论文部分内容阅读
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,得到目标外貌的似然函数,通过设定阈值,用来判断目标是否被遮挡,以此对核相关滤波中目标的高斯响应和分类器参数进行更新。同时,本文在建立目标外貌模型时,使用的自适应模板更新方法,保证了在跟踪过程中,随着目标的外形发生变化,本文的外貌模型始终能准确的对目标进行描述,提高跟踪的鲁棒性。实验结果表明,本文的算法不仅能在目标被轻微或者中度遮挡的情况下实时地进行跟踪,甚至在一定情况下,目标被短暂的完全遮挡后,仍然能进行稳定的跟踪,并且可以满足实时性。通过和其他算法的对比试验表明,本文的改进算法在不同的条件下都能取得较好的跟踪效果。