻找到的轮廓点回到起点各横纵网络线的坐标值，这些网格坐标值确定了每个(Xo，y0)为止。于是就得到了某个区域的轮廓。这座位在图像中的位置，形成座位网格图。如图1(e)样得到的轮廓的特点为：沿着轮廓顺时针方向走，其所示，图中每个矩形区域代表一个座位。区域内部的像素都位于右边。(5)重复上述步骤，提取图像中的全部人体区域轮廓码。各区域轮廓提取出来之后，找出其行列坐标的最(a1参考背景图(b)横线

7、边缘图大和最小值、Xmi、Yax、mj。通过长宽比(一‰)：(Xmax一)和轮廓包围域的面积大dd3,sJ，判断此区域是否为人体。如果是人体则求出轮廓行列坐标的均值，记为人体所在的坐标位置。(c)纵向边缘图(d)去噪、伸展后的纵向边缘图3基于座位网格判据的人体识别算法3．1座位网格图生成(1)对于图1(a)所示的座位分布，利用Canny算子对此参考背景图像作边缘检测，得到横向边缘图(e】标定cx域像像，如图l(b)所示。比较图1(a)和图1(b)可图l座位网格生成图以确定，两行边缘线表示一排座位

8、。3．2人员分布识别(2)计算出每一横向边缘各点的平均坐标(1)将当前图像和参考背景图像相减，取绝对值，(=1，2，3⋯)，同时计算出最小行问距，即相邻横得到差分图像，再利用“3o-原则”法得N--值化Blob向边缘平均坐标差的最小值图。△=llatin(hi一+。)I(=l，2，3⋯)(2)根据上文生成的座位网格图，以每个矩形区(3)利用Prewitt算子对参考背景图像做纵向边缘域为单位，对二值化Blob图进行搜索，若某个矩形检测，得到纵向边缘图像，如图l(c)所示。用形态区域内检测出白色点的