不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

目录

目录

一  基于腿部定位的粗略估计方法

二 基于头发定位位的粗略估计方法

三  基于图像图形二值化—+灰度投影法的结果

四 基于kmeans聚类分割+图像处理的结果

五  边缘检测+图像腐蚀操作等确定人体位置

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

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。

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

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

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

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

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

他 定位到头发区域

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

 粗略得到连通域

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

删除无关的连通域

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

根据体型得到粗略估计

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

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

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

 不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

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

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

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

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

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

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

图 采取的第三个通道做的数据研究

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

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 

 不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

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

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

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

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

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

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

效果不是很好

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

 当采取soble算法,采取4次闭运算的时候结果,如上所示

不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

当选择 prewitte算法的时候,得到的结果也不好

 不用深度学习,(行人检测 目标检测 )基于图像处理的人体粗略估计

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

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
上一篇 2022年5月30日 上午10:37
下一篇 2022年5月30日 上午10:40

相关推荐

本站注重文章个人版权,不会主动收集付费或者带有商业版权的文章,如果出现侵权情况只可能是作者后期更改了版权声明,如果出现这种情况请主动联系我们,我们看到会在第一时间删除!本站专注于人工智能高质量优质文章收集,方便各位学者快速找到学习资源,本站收集的文章都会附上文章出处,如果不愿意分享到本平台,我们会第一时间删除!