logo资料库

模式识别大作业实验报告.doc

发布时间：2022-05-30 发布人：admin 分类：说明书 资料大小：0.52M 资料格式：doc 举报 版权申诉
第1页 / 共13页
第2页 / 共13页
第3页 / 共13页
第4页 / 共13页
第5页 / 共13页
第6页 / 共13页
第7页 / 共13页
第8页 / 共13页
资料共13页，剩余部分请下载后查看
    模式识别
    ——Human dection
    一、实验目的：
    二、实验数据：
    三、实验流程：
    四、实验内容：
    五、实验结果：
    六、 实验总结：
    模式识别 ——Human dection 一、 实验目的： 通过摄像头捕捉公交车上的情况，经过计算机的图像处理，检测出公交
    车上座位有无乘客。 二、 实验数据： 50 副采集自公交车上摄像头拍摄的图像，其中 46 幅为有人图像，4 幅 为无人图像。 三、 实验流程： 开 始 将 图 像 分 为 上 下 两 个区域 YES YES 检测区域一 是否有人？ NO 检测区域二 是否有人？ NO 输出：无人出现 结 束 输出：有人出现， 标记位置 输出：有人出现， 标记位置 四、 实验内容： 1） 区域分割：将一个座位的图像分为上下两部分区域。
    区域一的坐标为：SReg1.x1=60 SReg1.y1=0 SReg1.x2=175 SReg1.y2=55 区域二的坐标为：SReg2.x1=40;SReg2.y1=55 SReg2.x2=175;SReg2.y2=150 图例 4-1 2） 区域一检测： a) 预处理：将采集到的灰度图像经过二值化。二值化的过程可以简述为： 先计算区域一的平均灰度值，然后再将图像的各个像素点与平均值作 比较，若高于均值的 80%则判定为是黑色（像素值为 0），小于则判定 为是背景，置为灰色（像素值为 200）。 然后进行一次闭运算(先膨胀,再腐蚀),得到处理后的二值图像。
    b) 特征提取：得到预处理后的二值图像后，我们计算出图像的直方图， 区域一的预处理代码 然后根据直方图的均值、方差等数据进行分类。 直方图的计算代码如下所示：
    c) 分类算法：得到图像的直方图后，将进行分类算法，具体规则如下： i. 去除非常狭长的区域 ii. 去除非常平坦的区域 iii. 得到面积较大，顶部变化缓慢的区域 iv. 得到均值大于 15 的区域 v. 得到最大值大于 5 的区域 主要代码如下：
    d) 坐标定位：根据得到的图像直方图可以快速的得到黑色区域的中心位 置。代码如下： 得到了坐标位置后，只需要在其位置标记“X”即可，代码如下: 3） 区域二检测： a) 预处理：区域二的图像比区域一更加复杂一些，背景噪声较多，所以 我想办法先将区域二中的背景噪声去除，以方便接下来的检测。具体 做法是：将区域二边角缩小 15 个像素点。因为区域二的已经包括了 座位坐在区域的大部分面积，而人头出现在边角的可能性很小，所以 预先排除。具体代码如下：
    接下来，对区域二进行二值化操作，跟区域一的方法相同，但是我修改了 下二值化的阈值，能够更好的将前-背景分离，阈值选择在平均灰度值的 90%， 大于 90%的判为黑色，小于 90%的判为灰色（像素值为 200）。 通过观察处理后的区域二的二值图像发现，人头和背景还是没有 很好的分离出来，那么我采用了不断腐蚀很膨胀的方法，将背景噪声 尽可能的去除。我采用了先腐蚀 3 次，在膨胀 4 次的操作。结果能将 大部分的背景噪声去除。 具体代码如下：
    b) 分类算法：经过上述的预处理操作后发现区域二的部分图像的背景噪 声很好的去除了，只剩下人头的部分，和个别的小面积区域，那么我 采用的分类方法就很简单了，只要判别黑色区域面积的大小，调整阈 值，就分类出人头的区域。 具体代码如下：
    分享到：
    赞 收藏

    相关推荐

    资料库

    开发技术

    共收录19306份资料，累计14个分类，关注成员有19位，主要包括：Actionscript,Javascript,PHP,VB,Perl,Delphi,Python,C#,C,Java,C++,Web开发,硬件开发,其它

    热门标签

    Actionscript Javascript PHP VB Perl Delphi Python C# C Java C++ Web开发 硬件开发 其它

    最新资料