紅外視頻圖像中的人體檢測(cè)跟蹤技術(shù)研究.pdf

1、紅外圖像中的人體檢測(cè)和跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)，在智能視頻監(jiān)控、自動(dòng)車輛輔助駕駛等領(lǐng)域有著重要的學(xué)術(shù)意義和巨大的應(yīng)用價(jià)值。由于紅外圖像是熱成像，紅外成像系統(tǒng)在黑暗和煙霧等環(huán)境中仍具有較強(qiáng)的視覺(jué)能力，幾乎可以在任何環(huán)境下全天候工作。但是，紅外圖像信噪比低、信息單一等因素的制約，使紅外圖像中的人體檢測(cè)跟蹤成為了一個(gè)極具挑戰(zhàn)性的課題。本論文對(duì)紅外圖像中的人體檢測(cè)和跟蹤算法進(jìn)行了研究，主要的研究?jī)?nèi)容概括如下：
　　 ① 為了檢測(cè)紅

2、外圖像序列中的運(yùn)動(dòng)人體，提出了一種基于最大后驗(yàn)概率（MAP）-馬爾可夫隨機(jī)場(chǎng)（MRF）模型和亮度-距離聯(lián)合直方圖的人體實(shí)時(shí)檢測(cè)方法。該方法首先建立圖像序列時(shí)空域聯(lián)合的概率分布模型，采用基于MAP-MRF模型的前景檢測(cè)方法得到可能為人體的感興趣區(qū)域（ROI）。然后在以ROI中心點(diǎn)為圓心的各個(gè)圓環(huán)域中統(tǒng)計(jì)其亮度信息，構(gòu)建基于亮度-距離聯(lián)合空間的分類特征。最后，采用支持向量機(jī)（SVM）分類器對(duì)候選區(qū)域進(jìn)行分類檢測(cè)。不同紅外圖像序列的實(shí)驗(yàn)結(jié)果均

3、表明，本文提出的算法具有較好的魯棒性和實(shí)時(shí)性。
　　 ② 為了檢測(cè)單幅紅外圖像中的人體目標(biāo)，提出了一種基于金字塔梯度方向直方圖（PHOG）特征的分步驟人體檢測(cè)方法。首先，根據(jù)紅外圖像中人體區(qū)域高亮度的特點(diǎn)，使用基于自適應(yīng)亮度閾值的兩級(jí)方向投影獲得人體ROI，以消除一級(jí)方向投影方法產(chǎn)生的非高亮陰影。其次，利用候選區(qū)域的形狀特征對(duì)人體ROI進(jìn)行篩選，排除形狀異常的人體ROI，在此基礎(chǔ)上，采用基于PHOG特征和SVM分類器的紅外人體檢

4、測(cè)算法對(duì)剩余的候選區(qū)域進(jìn)行分類檢測(cè)，克服了分步驟人體檢測(cè)算法在提高人體檢測(cè)正確性的同時(shí)增加了算法運(yùn)算量的不足。文中同時(shí)給出了本文算法與基于PHOG特征的單步驟紅外人體檢測(cè)算法在不同紅外測(cè)試集上的實(shí)驗(yàn)結(jié)果，驗(yàn)證了本文算法的性能。
　　 ③ 對(duì)紅外圖像序列中的人體跟蹤問(wèn)題進(jìn)行研究，根據(jù)紅外圖像的成像特點(diǎn)，提出了一種魯棒的紅外人體跟蹤算法。為了克服現(xiàn)有紅外人體跟蹤算法目標(biāo)信息量描述不足的缺點(diǎn)，挖掘紅外圖像中人體目標(biāo)更多的特征信息量，本