在監控護理應用中，人體姿態估計可以改善人們的日常生活。本文提出了一種對背景、相機攝像頭位置距離、幀中人物的大小和服裝等都不變的方法。輪廓被投影到水平和垂直直方圖以進行特征提取。重要的特征是基于人體各部分的長度和寬度。與ANFIS模型中的傳統特征相比，所提出的特征更適合將人的姿勢分類為四個主要類別，如站、躺、坐和彎曲，顯然具有較高的識別率。精度的提高來自于各種環境的干擾器魯棒性，例如改變身體位置和相機距離的復雜姿勢。
我們提出了一種在來自校準相機的2D圖像中估計相機和人頭之間的距離的方法。領先的監控頭部姿態估計算法主要關注頭部方向（偏航、俯仰和滾轉）和垂直于相機主軸的平移。我們的貢獻是一個可以在平行于相機主軸的大平移下估計頭部姿態的系統。我們的方法使用一組示例性3D人頭來估計相機和之前看不見的頭之間的距離。通過使用有效透視n點（EP n P）求解相機姿勢來估計屏蔽器距離。我們使用沈陽大東區3D人臉識別數據庫展示了有前景的實驗結果。
為了實現面對攝像機距離估計，提出了一種基于單目監控攝像頭視覺的單攝像機距離估計方法。完成估計的關鍵步驟有三個：提取和定位人臉中的特征區域，計算特征三角形的像素面積，構建測量公式。為了快速檢測和定位特征區域，通過減少特征量和擴展樣本，改進了傳統的daBoost算法。通過針孔攝像機模型、攝像機標定和面積映射，導出了揭示像素面積與距離關系的測量公式。測量公式可以在系統初始化期間動態構建。還定義了構建測量公式的最佳移動范圍。經過實驗分析，測量精度達到95%以上，每次測量花費的時間約為230ms，滿足了干擾屏蔽器測量精度和實時性的要求。
上一篇：攝像頭的開源軟件開發系統
下一篇：怎樣處理好攝像機中的盲點
