运动人体检测与识别一直是机器视觉领域的基本问题与研究热点,在移动机器人定位与导航、人体跟踪、人与机器人交互等方面都有非常重要的应用。移动机器人需要获取准确的场景信息以完成运动人体检测与识别,而视觉是移动机器人获取准确场景信息的最重要手段,其中双目立体视觉可以获得场景的深度信息,并且近年来其基本上满足了实时性要求,相对于单目视觉有着不可比拟的优势。但是,由于移动机器人应用环境复杂以及人体形态容易发生变化,给运动人体检测与识别带来了非常大的难度;现有方法大多数局限于识别人体和非人体,难以满足移动机器人识别特定人体的需要。课题以双目立体视觉移动机器人为背景,研究了立体匹配算法、运动人体检测算法和特定人体识别算法,提高了运动人体检测与识别的准确性、实时性、鲁棒性。主要取得了如下研究成果:　　(1)针对移动机器人运动人体检测与识别对立体匹配高准确性和实时性的要求,提出了一种改进的胜者全取(Winner-Take-All,WTA)立体匹配算法。首先提取图像边缘点和两幅图像间存在较大差异的点作为特征点,这些特征点处于可能的视差边缘;然后对特征点采用WTA算法进行立体匹配;而对非特征点仅进行简单的验证,其视差值为邻近像素的视差值。本算法提取的特征点集中于视差不连续区域,整体匹配精度与现有其它算法相当,但视差边缘误匹配像素百分比(Percentage of Bad Matching,PBM)较低,并且计算速度较好满足了实时性要求。　　(2)结合双目立体视觉获得的视差图在人体检测中的优势,实现了连续视差图差分算法。先对参考图像帧视差图做全局运动补偿;然后对相邻两帧视差图进行差分运算,并将差分图像进行二值化处理;接着采用形态学滤波处理二值图像中的孤立孔洞、随机噪声点以及断裂边缘等;最后进行连通分量提取,并去掉一些较小的连通区域。从而得到准确的运动人体区域,完成运动人体检测。　　(3)针对移动机器人识别特定人体的要求,提出了一种基于头肩模型的特定人体识别方法。首先提取检测到的人体的头肩模型;然后提取头肩模型降维加权后的Hu不变矩特征作为分类识别的特征向量,根据阈值将头肩模型分类为正背面或者侧面,分别用K最近邻(K-Nearest Neighbor,KNN)分类器分类;最后采用一定的判别策略对分类结果进行决策,实现准确、快速的特定人体识别。　　课题得到国家自然科学基金项目(NO.61075110)和北京市教委科技计划面上项目(NO.KM200810005016)的资助。课题的研究工作对于移动机器人人体检测与识别研究具有一定的参考意义。