本文共 870 字，大约阅读时间需要 2 分钟。

 本文档是基于一项项目的总结，该项目的初步目标是在一幅图像中基于头顶的形状和大小检测头顶，辅助提高人流轨迹的精确度。其中涉及的技术基本上都是计算机视觉领域的基础，相关知识储备来自计算机视觉（Linda和George）一书。在这一过程中遇到问题，我积极通过OpenCV论坛(www.opencv.org.cn)和OpenCV群寻求解决方案，在此感谢。

大体流程  

区域特征

区域特征feature计算

区域特征feature

1.0e+004 *

0.0004    0.0312    0.0458    0.0001    0.0000    0.0002    0.0045

0.0556    0.0339    0.0149    0.0013    0.0001    0.0024    0.0046

头顶检测的判断标准

区域面结（100~1000），区域圆度（>6）

二值图

标记图,可见区域内部的孔洞，fill hole

二值图取反后的标记图

最后的结果

后记：

本来我想进一步完善这个搭建在matlab之上的实验项目，通过以下两种方案

1、通过图像分割技术，分割背景和前景，二值化图，以获得感兴趣的区域。

2、头顶区域的判断准则通过训练自动获得，具体方法是准备若干图片，一半用于训练，一半用于测试，通过训练获得的判断准则，判断测试图像，得出误报率和漏报率。

公司需要将这个项目整合入人流轨迹的项目中形成demo版，向客户演示，所以我的优先任务是将这个项目变迁到C++，整合入人流轨迹BlobTrack项目，上述任务空闲的时候做做了。

如果头顶与颜色相近的物体挨着，那么极有可能形成的连通区域中两个是连着的，我想也许图像分割或纹理之类的能够帮助解决这个问题。

另外形状和大小类似头顶的话，会误认为头顶，这个问题我打算通过增加区域特征以供区分，目前可以想到的是纹理特征，直方图特征之类的。

这个项目做了一个月，绝大部分时间用于方案的遴选和理论知识的学习，摸索过SVM和harr特征，走了不少弯路，不过也学到不少东西。

转载地址：http://gzppi.baihongyu.com/