發(fā)布時間：2020-05-19 19:14

【摘要】：紅外行人檢測由于其重要的學(xué)術(shù)研究和實用價值而成為計算機視覺研究熱點,在車載輔助、視頻監(jiān)控和軍事預(yù)警等方面應(yīng)用廣泛。但由于紅外圖像成像效果較差,而行人目標(biāo)復(fù)雜性較高,因此設(shè)計高效率的紅外行人檢測算法依然面臨許多問題。為提升單幀圖像中可辨別輪廓的多尺度紅外行人檢測的魯棒性,解決遠(yuǎn)紅外行人檢測率低的問題,本文圍繞行人特點進(jìn)行研究,設(shè)計基于鄰域最大差值分割的感興趣區(qū)域(Region of Interests,ROI)提取方法,減少冗余候選框的產(chǎn)生;然后分別在ROI區(qū)域內(nèi)進(jìn)行疑似頭部位置搜索和多尺度全局模板檢測,為遮擋問題提供解決思路;最后給出具體的融合改進(jìn)算法,進(jìn)一步提升檢測魯棒性。主要研究內(nèi)容如下。1.綜述紅外行人檢測的研究現(xiàn)狀與存在問題,給出幾種紅外行人特征描述符的原理及思路,通過仿真各個特征的檢測結(jié)果,對比檢測性能與檢測時間。2.研究了一種基于鄰域最大差值的ROI分割方法。針對紅外行人分割易受背景噪聲干擾的問題,考慮到目標(biāo)和噪聲分屬于同質(zhì)區(qū)域與非同質(zhì)區(qū)域,選擇鄰域最大差值閾值法進(jìn)行快速區(qū)分,同時采用投影融合法定位目標(biāo)位置。實驗結(jié)果表明,該方法在ROI提取數(shù)量和目標(biāo)準(zhǔn)確度上優(yōu)于二值梯度特征(Binarized Normed Gradients,BING)算法,在不同背景下的準(zhǔn)確率可以達(dá)到96%,抗噪誤差最高可以維持在5%以內(nèi)。3.實現(xiàn)了一種基于團(tuán)塊模型的多尺度紅外行人頭部區(qū)域自動搜索方法。針對紅外行人姿態(tài)多樣性問題,考慮頭部輪廓穩(wěn)定性及邊緣方向向心性選擇八方向邊緣算子進(jìn)行頭部邊緣輪廓檢測,制定合理的頭部區(qū)域大小判定方案,從而實現(xiàn)頭部輪廓的有效提取;在此基礎(chǔ)上,針對遠(yuǎn)紅外行人頭部所占像素少、細(xì)節(jié)缺失的問題,構(gòu)建有方向的環(huán)狀模型分割策略,根據(jù)團(tuán)塊模型一致性判斷各環(huán)子區(qū)域間亮度關(guān)系,進(jìn)一步確認(rèn)頭部區(qū)域。實驗結(jié)果表明,該搜索方法在多姿態(tài)、遮擋及粘連行人中表現(xiàn)良好。4.提出全局模板檢測與局部模板校驗的改進(jìn)特征融合的紅外行人檢測算法。針對紅外行人檢測在多尺度下魯棒性不高的問題,構(gòu)建全局模板和頭部模板的加權(quán)融合分類器。為進(jìn)一步提升全局模板對多尺度行人檢測能力,針對近紅外行人內(nèi)部亮度特征和殘留的細(xì)節(jié)特征研究基于紋理加權(quán)的亮度直方圖特征提取方法,針對遠(yuǎn)紅外行人邊緣與背景邊緣變化紊亂程度研究基于局部熵加權(quán)的邊緣強度特征提取方法,搭建兩類特征的并聯(lián)融合模型。最后選擇旋轉(zhuǎn)變化后的Haar_like特征作為新的行人頭部模板。實驗結(jié)果表明,本文算法對低分辨率遠(yuǎn)紅外行人的檢測結(jié)果優(yōu)于可變形部件模型(Deformable Parts Model,DPM)算法,對多尺度紅外行人的綜合檢測率可以達(dá)到85%。
【圖文】：

第二章 紅外行人檢測算法理論分析征向量，，如公式(2-6)所示。而圖像中所有 block 特征向量即組成完整行人的 HOG 特征向量。222|| V||+ VV(2-6)圖 2.2 為 cell 選擇 8 時紅外行人的 HOG 特征可視化圖及對應(yīng)檢測結(jié)果。實驗表明，HOG 特征在640 480的紅外圖像上檢測時間約為 200ms，檢測時間耗時較長。

而可見光強度變化則比較雜亂，因此 HLID 特征適用于紅外行人檢測。(a)可見光行人局部強度變化三維圖 (b)紅外行人局部強度變化三維圖圖2.3 局部邊緣強度變化示意圖
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 王國華;劉瓊;莊家俊;;基于局部特征的車載紅外行人檢測方法研究[J];電子學(xué)報;2015年07期

2 李煈翔;湯國寶;;對《關(guān)于加強公共安全視頻監(jiān)控建設(shè)聯(lián)網(wǎng)應(yīng)用工作的若干意見》的淺析[J];中國公共安全;2015年13期

3 吳一全;孟天亮;吳詩Zs;;圖像閾值分割方法研究進(jìn)展20年(1994—2014)[J];數(shù)據(jù)采集與處理;2015年01期

4 張陽;劉偉銘;吳義虎;;面向車載輔助駕駛系統(tǒng)的快速行人檢測方法[J];公路交通科技;2013年11期

5 楊陽;楊靜宇;;基于顯著性分割的紅外行人檢測[J];南京理工大學(xué)學(xué)報;2013年02期

6 莊家俊;劉瓊;;面向輔助駕駛的夜間行人檢測方法[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2012年08期

7 陳崢;石勇鵬;吉書鵬;;一種改進(jìn)的Otsu圖像閾值分割算法[J];激光與紅外;2012年05期

8 朱偉興;金飛劍;談蓉蓉;;基于顏色特征與多層同質(zhì)性分割算法的麥田雜草識別[J];農(nóng)業(yè)機械學(xué)報;2007年12期

相關(guān)博士學(xué)位論文 前1條

1 張志龍;基于遙感圖像的重要目標(biāo)特征提取與識別方法研究[D];國防科學(xué)技術(shù)大學(xué);2005年

相關(guān)碩士學(xué)位論文 前2條

1 朱聰聰;夜晚環(huán)境下的行人檢測技術(shù)研究[D];浙江大學(xué);2014年

2 葉思;視頻監(jiān)控中多攝像頭下的行人跟蹤[D];華中科技大學(xué);2012年

本文編號：2671347