概率图车载热成像行人检测RoIs提取方法

发布时间：2021-08-04 15:03

　　道路场景复杂、热成像纹理信息较少以及图像品质不稳定,RoIs提取面临挑战.阈值分割RoIs提取更多关注行人局部细节和像素间邻域关系,容易产生行人遗漏、背景粘连和行人断裂,且很难控制RoIs总量.模拟人类视觉,关注图像显著性区域及其位置和大小,提出概率图RoIs提取方法,设计凸-凹形曲线映射像素灰度值增强图像对比度;基于图像签名方法获取显著性图.融合灰度强度和显著性概率图并从中提取图像前景;设计算法搜索路面估计限定的概率图区域生成RoIs.实验表明,相对阈值分割,本文方法能够提高RoIs定位准确度、控制RoIs总量和显著减少非行人RoIs;提取等量单帧RoIs,召回率提高不低于9%. 

【文章来源】：电子学报. 2020,48(10)北大核心EICSCD

【文章页数】：6 页

【文章目录】：
1 引言
2 概率图计算
    2.1 图像预处理
    2.2 概率图计算
        2.2.1 灰度强度概率图
        2.2.2 显著性概率图
        2.2.3 融合概率图
3 概率图RoIs生成
    3.1 概率图搜索范围
    3.2 搜索算法和RoIs生成
        3.2.1 采集种子点
        3.2.2 初始化RoIs
        3.2.3 迭代更新RoIs
4 实验
    4.1 数据与评价指标
    4.2 实验与分析
        4.2.1 消融实验
        4.2.2 对照实验
5 结论


【参考文献】：
期刊论文
[1]一种多尺度远红外夜间交通行人识别方案[J]. 李景富,杨志强.  量子电子学报. 2016(04)
[2]基于局部特征的车载红外行人检测方法研究[J]. 王国华,刘琼,庄家俊.  电子学报. 2015(07)

硕士论文
[1]复杂场景下红外行人目标检测跟踪技术研究[D]. 孟思岐.南京理工大学 2018
[2]车载红外夜视行人检测与跟踪技术研究[D]. 王璐.电子科技大学 2017



本文编号：3321911