3.1 网上在线测试 12

3.2 对于2D彩色静止图像的姿态识别软件的测试 14

3.3 测试总结论 16

4 技术改进 16

4.1 深度图 16

4.2 KINECT简介 17

4.3 结合KINECT深度图的分割算法 17

4.3.1区域生长算法 18

4.3.2图片的腐蚀与膨胀 20

5 详细设计与程序开发 20

6 系统实现，遇到的问题以及解决方案 21

总结 28

毕业设计完成的任务 28

 收获和总结 28

参考文献 30

1 绪论

1.1 研究内容

综合利用2D彩色图像和3D的深度图像进行姿态目标的检测技术。

1.2 研究意义

直到出现可以拍摄深度图像的深度摄像机之前，对于视觉的人机交互领域研究通常都是通过分析2D彩色图像来发展的 。但是[1]因为彩色图像只有复杂的二维RGB信息，而且当光照突然改变或场景的亮度改变时这些彩色信息很容易会受到相应的影响，所以彩色图像的目标检测精度比较低下。自从微软kinect[2]深度摄像机出现，由于kinect深度摄像机拍摄的深度图分辨率高而且成本低，近年来在人机交互研究领域所需要的信息大部分都是依据深度图像来获取的。但是深度摄像头有一个缺点就是其获得的深度图像不够精确，例如目标的边缘部分。为了使深度图像检测能够提高检测的效果，可以采用与彩色图像的一些信息一起结合的方式去计算出更精确的特定目标，特别是在目标的边缘上。为了[3]实现这一步骤，综合利用深度图像与彩色图像的方法是一个非常关键的技术。

1.3 研究现状与发展趋势

2 基于2D彩色图像的人体部位识别[7]

为了结合彩色图与深度图来检测姿态之前，先了解基于彩色图像的人体部位识别系统。此系统[8]为Articulated Human Pose Estimation and Search in (Almost) Unconstrained Still Images的更新版本，当输入带有把一个人的头和肩膀周围用矩形框来标识的图像时，此软件会识别姿态，并用一组线段表示身体具体各部位的位置，大小和方向。来.自/优尔·论|文-网·www.youerw.com/

输入图像中的人可以出现在任何地点，而且可以穿任何种类的衣服，在任何颜色、纹理。但是必须要直立的，就是说他们的头在他们的躯干以上。程序的结果图为如下，总共分为三段：

图2-1为Grab cut部分：根据人的头部与肩膀部分所给出的矩形框算出图像中目标所在的具体位置，再用绿色表示目标的前景提取结果。

图2-2为Parse部分：对Grab cut后的数据进行识别，并用不同颜色区域表示各肢体的位置，方向与大小。

图2-3为Segment部分：抹去颜色区域，并用带有不同颜色的几组线段表示各躯干具体位置，方向与大小。

本章节将叙述对此基于彩色图像的人体部位识别系统的研究结果，包括此系统的检测与识别的程序流程，依据的原理和算法。