可辨别轮廓的单帧多尺度红外行人检测

发布时间：2020-05-19 19:14

【摘要】：红外行人检测由于其重要的学术研究和实用价值而成为计算机视觉研究热点,在车载辅助、视频监控和军事预警等方面应用广泛。但由于红外图像成像效果较差,而行人目标复杂性较高,因此设计高效率的红外行人检测算法依然面临许多问题。为提升单帧图像中可辨别轮廓的多尺度红外行人检测的鲁棒性,解决远红外行人检测率低的问题,本文围绕行人特点进行研究,设计基于邻域最大差值分割的感兴趣区域(Region of Interests,ROI)提取方法,减少冗余候选框的产生;然后分别在ROI区域内进行疑似头部位置搜索和多尺度全局模板检测,为遮挡问题提供解决思路;最后给出具体的融合改进算法,进一步提升检测鲁棒性。主要研究内容如下。1.综述红外行人检测的研究现状与存在问题,给出几种红外行人特征描述符的原理及思路,通过仿真各个特征的检测结果,对比检测性能与检测时间。2.研究了一种基于邻域最大差值的ROI分割方法。针对红外行人分割易受背景噪声干扰的问题,考虑到目标和噪声分属于同质区域与非同质区域,选择邻域最大差值阈值法进行快速区分,同时采用投影融合法定位目标位置。实验结果表明,该方法在ROI提取数量和目标准确度上优于二值梯度特征(Binarized Normed Gradients,BING)算法,在不同背景下的准确率可以达到96%,抗噪误差最高可以维持在5%以内。3.实现了一种基于团块模型的多尺度红外行人头部区域自动搜索方法。针对红外行人姿态多样性问题,考虑头部轮廓稳定性及边缘方向向心性选择八方向边缘算子进行头部边缘轮廓检测,制定合理的头部区域大小判定方案,从而实现头部轮廓的有效提取;在此基础上,针对远红外行人头部所占像素少、细节缺失的问题,构建有方向的环状模型分割策略,根据团块模型一致性判断各环子区域间亮度关系,进一步确认头部区域。实验结果表明,该搜索方法在多姿态、遮挡及粘连行人中表现良好。4.提出全局模板检测与局部模板校验的改进特征融合的红外行人检测算法。针对红外行人检测在多尺度下鲁棒性不高的问题,构建全局模板和头部模板的加权融合分类器。为进一步提升全局模板对多尺度行人检测能力,针对近红外行人内部亮度特征和残留的细节特征研究基于纹理加权的亮度直方图特征提取方法,针对远红外行人边缘与背景边缘变化紊乱程度研究基于局部熵加权的边缘强度特征提取方法,搭建两类特征的并联融合模型。最后选择旋转变化后的Haar_like特征作为新的行人头部模板。实验结果表明,本文算法对低分辨率远红外行人的检测结果优于可变形部件模型(Deformable Parts Model,DPM)算法,对多尺度红外行人的综合检测率可以达到85%。
【图文】：

行人,检测时间,特征向量,红外

第二章红外行人检测算法理论分析征向量，，如公式(2-6)所示。而图像中所有 block 特征向量即组成完整行人的 HOG 特征向量。222|| V||+ VV(2-6)图 2.2 为 cell 选择 8 时红外行人的 HOG 特征可视化图及对应检测结果。实验表明，HOG 特征在640 480的红外图像上检测时间约为 200ms，检测时间耗时较长。

示意图,边缘强度,行人,示意图

而可见光强度变化则比较杂乱，因此 HLID 特征适用于红外行人检测。(a)可见光行人局部强度变化三维图 (b)红外行人局部强度变化三维图图2.3 局部边缘强度变化示意图
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41

【参考文献】