發(fā)布時(shí)間：2021-04-09 13:20

　　隨著紅外熱成像技術(shù)的不斷發(fā)展,分辨率不斷提高以及夜間監(jiān)控的需求不斷加大。不管在日常生活中,還是在軍事上,紅外技術(shù)的應(yīng)用越來(lái)越多。在夜間場(chǎng)合,紅外熱成像視頻比可見光更加有效,所以紅外視頻中目標(biāo)的檢測(cè)以及跟蹤也得到越來(lái)越多人的研究,但是由于紅外視頻本身的特性,給研究帶來(lái)了許多困難和挑戰(zhàn)。本文以紅外熱成像中人體目標(biāo)的檢測(cè)與跟蹤作為研究?jī)?nèi)容,主要研究成果如下:在行人檢測(cè)方面,考慮到紅外熱成像的特點(diǎn),本文提出了一種基于各向異性濾波的改進(jìn)的顯著性算法,并結(jié)合復(fù)合閾值分割的方法,能夠快速得到紅外圖像中人體目標(biāo)的候選區(qū)域,不需要使用滑動(dòng)窗口進(jìn)行多尺度搜索�；贖OG特征和CENTRIST特征的多特征融合,比單一特征具有更好局部和全局輪廓描述能力,充分利用了紅外圖像中人體目標(biāo)的信息,結(jié)合SVM分類器進(jìn)行訓(xùn)練,提高了檢測(cè)的準(zhǔn)確率,降低了誤識(shí)率。實(shí)驗(yàn)表明,在OTCBVS基準(zhǔn)數(shù)據(jù)集OSU和自己拍攝的紅外熱成像數(shù)據(jù)集中,都取得了較好的檢測(cè)效果,并且在OSU紅外熱成像數(shù)據(jù)集中基本能達(dá)到實(shí)時(shí)的效果。同時(shí),本文在核相關(guān)濾波跟蹤的基礎(chǔ)上,通過(guò)對(duì)目標(biāo)建立外觀描述模型,使用基于稀疏表示的分類器和基于稀疏的生成模型,得到目標(biāo)... 

【文章來(lái)源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

紅外熱像儀工作原理

渲道創(chuàng)?嬖?吹南袼氐愕幕葉?值。中值濾波對(duì)于椒鹽噪聲和斑點(diǎn)噪聲來(lái)說(shuō)是比較好的濾波方式。椒鹽噪聲又稱脈沖噪聲，在傳感器或者遠(yuǎn)程傳輸?shù)倪^(guò)程中，原本的數(shù)據(jù)會(huì)被影響，導(dǎo)致圖像出現(xiàn)大量散粒狀的噪聲點(diǎn)。而在圖像中，能量大部分集中在低頻和中頻，因此將鄰域的數(shù)據(jù)排序取的中間值很少會(huì)取到被污染的高頻點(diǎn)。中值濾波通常采用一個(gè)n×n大小的滑動(dòng)窗口，其中n為奇數(shù)，用窗口中n×n個(gè)像素的灰度值的中值來(lái)代替中心點(diǎn)的灰度值。常用的中值濾波窗口形狀一般為正方形，除此之外，還有線狀、圓形以及十字形等。其原理如下圖所示：圖2-2中值濾波原理如圖所示，左邊是沒有經(jīng)過(guò)處理的原圖，以像素值為89的像素點(diǎn)為中心，3×3的窗口大小為例，對(duì)其周圍領(lǐng)域像素進(jìn)行排序得：89，98,101,120,135,160,197,200,230。中值為135，所以將中值135替換掉89，即為中值濾波后的結(jié)果，濾波完成，圖像變得平

芟�。�?牽?咚孤瞬ㄆ鞔翱諛０宓?系數(shù)和均值濾波器不同，距離模板中心的距離越大，它的系數(shù)就越小，而均值濾波器的模板系數(shù)都為1。所以，和均值濾波器相比，高斯濾波器相對(duì)圖像的模糊程度較校一個(gè)二維的高斯函數(shù)如下：2222221),(yxeyxh（2.4）其中，（x，y）是像素點(diǎn)坐標(biāo)，是標(biāo)準(zhǔn)差。想要得到一個(gè)高斯濾波的模板，首先要計(jì)算它的模板系數(shù)，同樣，高斯模板也是以n×n的大小為例，其中n為奇數(shù)。對(duì)于一個(gè)3×3的高斯濾波器模板，以中心像素點(diǎn)作為原點(diǎn)進(jìn)行采樣，那么模板中中心像素點(diǎn)鄰域元素的坐標(biāo)如下圖所示：圖2-33×3的高斯濾波器模板因此，模板的系數(shù)就是將各個(gè)位置的坐標(biāo)帶入到高斯函數(shù)后得到的值，然而，得到了這9個(gè)點(diǎn)的數(shù)值之后，如果只計(jì)算這9個(gè)點(diǎn)的加權(quán)平均，還必須讓它們的權(quán)重之和等于1，因此，上面9個(gè)值還要分別除以他們的和，得到最終的模板系數(shù)。2.3.4引導(dǎo)濾波引導(dǎo)濾波[38]，顧名思義就是算法在進(jìn)行濾波時(shí)需要一幅引導(dǎo)圖像，引導(dǎo)圖像可以是輸入圖像本身，也可以是另外一幅單獨(dú)的圖像，當(dāng)引導(dǎo)圖為輸入圖像本身時(shí)，引導(dǎo)濾波就成為一個(gè)保持邊緣的濾波操作。對(duì)于一些線性濾波算法，比如高斯濾波、均值濾波等，所用的核函數(shù)與待處理的圖像之間是相互獨(dú)立無(wú)關(guān)的，從另一方面講，就是說(shuō)高斯濾波、均值濾波等濾波方式對(duì)任意圖像的操作都是相同的。但是，有時(shí)候希望可以在濾波過(guò)程中加入一些信息來(lái)引導(dǎo)圖像，例如，在上色處理過(guò)程中，結(jié)果圖像的色度通道需要包含跟給定亮度通道一致的連續(xù)邊緣。

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的YOLOv3紅外視頻圖像行人檢測(cè)算法[J]. 王殿偉,何衍輝,李大湘,劉穎,許志杰,王晶.  西安郵電大學(xué)學(xué)報(bào). 2018(04)
[2]紅外視頻圖像的行人檢測(cè)算法[J]. 王姮,游斌相,劉桂華,張進(jìn).  自動(dòng)化儀表. 2017(07)
[3]基于多特征融合的紅外圖像行人檢測(cè)[J]. 胡慶新,呂鵬.  計(jì)算機(jī)應(yīng)用. 2016(S1)
[4]基于多特征的紅外圖像行人檢測(cè)[J]. 胡慶新,王磊.  電子設(shè)計(jì)工程. 2016(04)
[5]基于HOG特征優(yōu)化的夜間行人快速識(shí)別方案[J]. 湯琳,李敏,柳波.  計(jì)算機(jī)工程. 2015(07)
[6]基于顯著性分割的紅外行人檢測(cè)[J]. 楊陽(yáng),楊靜宇.  南京理工大學(xué)學(xué)報(bào). 2013(02)
[7]基于超像素的快速M(fèi)RF紅外行人圖像分割算法[J]. 劉芳,代欽,石祥濱,劉進(jìn)立.  計(jì)算機(jī)仿真. 2012(10)
[8]基于圖像運(yùn)動(dòng)區(qū)域的紅外多行人跟蹤[J]. 郭永彩,胡瑞光,高潮.  激光與紅外. 2009(08)

博士論文
[1]紅外圖像中人體目標(biāo)檢測(cè)、跟蹤及其行為識(shí)別研究[D]. 李建福.重慶大學(xué) 2010

碩士論文
[1]基于紅外攝像的行人檢測(cè)算法研究[D]. 吳思穎.吉林大學(xué) 2017
[2]多目標(biāo)跟蹤算法研究及應(yīng)用[D]. 胡鵬.西南科技大學(xué) 2016
[3]紅外圖像中的行人檢測(cè)算法研究[D]. 王磊.合肥工業(yè)大學(xué) 2015
[4]基于紅外圖像的行人檢測(cè)算法研究[D]. 王路杰.杭州電子科技大學(xué) 2015
[5]紅外圖像序列中人體目標(biāo)檢測(cè)與跟蹤方法研究[D]. 修彬.安徽大學(xué) 2013



本文編號(hào)：3127693