紅外圖像中人體目標檢測、跟蹤及其行為識別研究.pdf

1、近年來，基于紅外熱成像的人體目標檢測、跟蹤與行為識別正逐漸成為智能視頻監(jiān)控、自動車輛輔助駕駛和高級人機接口等領(lǐng)域十分活躍的課題。與可見光圖像相比，紅外圖像對于解決光照變化、陰影和夜間可視性等影響傳統(tǒng)計算機視覺的問題提供了有力的支持，而且紅外圖像也具備較優(yōu)的分割性能，但是目前存在的人體運動分析算法在紅外圖像中表現(xiàn)不佳；特別是紅外圖像本身固有的特點，如低對比度、低信噪比、無法校驗的黑白極性反轉(zhuǎn)以及人體周圍易出現(xiàn)的光暈效應(yīng)等，使得紅外圖像中人

2、體目標的檢測、跟蹤和行為識別依然是一個極具挑戰(zhàn)性的課題。本論文主要對紅外熱成像在智能視頻監(jiān)控領(lǐng)域中應(yīng)用的關(guān)鍵技術(shù)進行研究，分析了紅外熱成像系統(tǒng)原理以及紅外圖像中人體目標成像的特點，研究內(nèi)容涉及人體目標的檢測、跟蹤及其行為識別等方向。論文的主要研究成果如下：
　　 ①為了快速檢測到序列紅外圖像中的人體目標，提出了一種基于復(fù)合分類特征的序列紅外人體實時檢測方法。該方法首先建立序列圖像的時空域聯(lián)合的概率分布模型，同時采用基于馬爾科夫隨

3、機場的最大后驗概率模型的前景檢測方法，獲取人體候選區(qū)域的可能位置，然后融合方向梯度直方圖特征、形體特征和亮度分布慣性特征來提高描述人體候選區(qū)域特征的準確性，最后采用支持向量機對候選區(qū)域進行分類以檢測出人體。實驗表明，與單一形狀特征或形狀無關(guān)特征相比，提出的方法能夠準確檢測人體目標，同時提高了人體正確檢測率，實現(xiàn)了序列紅外人體目標的實時檢測。
　　 ②為了獲得更加精確的人體目標感興趣區(qū)域的特征，提出了一種基于雙密度雙樹復(fù)小波變換的

4、小波熵特征的單幀紅外人體魯棒檢測算法。該算法充分描述了紅外圖像中人體目標的多尺度分解頻率空間的能量分布情況。其中，雙密度雙樹復(fù)小波變換同時具有雙樹復(fù)小波變換和雙密度小波變換的特性，如平移不變性、抗混疊性以及近似連續(xù)小波變換和良好的方向性；而小波熵能準確反映圖像小波變換頻率空間的能量分布信息，兩者的結(jié)合使該算法能更好的描述圖像特征。實驗結(jié)果表明，本算法能夠顯著提高檢測率和降低虛警率，是一種非常有效的紅外人體檢測方法。
　　 ③針對

5、紅外圖像序列中人體目標魯棒跟蹤問題，提出了一種基于亮度-距離投影空間的紅外人體跟蹤算法。該算法結(jié)合紅外圖像中人體目標的亮度分布和形態(tài)特征，首先在以人體目標區(qū)域中心點為圓心的各個圓環(huán)域中統(tǒng)計其亮度信息，從而構(gòu)建亮度.距離聯(lián)合直方圖對人體進行特征表達。然后將上述表達模型與粒子濾波相融合，設(shè)計了粒子濾波框架下的人體跟蹤算法。實驗結(jié)果表明，與傳統(tǒng)的跟蹤算法相比較，提出的算法具有更好的魯棒性和可行性。
　　 ④為了克服紅外圖像中人體目標描

6、述信息量不足的弱點，提出一種共生矩陣保局投影的紅外人體跟蹤方法。該方法的主要特點是構(gòu)建了人體目標的共生矩陣保局投影子空間特征向量，并且融合了改進的均值漂移和粒子濾波跟蹤框架。共生矩陣保局投影算法克服了紅外圖像中人體目標特征信息描述不足的缺點，同時具有保局投影算法所固有的線性映射的優(yōu)點，而改進的均值漂移和粒子濾波框架則對非線性非高斯的系統(tǒng)有較好的適應(yīng)性，從而使得系統(tǒng)能夠?qū)崿F(xiàn)魯棒實時的人體目標跟蹤。提出的方法在不同的紅外視頻序列中進行了充分

7、的測試驗證，理論分析和實驗結(jié)果均表明所提出的方法是有效可行的，并且能夠適應(yīng)復(fù)雜的或有部分遮擋的場景。
　　 ⑤針對紅外熱成像中人體行為識別問題，構(gòu)建了一個紅外人體行為數(shù)據(jù)庫，并且提出一種融合時空輪廓和局部尺度不變特征的識別方法。該方法首先使用高斯混合模型和背景減除算法提取紅外圖像序列中人體行為的時空輪廓，同時根據(jù)輪廓計算能量圖。然后，基于三維角點檢測算子和立方體梯度描述符獲取紅外圖像人體行為的局部尺度不變特征。最后，融合時空輪廓