【摘要】:紅外行人檢測(cè)由于其重要的學(xué)術(shù)研究和實(shí)用價(jià)值而成為計(jì)算機(jī)視覺(jué)研究熱點(diǎn),在車載輔助、視頻監(jiān)控和軍事預(yù)警等方面應(yīng)用廣泛。但由于紅外圖像成像效果較差,而行人目標(biāo)復(fù)雜性較高,因此設(shè)計(jì)高效率的紅外行人檢測(cè)算法依然面臨許多問(wèn)題。為提升單幀圖像中可辨別輪廓的多尺度紅外行人檢測(cè)的魯棒性,解決遠(yuǎn)紅外行人檢測(cè)率低的問(wèn)題,本文圍繞行人特點(diǎn)進(jìn)行研究,設(shè)計(jì)基于鄰域最大差值分割的感興趣區(qū)域(Region of Interests,ROI)提取方法,減少冗余候選框的產(chǎn)生;然后分別在ROI區(qū)域內(nèi)進(jìn)行疑似頭部位置搜索和多尺度全局模板檢測(cè),為遮擋問(wèn)題提供解決思路;最后給出具體的融合改進(jìn)算法,進(jìn)一步提升檢測(cè)魯棒性。主要研究?jī)?nèi)容如下。1.綜述紅外行人檢測(cè)的研究現(xiàn)狀與存在問(wèn)題,給出幾種紅外行人特征描述符的原理及思路,通過(guò)仿真各個(gè)特征的檢測(cè)結(jié)果,對(duì)比檢測(cè)性能與檢測(cè)時(shí)間。2.研究了一種基于鄰域最大差值的ROI分割方法。針對(duì)紅外行人分割易受背景噪聲干擾的問(wèn)題,考慮到目標(biāo)和噪聲分屬于同質(zhì)區(qū)域與非同質(zhì)區(qū)域,選擇鄰域最大差值閾值法進(jìn)行快速區(qū)分,同時(shí)采用投影融合法定位目標(biāo)位置。實(shí)驗(yàn)結(jié)果表明,該方法在ROI提取數(shù)量和目標(biāo)準(zhǔn)確度上優(yōu)于二值梯度特征(Binarized Normed Gradients,BING)算法,在不同背景下的準(zhǔn)確率可以達(dá)到96%,抗噪誤差最高可以維持在5%以內(nèi)。3.實(shí)現(xiàn)了一種基于團(tuán)塊模型的多尺度紅外行人頭部區(qū)域自動(dòng)搜索方法。針對(duì)紅外行人姿態(tài)多樣性問(wèn)題,考慮頭部輪廓穩(wěn)定性及邊緣方向向心性選擇八方向邊緣算子進(jìn)行頭部邊緣輪廓檢測(cè),制定合理的頭部區(qū)域大小判定方案,從而實(shí)現(xiàn)頭部輪廓的有效提取;在此基礎(chǔ)上,針對(duì)遠(yuǎn)紅外行人頭部所占像素少、細(xì)節(jié)缺失的問(wèn)題,構(gòu)建有方向的環(huán)狀模型分割策略,根據(jù)團(tuán)塊模型一致性判斷各環(huán)子區(qū)域間亮度關(guān)系,進(jìn)一步確認(rèn)頭部區(qū)域。實(shí)驗(yàn)結(jié)果表明,該搜索方法在多姿態(tài)、遮擋及粘連行人中表現(xiàn)良好。4.提出全局模板檢測(cè)與局部模板校驗(yàn)的改進(jìn)特征融合的紅外行人檢測(cè)算法。針對(duì)紅外行人檢測(cè)在多尺度下魯棒性不高的問(wèn)題,構(gòu)建全局模板和頭部模板的加權(quán)融合分類器。為進(jìn)一步提升全局模板對(duì)多尺度行人檢測(cè)能力,針對(duì)近紅外行人內(nèi)部亮度特征和殘留的細(xì)節(jié)特征研究基于紋理加權(quán)的亮度直方圖特征提取方法,針對(duì)遠(yuǎn)紅外行人邊緣與背景邊緣變化紊亂程度研究基于局部熵加權(quán)的邊緣強(qiáng)度特征提取方法,搭建兩類特征的并聯(lián)融合模型。最后選擇旋轉(zhuǎn)變化后的Haar_like特征作為新的行人頭部模板。實(shí)驗(yàn)結(jié)果表明,本文算法對(duì)低分辨率遠(yuǎn)紅外行人的檢測(cè)結(jié)果優(yōu)于可變形部件模型(Deformable Parts Model,DPM)算法,對(duì)多尺度紅外行人的綜合檢測(cè)率可以達(dá)到85%。
【圖文】:
第二章 紅外行人檢測(cè)算法理論分析征向量,,如公式(2-6)所示。而圖像中所有 block 特征向量即組成完整行人的 HOG 特征向量。222|| V||+ VV(2-6)圖 2.2 為 cell 選擇 8 時(shí)紅外行人的 HOG 特征可視化圖及對(duì)應(yīng)檢測(cè)結(jié)果。實(shí)驗(yàn)表明,HOG 特征在640 480的紅外圖像上檢測(cè)時(shí)間約為 200ms,檢測(cè)時(shí)間耗時(shí)較長(zhǎng)。

而可見(jiàn)光強(qiáng)度變化則比較雜亂,因此 HLID 特征適用于紅外行人檢測(cè)。(a)可見(jiàn)光行人局部強(qiáng)度變化三維圖 (b)紅外行人局部強(qiáng)度變化三維圖圖2.3 局部邊緣強(qiáng)度變化示意圖
【學(xué)位授予單位】:西安電子科技大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2018
【分類號(hào)】:TP391.41
【參考文獻(xiàn)】
相關(guān)期刊論文 前8條
1 王國(guó)華;劉瓊;莊家俊;;基于局部特征的車載紅外行人檢測(cè)方法研究[J];電子學(xué)報(bào);2015年07期
2 李煈翔;湯國(guó)寶;;對(duì)《關(guān)于加強(qiáng)公共安全視頻監(jiān)控建設(shè)聯(lián)網(wǎng)應(yīng)用工作的若干意見(jiàn)》的淺析[J];中國(guó)公共安全;2015年13期
3 吳一全;孟天亮;吳詩(shī)Zs;;圖像閾值分割方法研究進(jìn)展20年(1994—2014)[J];數(shù)據(jù)采集與處理;2015年01期
4 張陽(yáng);劉偉銘;吳義虎;;面向車載輔助駕駛系統(tǒng)的快速行人檢測(cè)方法[J];公路交通科技;2013年11期
5 楊陽(yáng);楊靜宇;;基于顯著性分割的紅外行人檢測(cè)[J];南京理工大學(xué)學(xué)報(bào);2013年02期
6 莊家俊;劉瓊;;面向輔助駕駛的夜間行人檢測(cè)方法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年08期
7 陳崢;石勇鵬;吉書(shū)鵬;;一種改進(jìn)的Otsu圖像閾值分割算法[J];激光與紅外;2012年05期
8 朱偉興;金飛劍;談蓉蓉;;基于顏色特征與多層同質(zhì)性分割算法的麥田雜草識(shí)別[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2007年12期
相關(guān)博士學(xué)位論文 前1條
1 張志龍;基于遙感圖像的重要目標(biāo)特征提取與識(shí)別方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年
相關(guān)碩士學(xué)位論文 前2條
1 朱聰聰;夜晚環(huán)境下的行人檢測(cè)技術(shù)研究[D];浙江大學(xué);2014年
2 葉思;視頻監(jiān)控中多攝像頭下的行人跟蹤[D];華中科技大學(xué);2012年
本文編號(hào):
2671347
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/2671347.html