[发明专利]实时人体自动检测方法

权利要求书

1.一种实时人体自动检测方法，其特征在于：包括如下步骤：

（1）通过体感控制器采集深度信息图像，并将深度信息数据转化成3D点云数据，形成3D点云；

（2）用基于K邻域的离散点云简化算法进行3D点云数据简化；

（3）在简化后的3D点云中，采用RANSAC算法进行点云数据的地平面提取并移除；

（4）利用投影直方图确立波峰波谷位置对点云数据进行初步分类得到人体点云数据簇；

（5）对初步划分后的人体点云数据簇进行二次精细分类；

（6）实现地面上多个人体的检测。

2.根据权利要求1所述的实时人体自动检测方法，其特征在于：所述的步骤（1）通过体感控制器采集深度信息图像，并将深度信息数据转化成3D点云数据，形成3D点云，具体是：借助体感控制器，采集人体及场景的深度图像和彩色RGB图像，进而转化成人体及场景的3D点云数据；对于点云的每个点P，用x,y,z来表示，其中x为点P在X轴方向的坐标，y为点P在Y轴方向的坐标，z为点P在Z轴方向的坐标。

3.根据权利要求1所述的实时人体自动检测方法，其特征在于：所述的步骤（2）用基于K邻域的离散点云简化算法进行3D点云数据简化，具体是：采用基于K邻域密度的离散点云简化算法进行3D点云数据的简化，流程如下：

（2.1）输入原始点云数据；

（2.2）确立中心点；

（2.3）对于每个中心点，采用KD-Tree法搜索距离中心点最近的k个点，建立k-邻域，其中这些距离中心点最近点按照距离中心点由小到大顺序排列；

（2.4）判断每个k-邻域的密度大小；

（2.5）根据密度大小对点云进行简化，密度大处保留该邻域中所有点的平均点，密度小处则保留部分中心点；

（2.6）若还有没简化完的k-邻域，则转（2.4），否则结束。

4.根据权利要求1所述的实时人体自动检测方法，其特征在于：所述的步骤（3）在简化后的3D点云中，采用RANSAC算法进行点云数据的地平面提取并移除，其中地平面提取并移除的具体流程如下：

（3.1）输入简化后的点云数据；

（3.2）在显示的深度图中，随机选取 3个地面上的数据点，并用这3个数据点坐标计算平面方程的参数；

（3.3）对简化后的点云中的所有数据点，计算出每个点到步骤（3.2）得到的平面之间的欧氏距离，再将每个距离与阈值D进行比较，若在D范围内，则将该点归为“局内点”，否则归为“局外点”；

（3.4）对由局内点组成的地平面进行矫正，最后得到所有地平面的局内点，在接下来进行人体检测过程中，地平面范围内所有的点将不再参与计算；至此，地平面提取与移除过程结束。

5.根据权利要求1所述的实时人体自动检测方法，其特征在于：所述的步骤（4）利用投影直方图确立波峰波谷位置对点云数据进行初步分类得到人体点云数据簇，具体是：在步骤（3）将地平面被移除之后，剩余的点云将不再通过地面相连；将剩余的点云聚类，即计算相邻的3D点欧几里德距离来判断是否属于同一点云簇，采用如下的流程来进行点云的初步分类：

（4.1）输入剩余点云数据；

（4.2）聚类建立多个点云簇；

（4.3）合并靠近地平面坐标的点云簇；

（4.4）将所有的点云坐标的Y值沿着X轴的方向进行直方图投影，得到波峰波谷的位置；

（4.5）按波谷的位置将已有的点云簇进行分割，初步确立人与人之间的分界；

（4.6）输出目前已有的所有点云簇，初步分类完毕。

6.根据权利要求1所述的实时人体自动检测方法，其特征在于：所述的步骤（5）对初步划分后的人体点云数据簇进行二次精细分类，具体是：对于步骤（4）得到的点云，接下来采用基于HOG的人体检测算法对其进行二次精细分类，即结合点云簇对应的RGB图运用基于HOG的人体检测算法，来识别人体特征，实现地面上多个人体的检测，并画出人体检测区域。