论文部分内容阅读
红外图像中的人体检测和跟踪是计算机视觉领域的研究热点,在智能视频监控、自动车辆辅助驾驶等领域有着重要的学术意义和巨大的应用价值。由于红外图像是热成像,红外成像系统在黑暗和烟雾等环境中仍具有较强的视觉能力,几乎可以在任何环境下全天候工作。但是,红外图像信噪比低、信息单一等因素的制约,使红外图像中的人体检测跟踪成为了一个极具挑战性的课题。本论文对红外图像中的人体检测和跟踪算法进行了研究,主要的研究内容概括如下:①为了检测红外图像序列中的运动人体,提出了一种基于最大后验概率(MAP)-马尔可夫随机场(MRF)模型和亮度-距离联合直方图的人体实时检测方法。该方法首先建立图像序列时空域联合的概率分布模型,采用基于MAP-MRF模型的前景检测方法得到可能为人体的感兴趣区域(ROI)。然后在以ROI中心点为圆心的各个圆环域中统计其亮度信息,构建基于亮度-距离联合空间的分类特征。最后,采用支持向量机(SVM)分类器对候选区域进行分类检测。不同红外图像序列的实验结果均表明,本文提出的算法具有较好的鲁棒性和实时性。②为了检测单幅红外图像中的人体目标,提出了一种基于金字塔梯度方向直方图(PHOG)特征的分步骤人体检测方法。首先,根据红外图像中人体区域高亮度的特点,使用基于自适应亮度阈值的两级方向投影获得人体ROI,以消除一级方向投影方法产生的非高亮阴影。其次,利用候选区域的形状特征对人体ROI进行筛选,排除形状异常的人体ROI,在此基础上,采用基于PHOG特征和SVM分类器的红外人体检测算法对剩余的候选区域进行分类检测,克服了分步骤人体检测算法在提高人体检测正确性的同时增加了算法运算量的不足。文中同时给出了本文算法与基于PHOG特征的单步骤红外人体检测算法在不同红外测试集上的实验结果,验证了本文算法的性能。③对红外图像序列中的人体跟踪问题进行研究,根据红外图像的成像特点,提出了一种鲁棒的红外人体跟踪算法。为了克服现有红外人体跟踪算法目标信息量描述不足的缺点,挖掘红外图像中人体目标更多的特征信息量,本文在将PHOG特征用于红外人体跟踪的基础上,构建了图像的小波金字塔梯度方向直方图特征(W-PHOG),并将其与粒子滤波跟踪框架相融合,实现了在该框架下的红外人体跟踪。不同红外序列的人体跟踪实验表明:本文提出的算法对背景复杂、人体交错遮挡的场景具有较强的适应性,能够实现不同场景中的人体鲁棒跟踪。