基于红外视频的行人检测跟踪方法研究
发布时间：2021-04-09 13:20
随着红外热成像技术的不断发展,分辨率不断提高以及夜间监控的需求不断加大。不管在日常生活中,还是在军事上,红外技术的应用越来越多。在夜间场合,红外热成像视频比可见光更加有效,所以红外视频中目标的检测以及跟踪也得到越来越多人的研究,但是由于红外视频本身的特性,给研究带来了许多困难和挑战。本文以红外热成像中人体目标的检测与跟踪作为研究内容,主要研究成果如下:在行人检测方面,考虑到红外热成像的特点,本文提出了一种基于各向异性滤波的改进的显著性算法,并结合复合阈值分割的方法,能够快速得到红外图像中人体目标的候选区域,不需要使用滑动窗口进行多尺度搜索。基于HOG特征和CENTRIST特征的多特征融合,比单一特征具有更好局部和全局轮廓描述能力,充分利用了红外图像中人体目标的信息,结合SVM分类器进行训练,提高了检测的准确率,降低了误识率。实验表明,在OTCBVS基准数据集OSU和自己拍摄的红外热成像数据集中,都取得了较好的检测效果,并且在OSU红外热成像数据集中基本能达到实时的效果。同时,本文在核相关滤波跟踪的基础上,通过对目标建立外观描述模型,使用基于稀疏表示的分类器和基于稀疏的生成模型,得到目标...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
红外热像仪工作原理
渲道创?嬖?吹南袼氐愕幕叶?值。中值滤波对于椒盐噪声和斑点噪声来说是比较好的滤波方式。椒盐噪声又称脉冲噪声，在传感器或者远程传输的过程中，原本的数据会被影响，导致图像出现大量散粒状的噪声点。而在图像中，能量大部分集中在低频和中频，因此将邻域的数据排序取的中间值很少会取到被污染的高频点。中值滤波通常采用一个n×n大小的滑动窗口，其中n为奇数，用窗口中n×n个像素的灰度值的中值来代替中心点的灰度值。常用的中值滤波窗口形状一般为正方形，除此之外，还有线状、圆形以及十字形等。其原理如下图所示：图2-2中值滤波原理如图所示，左边是没有经过处理的原图，以像素值为89的像素点为中心，3×3的窗口大小为例，对其周围领域像素进行排序得：89，98,101,120,135,160,197,200,230。中值为135，所以将中值135替换掉89，即为中值滤波后的结果，滤波完成，图像变得平
芟瘛５?牵?咚孤瞬ㄆ鞔翱谀０宓?系数和均值滤波器不同，距离模板中心的距离越大，它的系数就越小，而均值滤波器的模板系数都为1。所以，和均值滤波器相比，高斯滤波器相对图像的模糊程度较校一个二维的高斯函数如下：2222221),(yxeyxh（2.4）其中，（x，y）是像素点坐标，是标准差。想要得到一个高斯滤波的模板，首先要计算它的模板系数，同样，高斯模板也是以n×n的大小为例，其中n为奇数。对于一个3×3的高斯滤波器模板，以中心像素点作为原点进行采样，那么模板中中心像素点邻域元素的坐标如下图所示：图2-33×3的高斯滤波器模板因此，模板的系数就是将各个位置的坐标带入到高斯函数后得到的值，然而，得到了这9个点的数值之后，如果只计算这9个点的加权平均，还必须让它们的权重之和等于1，因此，上面9个值还要分别除以他们的和，得到最终的模板系数。2.3.4引导滤波引导滤波[38]，顾名思义就是算法在进行滤波时需要一幅引导图像，引导图像可以是输入图像本身，也可以是另外一幅单独的图像，当引导图为输入图像本身时，引导滤波就成为一个保持边缘的滤波操作。对于一些线性滤波算法，比如高斯滤波、均值滤波等，所用的核函数与待处理的图像之间是相互独立无关的，从另一方面讲，就是说高斯滤波、均值滤波等滤波方式对任意图像的操作都是相同的。但是，有时候希望可以在滤波过程中加入一些信息来引导图像，例如，在上色处理过程中，结果图像的色度通道需要包含跟给定亮度通道一致的连续边缘。
【参考文献】：
期刊论文
[1]改进的YOLOv3红外视频图像行人检测算法[J]. 王殿伟,何衍辉,李大湘,刘颖,许志杰,王晶. 西安邮电大学学报. 2018(04)
[2]红外视频图像的行人检测算法[J]. 王姮,游斌相,刘桂华,张进. 自动化仪表. 2017(07)
[3]基于多特征融合的红外图像行人检测[J]. 胡庆新,吕鹏. 计算机应用. 2016(S1)
[4]基于多特征的红外图像行人检测[J]. 胡庆新,王磊. 电子设计工程. 2016(04)
[5]基于HOG特征优化的夜间行人快速识别方案[J]. 汤琳,李敏,柳波. 计算机工程. 2015(07)
[6]基于显著性分割的红外行人检测[J]. 杨阳,杨静宇. 南京理工大学学报. 2013(02)
[7]基于超像素的快速MRF红外行人图像分割算法[J]. 刘芳,代钦,石祥滨,刘进立. 计算机仿真. 2012(10)
[8]基于图像运动区域的红外多行人跟踪[J]. 郭永彩,胡瑞光,高潮. 激光与红外. 2009(08)
博士论文
[1]红外图像中人体目标检测、跟踪及其行为识别研究[D]. 李建福.重庆大学 2010
硕士论文
[1]基于红外摄像的行人检测算法研究[D]. 吴思颖.吉林大学 2017
[2]多目标跟踪算法研究及应用[D]. 胡鹏.西南科技大学 2016
[3]红外图像中的行人检测算法研究[D]. 王磊.合肥工业大学 2015
[4]基于红外图像的行人检测算法研究[D]. 王路杰.杭州电子科技大学 2015
[5]红外图像序列中人体目标检测与跟踪方法研究[D]. 修彬.安徽大学 2013
本文编号：3127693
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
红外热像仪工作原理
渲道创?嬖?吹南袼氐愕幕叶?值。中值滤波对于椒盐噪声和斑点噪声来说是比较好的滤波方式。椒盐噪声又称脉冲噪声，在传感器或者远程传输的过程中，原本的数据会被影响，导致图像出现大量散粒状的噪声点。而在图像中，能量大部分集中在低频和中频，因此将邻域的数据排序取的中间值很少会取到被污染的高频点。中值滤波通常采用一个n×n大小的滑动窗口，其中n为奇数，用窗口中n×n个像素的灰度值的中值来代替中心点的灰度值。常用的中值滤波窗口形状一般为正方形，除此之外，还有线状、圆形以及十字形等。其原理如下图所示：图2-2中值滤波原理如图所示，左边是没有经过处理的原图，以像素值为89的像素点为中心，3×3的窗口大小为例，对其周围领域像素进行排序得：89，98,101,120,135,160,197,200,230。中值为135，所以将中值135替换掉89，即为中值滤波后的结果，滤波完成，图像变得平
芟瘛５?牵?咚孤瞬ㄆ鞔翱谀０宓?系数和均值滤波器不同，距离模板中心的距离越大，它的系数就越小，而均值滤波器的模板系数都为1。所以，和均值滤波器相比，高斯滤波器相对图像的模糊程度较校一个二维的高斯函数如下：2222221),(yxeyxh（2.4）其中，（x，y）是像素点坐标，是标准差。想要得到一个高斯滤波的模板，首先要计算它的模板系数，同样，高斯模板也是以n×n的大小为例，其中n为奇数。对于一个3×3的高斯滤波器模板，以中心像素点作为原点进行采样，那么模板中中心像素点邻域元素的坐标如下图所示：图2-33×3的高斯滤波器模板因此，模板的系数就是将各个位置的坐标带入到高斯函数后得到的值，然而，得到了这9个点的数值之后，如果只计算这9个点的加权平均，还必须让它们的权重之和等于1，因此，上面9个值还要分别除以他们的和，得到最终的模板系数。2.3.4引导滤波引导滤波[38]，顾名思义就是算法在进行滤波时需要一幅引导图像，引导图像可以是输入图像本身，也可以是另外一幅单独的图像，当引导图为输入图像本身时，引导滤波就成为一个保持边缘的滤波操作。对于一些线性滤波算法，比如高斯滤波、均值滤波等，所用的核函数与待处理的图像之间是相互独立无关的，从另一方面讲，就是说高斯滤波、均值滤波等滤波方式对任意图像的操作都是相同的。但是，有时候希望可以在滤波过程中加入一些信息来引导图像，例如，在上色处理过程中，结果图像的色度通道需要包含跟给定亮度通道一致的连续边缘。
【参考文献】：
期刊论文
[1]改进的YOLOv3红外视频图像行人检测算法[J]. 王殿伟,何衍辉,李大湘,刘颖,许志杰,王晶. 西安邮电大学学报. 2018(04)
[2]红外视频图像的行人检测算法[J]. 王姮,游斌相,刘桂华,张进. 自动化仪表. 2017(07)
[3]基于多特征融合的红外图像行人检测[J]. 胡庆新,吕鹏. 计算机应用. 2016(S1)
[4]基于多特征的红外图像行人检测[J]. 胡庆新,王磊. 电子设计工程. 2016(04)
[5]基于HOG特征优化的夜间行人快速识别方案[J]. 汤琳,李敏,柳波. 计算机工程. 2015(07)
[6]基于显著性分割的红外行人检测[J]. 杨阳,杨静宇. 南京理工大学学报. 2013(02)
[7]基于超像素的快速MRF红外行人图像分割算法[J]. 刘芳,代钦,石祥滨,刘进立. 计算机仿真. 2012(10)
[8]基于图像运动区域的红外多行人跟踪[J]. 郭永彩,胡瑞光,高潮. 激光与红外. 2009(08)
博士论文
[1]红外图像中人体目标检测、跟踪及其行为识别研究[D]. 李建福.重庆大学 2010
硕士论文
[1]基于红外摄像的行人检测算法研究[D]. 吴思颖.吉林大学 2017
[2]多目标跟踪算法研究及应用[D]. 胡鹏.西南科技大学 2016
[3]红外图像中的行人检测算法研究[D]. 王磊.合肥工业大学 2015
[4]基于红外图像的行人检测算法研究[D]. 王路杰.杭州电子科技大学 2015
[5]红外图像序列中人体目标检测与跟踪方法研究[D]. 修彬.安徽大学 2013
本文编号：3127693
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3127693.html
最近更新
教材专著
