目录
目录
背景
行人检测 目标检测 行人追踪是当前的热点
应用图像处理技术，结合计算机视觉可以得到目标检测和追踪的效果，目前比较流行的是深度学习，transfmer,MLP等方法
深度学习有CNN,SSD,yolo算法等，yolov1-yolov5都可以进行很好的目标检测，行人检测，目标追踪等问题，可以给大家带来很好的效果，目前主流的开发语言是python,基于pytocrh或者ztensorflow框架进行编程处理
当然比较流行的方法有 hogsvm gaborsvm等，都在开始的时候广泛的应用到行人检测的方法中
但是最原始的基于图像处理技术还是很值得研究的，本文主要采取图像处理技术，进行行人检测的技术研究。
并且不断和持续的更新采取和探索的技术。
一 基于腿部定位的粗略估计方法
这是进行粗略估计的 结果
原始的视频是基于yolov5的结果
本文主要采取图像处理的结果
通过观察视频，可以看出小姐姐的肤色腿部很明显
那么根据图像处理的基本常识，首先定位到肤色，基于ycbcr的模型 得到粗略的分割模型 也就是杉树图中的第二幅图
然后对分割的图进行一系列的操作，比如闭运算等，得到第三幅图，并且画出来连通域
通过观察第三幅图的连通域，可以知道很多小的连通域也被标记出来，因此删除了很小的面积的，得到了第四幅图
通过第四幅图，可以看出在上册有一个横幅是在干扰我们的识别，因此对于长宽比在大于2的时候，将横幅屏蔽，因此屏蔽后的结果图如上述的第五幅图
根据第五幅图，那么定位到腿部，然后根据人体的比例，将外接矩形的坐标和长宽进行设计，得到最后估算的结果数据。。
通过调整参数和配置，得到的其他数据的结果如下
code的下载地址
不用深度学习，基于图像处理的人体粗略估计-统计分析文档类资源-CSDN文库
二 基于头发定位位的粗略估计方法
方法为粗略的定位到头发
然后去除干扰区域
然后根据身体的特征，得到数据的结果
图 袁术图像
他 定位到头发区域
粗略得到连通域
删除无关的连通域
根据体型得到粗略估计
得到原来的图像得到人体的估计
可以看出能粗略得到人体数据吧
其他数据的结果见
可以看出可以通过头发 粗略的得到数据
所有的试验原始图像来源于网络 如果有侵权，请联系作者删除
详细code见
(2条消息) 二基于头发定位位的粗略估计方法-其它文档类资源-CSDN文库
---------------------2022.5.29-------
----------------------持续更新---------------------------
三 基于图像图形二值化—+灰度投影法的结果
持续更新
首选得到RGB 然后选择r通道做实验
对r通道，进行二值化
然后求求解得到灰度投影曲线，垂直投影和水平投影曲线
得到的结果如上所示
图 经过二值化翻转后的数据结果，可以看出，在第四个图像上，可以很明显的可以看出来人体的大概的卷度，因此对于人员的定位骐达了关键的作用
图 采取的第三个通道做的数据研究
图 当改变otsu的阈值时候，这时候的阈值是0.13.得到的数据结果如上所示
阈值是0.53的数据结果
详细的code
二值化和灰度投影的人体定位系统-其它文档类资源-CSDN文库
四 基于kmeans聚类分割+图像处理的结果
上述的图 第一个是kmeans的数据结果
这里聚类成三类，可以卡出第二个图像的数据较好，可以聚类很明显的区分出来
右侧的图，经过数据分析后，用二值化处理，加上膨胀操作，进一步得到了原始数据的边界框 ，得到人体
详细的code见
四基于kmeans聚类分割+图像处理的结果-其它文档类资源-CSDN文库
五 边缘检测+图像腐蚀操作等确定人体位置
首选确定了candyB边缘检测
然后进行闭运算
进行闭运算后，进一步进行填充操作
填充完毕，进一步进行imclose操作，求解外接矩形，得到最后的数据结果
当然选择其他的边缘检测时候
效果不是很好
当采取soble算法，采取4次闭运算的时候结果，如上所示
当选择 prewitte算法的时候，得到的结果也不好
当选择log算子，并且最后进行区域面积筛选，得到的结果较好
详细的code见
基于边缘检测和图形处理的，人体区域定位和检测-机器学习文档类资源-CSDN文库
1626
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
