張彩霞，付煥利

北方工業(yè)大學(xué) 圖像處理與模式識(shí)別研究所，北京 100144

未標(biāo)定視頻下的動(dòng)態(tài)人體身高測(cè)量

張彩霞，付煥利

北方工業(yè)大學(xué) 圖像處理與模式識(shí)別研究所，北京 100144

針對(duì)視頻下的動(dòng)態(tài)人體身高測(cè)量過(guò)程中，依賴三維場(chǎng)景的結(jié)構(gòu)化信息，或者需要事先對(duì)相機(jī)進(jìn)行標(biāo)定的情況，提出了一種視覺(jué)測(cè)量算法對(duì)未標(biāo)定視頻中的行人身高進(jìn)行測(cè)量。該方法首先利用幀差法提取每幀圖像中的人體區(qū)域信息，然后由該區(qū)域的主軸方向確定人體的頭頂點(diǎn)和垂足點(diǎn)，再由頭頂點(diǎn)和垂足點(diǎn)形成的兩個(gè)平行虛擬平面確定水平消失線、由主軸方向確定豎直消失點(diǎn)，最后根據(jù)射影變換的交比不變量來(lái)確定人體的身高。該方法以人在正常行走過(guò)程中身高基本保持不變?yōu)楹侠砑僭O(shè)，并且充分利用了視頻中的人體運(yùn)動(dòng)信息。實(shí)驗(yàn)結(jié)果表明，測(cè)量結(jié)果的平均相對(duì)誤差低于2.2%，能夠滿足人體身高測(cè)量的精度需要。

未標(biāo)定視頻；消失點(diǎn)；消失線；交比；身高測(cè)量

1 引言

在刑事偵查、安全監(jiān)控、行為分析等領(lǐng)域，識(shí)別并理解視頻場(chǎng)景中行人的行為是非常重要的任務(wù)[1-3]，而人體的身高是一個(gè)重要的參考信息，比如在刑偵案件中，嫌疑人的身高是描述人體的重要特征之一，當(dāng)視頻監(jiān)控中采用的攝像頭分辨率不是很高或者離目標(biāo)太遠(yuǎn)時(shí)，獲取的人體信息，尤其是面部特征往往比較模糊，能夠獲取的信息可能只能是其身高特征。如在安全監(jiān)控中，測(cè)量到一個(gè)人的身高突然發(fā)生劇烈的變化，那么可能意味著這個(gè)人蹲下或摔倒了，這可以為實(shí)施救助或其他行為提供實(shí)時(shí)的預(yù)警功能?；谝曨l的動(dòng)態(tài)人體身高測(cè)量技術(shù)恰好可以滿足此類需求。相比其他測(cè)量方式，如超聲波、激光、雷達(dá)等，基于圖像/視頻的測(cè)量技術(shù)只需對(duì)三維場(chǎng)景進(jìn)行簡(jiǎn)單地拍攝，獲得其圖像/視頻信息，就可以利用測(cè)量軟件隨時(shí)進(jìn)行離線或在線測(cè)量，因此，具有安全性、無(wú)接觸性、可重復(fù)性、價(jià)格低廉等多重優(yōu)勢(shì)。

按是否需要事先對(duì)攝像機(jī)進(jìn)行標(biāo)定，視覺(jué)測(cè)量可以分為標(biāo)定下的測(cè)量[4]和未標(biāo)定下的測(cè)量[5-7]。標(biāo)定下的測(cè)量需要借助高精度的特殊標(biāo)定塊如棋盤格等來(lái)確定攝像機(jī)的內(nèi)參數(shù)和畸變系數(shù)，標(biāo)定過(guò)程較繁瑣，但具有高精度的優(yōu)點(diǎn)；而未標(biāo)定下的測(cè)量則無(wú)需借助標(biāo)定塊，通過(guò)充分利用三維場(chǎng)景中的固定物體如建筑物、桌椅等或運(yùn)動(dòng)物體本身的某些結(jié)構(gòu)化信息，如平行、垂直、共線點(diǎn)等內(nèi)在信息來(lái)達(dá)到測(cè)量的目的，比標(biāo)定下的測(cè)量方法更加靈活，但精度略遜一籌。

Criminisi等人[5]基于未標(biāo)定的靜態(tài)圖像首次提出了單幅圖像測(cè)量理論，利用圖像中的消失點(diǎn)和消失線信息，以及射影變換中共線四點(diǎn)形成的交比不變的性質(zhì)推導(dǎo)出度量信息之間的比例關(guān)系。該方法需要三維場(chǎng)景中有平行、垂直信息來(lái)確定圖像中的消失點(diǎn)和消失線。后來(lái)Peng Kun等人[8]提出以場(chǎng)景中的規(guī)則物體建立歐氏坐標(biāo)系以便測(cè)量其幾何量的方法，主要根據(jù)投影幾何中的約束關(guān)系及共線四點(diǎn)交比不變的性質(zhì)建立約束方程求得目標(biāo)的長(zhǎng)度。該方法僅能準(zhǔn)確地測(cè)量規(guī)則物體的長(zhǎng)度，而且對(duì)圖像的質(zhì)量有較高的要求，當(dāng)圖像模糊不清或者嚴(yán)重畸變時(shí)，測(cè)量精度將受到很大影響。

和基于圖像的測(cè)量相比，利用視頻測(cè)量身高不僅可以利用視頻中的運(yùn)動(dòng)信息還可以對(duì)每幀的測(cè)量結(jié)果概率統(tǒng)計(jì)，提高測(cè)量精度。在基于視頻的身高測(cè)量方面，董秋雷等人[4]提出的實(shí)時(shí)測(cè)量方法中，采用了混合高斯模型來(lái)提取頭頂點(diǎn)，然后根據(jù)幾何約束計(jì)算垂足點(diǎn)，最后根據(jù)這些特征點(diǎn)以及投影矩陣建立約束方程求出人體高度。該方法魯棒性高且測(cè)量速度快，但是需要事先確定相機(jī)參數(shù)。后來(lái)Park等人[9]根據(jù)前景區(qū)域的主軸線和前景區(qū)域的交點(diǎn)計(jì)算出頭頂、垂足的特征點(diǎn)，然后在空間中建立參考系以及選取相應(yīng)的參考點(diǎn)，計(jì)算出相機(jī)的參數(shù)及投影矩陣，根據(jù)攝像機(jī)基本成像模型求出每幀中行人的身高。該算法測(cè)量精度較高，但是整個(gè)測(cè)量工作并沒(méi)有充分利用視頻中的運(yùn)動(dòng)信息。Jiang Mingxin等人[10]根據(jù)視頻場(chǎng)景中的水平、豎直信息計(jì)算豎直方向上的消失點(diǎn)和水平方向上的消失線，然后利用前景區(qū)域的主軸線計(jì)算頭頂點(diǎn)，并根據(jù)幾何約束求出垂足點(diǎn)，根據(jù)共線四點(diǎn)交比不變的性質(zhì)測(cè)出每幀中人的身高，最后優(yōu)化測(cè)量結(jié)果。姜明新等人[11]利用場(chǎng)景中的建筑物信息計(jì)算豎直消失點(diǎn)和水平消失線，根據(jù)人體主軸線和消失點(diǎn)提取每一幀中目標(biāo)的頭頂點(diǎn)和垂足點(diǎn)，最后根據(jù)幾何約束測(cè)量目標(biāo)高度。由此可以看出，以上方法或者對(duì)相機(jī)事先標(biāo)定或者對(duì)場(chǎng)景的結(jié)構(gòu)化信息具有相應(yīng)的要求。

利用未標(biāo)定下的圖像進(jìn)行實(shí)體測(cè)量時(shí)，確定圖像中的消失點(diǎn)和消失線是這一類方法的核心問(wèn)題，也即拍攝的三維空間中需要顯式地包含平行和垂直等幾何信息，但有時(shí)空間場(chǎng)景缺少這些信息，而且即使含有這些信息，如何在圖像中自動(dòng)地、精確地提取它們的像也是不容易的。針對(duì)這種情況，本文在利用圖像對(duì)人體身高進(jìn)行測(cè)量研究時(shí)，注意到人在正常行走時(shí)，頭頂?shù)降孛娴母叨茸兓鄬?duì)很小的客觀事實(shí)，則所有時(shí)刻下的頭頂點(diǎn)就形成一個(gè)與地平面平行的虛擬平面，而地平面也可以看成是在地平面上的垂足點(diǎn)確定的虛擬平面，且同一時(shí)刻下的頭頂點(diǎn)與垂足點(diǎn)確定的虛擬線與這兩個(gè)虛擬平面垂直。因此，形成的虛擬平面和虛擬線就包含了所需的關(guān)鍵的平行和垂直信息。基于此，本文提出了一種新的測(cè)量視頻中行人身高的方法。該算法的優(yōu)點(diǎn)是通過(guò)利用視頻中的人體運(yùn)動(dòng)信息，避開(kāi)了對(duì)拍攝場(chǎng)景的結(jié)構(gòu)化要求，使得算法的應(yīng)用場(chǎng)景更加寬泛。

本文的主要內(nèi)容是：在第2章詳細(xì)介紹了單幅圖像測(cè)量方法的基本理論，第3章闡述了本文算法的詳細(xì)過(guò)程，第4章是算法的模擬實(shí)驗(yàn)和真實(shí)實(shí)驗(yàn)驗(yàn)證，第5章是簡(jiǎn)要總結(jié)。

2 理論基礎(chǔ)

本文主要依據(jù)Criminisi等人提出的單視測(cè)量理論[5]，即利用射影變換的不變量-交比來(lái)確定平行平面間的真實(shí)距離。如圖1（a），圖中柜子的頂面和底面在空間中是兩個(gè)平行的平面，要確定二者間的真實(shí)距離，需要首先確定這兩個(gè)平面交線的像，即消失線（Vanishing line），如圖1（b）中標(biāo)示為l的直線所示，以及垂直于這兩個(gè)平面的方向上的像，即消失點(diǎn)（Vanishing point），如圖1（b）中標(biāo)示為v的點(diǎn)所示。

圖1 單視測(cè)量原理圖

d(?,?)表示兩點(diǎn)間的有向距離。

為了便于說(shuō)明，分別用符號(hào)來(lái)表示以上的幾何信息，如圖1（b）所示，點(diǎn)H 表示頂面上的一個(gè)點(diǎn)，點(diǎn)F表示點(diǎn)H在底面的垂直投影點(diǎn)，過(guò)相機(jī)光心C做一個(gè)與頂面平行的平面，該平面與直線FH的交點(diǎn)記為P，另用V表示直線FH方向上的無(wú)窮遠(yuǎn)點(diǎn)，則得到空間中的四個(gè)共線點(diǎn)F、H、P、V。這四個(gè)空間點(diǎn)的像點(diǎn)分別記為 f、h、p、v，且 p點(diǎn)是消失線l與直線hf的交點(diǎn)。

由射影幾何理論可知，在射影變換下，共線四點(diǎn)的交比保持不變，即

其中交比記為：為簡(jiǎn)單起見(jiàn)，用符號(hào)dc表示相機(jī)距離地面的高度，dbody表示頭頂點(diǎn)距離地面的高度，也即人體的高度。則等式（1）右端變?yōu)?/p>

因此，得到由圖像進(jìn)行實(shí)體測(cè)量的核心公式：

由上式可知，若dc已知，則dbody由圖像點(diǎn)即可求出。但通常相機(jī)高度dc不方便直接獲取，這時(shí)可以利用場(chǎng)景中某個(gè)已知度量信息的參照物利用式（2）先估計(jì)出dc，然后再次用式（2）來(lái)估計(jì)待求的高度。

3 基于視頻的身高測(cè)量

人體的身高通常是指人體靜止直立狀態(tài)下，頭頂最高點(diǎn)到地平面的距離，而在本文中，利用視頻去估計(jì)身高時(shí)，人體是運(yùn)動(dòng)狀態(tài)，則頭頂點(diǎn)到地面的距離是有波動(dòng)的，但是這個(gè)波動(dòng)范圍相對(duì)于相機(jī)與人體之間的距離來(lái)說(shuō)是非常小的，成像到圖像上時(shí)，像素差是可以忽略的，因此本文給出了這樣一種合理的假設(shè)，即當(dāng)行人正常行走時(shí)，其身高保持不變，這樣就如引言中所述，由多幀下的頭頂點(diǎn)和垂足點(diǎn)就可以得到垂直消失點(diǎn)和水平消失線，從而由第1章的理論可求得行人的身高。為了得到視頻中行人的頭頂點(diǎn)和垂足點(diǎn)，需要首先進(jìn)行人體的前景提取。

3.1 前景提取

視頻前景提取的方法主要有幀間差分算法、背景差分算法、混合高斯模型等，采集的視頻受光照變化和其他噪聲影響較小，為了保證算法的實(shí)時(shí)性，本文將采用背景差分法來(lái)提取視頻幀的前景（即人體）區(qū)域，即

其中，frm(x,y)表示當(dāng)前幀，backfrm(x,y)表示固定的背景幀，forefrm(x,y)表示對(duì)當(dāng)前幀提取的前景區(qū)域，如圖2所示，圖（a）為要提取輪廓的當(dāng)前幀，圖（b）為固定的背景幀，圖（c）為對(duì)當(dāng)前幀提取的前景區(qū)域。

圖2 前景提取

3.2 提取人體頭頂點(diǎn)和垂足點(diǎn)

本文采用了與文獻(xiàn)[9]中類似的方法來(lái)提取頭頂點(diǎn)和垂足點(diǎn)，如圖3所示，頭頂點(diǎn)和垂足點(diǎn)形成的直線對(duì)應(yīng)于前景區(qū)域的像素點(diǎn)集合的第一個(gè)主成分，因此可以通過(guò)前景區(qū)域的協(xié)方差矩陣的特征值和特征向量計(jì)算得到，e1、e2分別為求得的第一、第二特征向量，pc表示前景區(qū)域的中心。如圖4所示，由e1和 pc即可求出主軸線lp，lp和前景區(qū)域的外接矩形交于點(diǎn)h,f，認(rèn)為h,f就是頭頂點(diǎn)和垂足點(diǎn)。

圖3 計(jì)算主軸線

圖4 頭頂點(diǎn)和垂足點(diǎn)、特征向量

3.3 視頻幀的高度測(cè)量

本文中，主要基于這樣的合理假設(shè)，即人在正常行走于地平面上（沒(méi)有跑、跳、蹲等，如圖5（a））時(shí)，頭頂點(diǎn)始終處于同一虛擬平面上，且該虛擬平面與地平面是平行的，而在同一時(shí)刻下，由人體頭頂點(diǎn)和垂足點(diǎn)確定的虛擬直線，即人體的主軸線可以認(rèn)為是垂直于地平面的。因此頭頂虛擬平面和地平面的交線的像即是水平方向上的消失線vl，而所有幀的人體主軸線的交點(diǎn)的像即是豎直方向上的消失點(diǎn)v。因此在豎直方向上，對(duì)所有的主軸線（如圖5（c）中的黃色直線）采用最小二乘法擬合求出v。在水平方向上，如果視頻中人沿不同方向行走，如圖5（b），那么對(duì)于在同一方向的多個(gè)相鄰點(diǎn)（在頭頂點(diǎn)軌跡或垂足點(diǎn)軌跡中），可以擬合出一條直線，因此，對(duì)于圖5（c）中所示的兩組對(duì)應(yīng)曲線（紅色和藍(lán)色曲線），每擬合出同一方向上的一組平行線，就會(huì)得到一個(gè)水平消失點(diǎn)，由這些消失點(diǎn)可以擬合出水平消失線vl。

圖5 虛擬平面形成圖

然后利用第1章的單視測(cè)量理論來(lái)估計(jì)每幀下的人體身高。如圖6，當(dāng)前幀中人體的主軸線l和水平消失線vl交于點(diǎn) p，同樣的，參照物的主軸線lr和水平消失線vl交于點(diǎn) pr，h,f,hr,fr分別表示當(dāng)前幀中人的頭頂點(diǎn)和垂足點(diǎn)，參照物的上、下頂點(diǎn)，由公式（2）得到當(dāng)前幀中行人的高度為：

其中dref表示參照物的真實(shí)高度。

圖6 根據(jù)已知的參照物高度求身高

本文算法的完整流程如下所示：

算法 未標(biāo)定視頻下的動(dòng)態(tài)人體身高測(cè)量

輸入 行人視頻數(shù)據(jù)、參照物高度。

輸出 行人身高。

（1）提取視頻中每幀圖像的運(yùn)動(dòng)前景——行人。

（2）確定圖像中的人體頭頂點(diǎn)和垂足點(diǎn)：估計(jì)每幀或關(guān)鍵幀中人體的主軸及區(qū)域外接矩形，獲得二者的交點(diǎn)。

（3）估計(jì)水平消失線和垂直消失點(diǎn)：整合所有幀或關(guān)鍵幀的頭頂點(diǎn)和垂足點(diǎn)，由頭頂點(diǎn)軌跡、垂足點(diǎn)軌跡確定水平消失線；由每幀的頭頂點(diǎn)和垂足點(diǎn)確定垂線，再由多幀下的垂線交點(diǎn)確定垂直消失點(diǎn)。

（4）確定每幀圖像中的共線四點(diǎn)：頭頂點(diǎn)、垂足點(diǎn)、垂直消失點(diǎn)、主軸與水平消失線的交點(diǎn)。

（5）由交比不變性估計(jì)每幀中的人體高度：利用文中式（3）即得。

（6）輸出每幀的人體高度，統(tǒng)計(jì)結(jié)果分布，得到最終的人體身高。

3.4 實(shí)驗(yàn)結(jié)果

為了驗(yàn)證算法的可行性，分別進(jìn)行了模擬情況下和真實(shí)場(chǎng)景下的實(shí)驗(yàn)。

3.4.1 模擬實(shí)驗(yàn)

模擬的相機(jī)焦距為fc=[2 152;2 152]，光心cc=[1 347;893]，每幀圖像的分辨率720×1 280，旋轉(zhuǎn)向量omc=[1;5;1]，平移向量T=[1 000;2 000;3 000]，如圖7所示，y1、y2、y3代表的線段均為空間中人的行走軌跡，對(duì)應(yīng)的自變量取值范圍為x1∈[200,800]、x2∈[800,1 200]、x3∈[200,1 200]，紅色線段代表空間中頭頂點(diǎn)所在的直線，藍(lán)色代表垂足點(diǎn)所在直線，粉色點(diǎn)代表參照物上下頂點(diǎn)，以5 cm為步長(zhǎng)在行走軌跡上選取頭頂點(diǎn)和垂足點(diǎn)，zi=168(i=1,2,3)表示模擬的人身高為168 cm，空間中參照物上下頂點(diǎn)坐標(biāo)分別設(shè)為xrh=[200;320;30],xrf=[200;320;0]。對(duì)空間點(diǎn)和圖像點(diǎn)分別加高斯噪聲，噪聲的方差從0到5，間隔為0.5，同一噪聲下分別進(jìn)行1 000次實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果如圖8所示，（a）表示對(duì)空間點(diǎn)加噪聲對(duì)精度的影響，（b）表示對(duì)圖像點(diǎn)加噪聲對(duì)精度的影響，圖中藍(lán)色‘*’代表測(cè)量高度相對(duì)誤差的均值，粉色‘*’表示測(cè)量高度相對(duì)誤差的均方差，當(dāng)沒(méi)有噪聲時(shí)，測(cè)量結(jié)果是沒(méi)有任何偏差的，說(shuō)明算法是可行的，而當(dāng)噪聲逐漸增加時(shí)，均值和均方差都在增大，當(dāng)噪聲水平在1個(gè)像素以下時(shí)，誤差均值在2%左右，與后面的真實(shí)實(shí)驗(yàn)相符。此外，對(duì)比（a），（b）圖可以發(fā)現(xiàn)，對(duì)空間點(diǎn)加噪聲導(dǎo)致的誤差均值幅度要高于只對(duì)圖像點(diǎn)加噪的結(jié)果，但在均方差方面二者卻相反，這說(shuō)明相對(duì)空間點(diǎn)而言，測(cè)量結(jié)果對(duì)于圖像點(diǎn)的定位精度的抗干擾能力更強(qiáng)，但在穩(wěn)定性方面，測(cè)量結(jié)果對(duì)于空間點(diǎn)的精度卻更穩(wěn)定。

圖7 模擬實(shí)驗(yàn)的空間點(diǎn)

圖8 模擬實(shí)驗(yàn)結(jié)果

3.4.2 真實(shí)實(shí)驗(yàn)

在室外，用DSC-W800相機(jī)拍攝了一系列行人的視頻信息，其中視頻中每幀圖像的分辨率為720×1 280。采集視頻時(shí)，相機(jī)保持不動(dòng)，場(chǎng)景中的參照物是圖9中的紙箱，實(shí)際高度為23.8 cm。參照物在圖像上的上下頂點(diǎn)手工提?。▓D9中兩個(gè)紅色點(diǎn)）。文中視頻數(shù)據(jù)都是在簡(jiǎn)單靜態(tài)場(chǎng)景下的，視頻采集時(shí)前幾幀圖像只含背景，并沒(méi)有行人、光照變化等，所以獲取的背景圖只是對(duì)前幾幀圖像的平均結(jié)果。首先對(duì)采集的視頻進(jìn)行前景提取，圖10（a）表示采集的行人的視頻幀，圖10（b）是對(duì)相應(yīng)視頻幀提取的輪廓，之后計(jì)算所有幀中的人體主軸線、頭頂點(diǎn)和垂足點(diǎn)，進(jìn)而測(cè)得每幀中行人的身高，圖10（c）是對(duì)相應(yīng)幀中行人測(cè)量的身高。本文的測(cè)量方法是對(duì)視頻的每一幀均可測(cè)量身高，圖11是得到的身高曲線圖，紅色的點(diǎn)代表測(cè)得的各幀中人的身高值，藍(lán)色直線代表所有幀的測(cè)量高度的平均值，綠色直線代表視頻中行人的真實(shí)身高，從圖中可以看出，真實(shí)身高和測(cè)得的平均身高相差1 cm左右。

圖9 背景圖像

圖10 測(cè)量結(jié)果圖

圖11 身高曲線圖

受篇幅所限，表1只給出了10位行人的測(cè)量結(jié)果，“真實(shí)身高”是采集視頻前用皮尺人工測(cè)量的實(shí)際高度。針對(duì)每組視頻均計(jì)算所有圖像序列的人體高度，為了提高測(cè)量精度，對(duì)每組視頻的所有測(cè)量結(jié)果進(jìn)行統(tǒng)計(jì)，得到各個(gè)不同測(cè)量區(qū)間出現(xiàn)的頻率，剔除頻率小于10%的測(cè)量值?！皽y(cè)量高度”是指該組中所有頻率不小于10%的測(cè)量值，“所占百分比”是指“測(cè)量高度”占該組視頻所有測(cè)量高度的百分?jǐn)?shù)，“平均相對(duì)誤差”是對(duì)該組視頻測(cè)量的所有高度和真實(shí)身高的相對(duì)誤差的平均值，從表中可以看出，“測(cè)量高度”和“真實(shí)身高”非常相近，而且“平均相對(duì)誤差”不超過(guò)2.2%，絕大多數(shù)在1%左右。

表1 測(cè)量結(jié)果及其誤差

4 結(jié)論

本文提出的動(dòng)態(tài)人體身高測(cè)量方法無(wú)需相機(jī)標(biāo)定，也避開(kāi)了對(duì)拍攝場(chǎng)景的結(jié)構(gòu)化要求，充分利用了人體的運(yùn)動(dòng)信息，通過(guò)構(gòu)造的虛擬水平面和虛擬垂直線來(lái)代替場(chǎng)景的平行和垂直等結(jié)構(gòu)化要求，因此算法的實(shí)用性和靈活性更強(qiáng)。雖然實(shí)驗(yàn)結(jié)果能夠基本滿足實(shí)際需要，但是在前景的提取、算法的實(shí)時(shí)性和穩(wěn)定性方面仍需進(jìn)一步地深入研究和探討。

[1]Kumar N，Belhumeur P N，Biswas A，et al.Leafsnap：A computer vision system for automatic plant species identification[C]//European Conference on Computer Vision-ECCV 2012.BerlinHeidelberg：Springer，2012：502-516.

[2]Buch N，Velastin S A，Orwell J.A review of computer vision techniques for the analysis of urban traffic[J].IEEE Transactions on Intelligent Transportation Systems，2011，12（3）：920-939.

[3]Vu A，Ramanandan A，Chen A，et al.Real-time computer vision/DGPS-aided inertial navigation system for lanelevel vehicle navigation[J].IEEE Transactions on Intelligent Transportation Systems，2012，13（2）：899-913.

[4]董秋雷，吳毅紅，胡占義.基于視頻的實(shí)時(shí)自動(dòng)人體身高測(cè)量[J].自動(dòng)化學(xué)報(bào)，2009，35（2）：137-144.

[5]Criminisi A，Reid Anid I，Zisserman A.Single view metrology[J].International Journal of Computer Vision，2000，40（2）：123-148.

[6]Shao J，Zhou S K，Chellappa R.Robust height estimation ofmoving objectsfrom uncalibrated video[J].IEEE Transactions on Image Processing，2010，19（8）：2221-2232.[7]Guo F，Chellapppa R.Video metrology using a single camera[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2010，32（7）：1329-1335.

[8]Peng Kun，Hou Lulu，Ren Ren，et al.Single view metrology along orthogonaldirections[C]//InternationalConference on Pattern Recognition，2010：1658-1661.

[9]Park S W，Kim T E，Choi J S.Real-time estimation of trajectories and heights of pedestrains[C]//IEEE International Conference on Information Science and Applications，2011：1-8.

[10]Jiang Mingxin，Mu Fangshun，Wang Hongyu.Height measurements of moving people based on single camera[C]//IEEE International Conference on Awareness Science and Technology，2011：63-67.

[11]姜明新，王培昌，王洪玉.基于視頻多目標(biāo)跟蹤的高度測(cè)量算法[J].電子學(xué)報(bào)，2015，43（3）：591-596.

ZHANG Caixia,FU Huanli

Institute of Image Processing and Pattern Recognition,North China University of Technology,Beijing 100144 China

Visual metrology for height of pedestrian from uncalibrated video.Computer Engineering and Applications,2017,53（21）：162-166.

Considering that measurements of the pedestrian’s height from video usually depend on the knowledge of 3D scene information,or the camera’s internal calibration,a visual metrology algorithm is proposed to measure the height of a pedestrian in the uncalibrated video.Firstly,the foreground pedestrian is extracted in each frame image by simple frame difference algorithm.Then the major axis of the foreground is estimated to determine the pedestrian’s top（head）and bottom（foot）points,and two parallel virtual planes are constructed by the top/bottom points to determine the horizontal vanishing line,while the vertical vanishing point is obtained by the intersection of the major axes.Finally,the pedestrian’s height is estimated by the cross ratio theorem.This method is based on the reasonable hypothesis that a pedestrian’s height has very small difference during the normal walking process,and uses motion information sufficiently.Experimental results show that the average relative error is less than 2.2%,so the precision can achieve the requirement.

uncalibrated video;vanishing point;vanishing line;cross ratio;height measurement

A

TP391.41

10.3778/j.issn.1002-8331.1605-0120

國(guó)家自然科學(xué)基金（No.61503004）。

張彩霞（1977—），女，副教授，博士，主要研究方向：計(jì)算機(jī)視覺(jué)中的攝像機(jī)定位、標(biāo)定及其三維重建理論及應(yīng)用研究；付煥利（1988—），女，碩士研究生，主要研究方向：計(jì)算機(jī)視覺(jué)中的攝像機(jī)標(biāo)定及視頻下的人體身高測(cè)量理論及應(yīng)用研究，E-mail：fuhuanli09@163.com。

2016-05-11

2016-07-15

1002-8331（2017）21-0162-05

CNKI網(wǎng)絡(luò)優(yōu)先出版：2016-09-29,http://www.cnki.net/kcms/detail/11.2127.TP.20160929.1650.040.html