trong cả ban ngày và ban đêm, do đó thích hợp cho các hệ thống nhận thức của con người cá nhân nhất.
Trong tác phẩm này, chúng tôi lo ngại việc sử dụng của máy ảnh Kinect cho
phát hiện con người và phân khúc từ một hình ảnh vì nó là một
kỷ luật quan trọng trong chiết xuất thông tin của các đối tượng của con người.
Lưu ý rằng các thông tin sâu được mua lại bởi một camera độ sâu được
đưa ra bởi một hình ảnh sâu, nơi một giá trị 16-bit của một điểm ảnh của một chiều sâu
hình ảnh cho thấy một khoảng cách bằng mm đến một điểm trong 3-D. Nhiều
phương pháp ước tính các bản đồ cạnh từ một hình ảnh sâu để tìm
ranh giới của một đối tượng [1,2,3]. Những hình bóng nhị phân sử dụng cho
việc phát hiện con người đã được trình bày trong [4,5]. Ngoài những con người
cơ thể như khuôn mặt [6] và áo sơ mi-hình dạng [7] đề nghị các vị trí và
sự hiện diện của một đối tượng con người, nhưng việc khai thác của con người vẫn còn
bị hạn chế với cách tiếp cận này. Những nỗ lực khác được thiết kế một bộ phân loại để
tìm một chủ nhân hoặc không phải con người trong một khu vực quan tâm. Trong
thứ tự để tóm tắt các tính năng của từng khu vực, tính năng Harr như
[8], Histogram của Gradient Oriented (HOG) [9], Scale Invariant
Feature Transform (SIFT) [10], địa phương hướng Pattern Temay
[11] vv chủ yếu áp dụng. Cùng với chiều sâu, đặc điểm màu sắc
cung cấp tín hiệu phụ để theo dõi những con người trên khung hình video
khi một máy ảnh RGB được gắn cùng với Kinect [12,13]. Những
sự kết hợp của độ sâu và màu sắc kết quả công nhận con người tốt hơn
nhưng bị giới hạn thời gian tính toán vì kích thước của một RGB
ảnh lớn hơn so với một hình ảnh sâu ba lần.
đang được dịch, vui lòng đợi..