發(fā)布時間：2024-06-02 06:30

　　在熱紅外視頻監(jiān)控環(huán)境下,針對熱紅外圖像因周圍環(huán)境溫度變化而導致熱紅外圖像灰度值反轉(zhuǎn)的問題,提出了一種通過熱紅外圖像的邊界特征和運動特征的融合來提取行人目標前景區(qū)域的方法。首先,利用行人目標和周圍環(huán)境存在的顯著性差異來提取行人目標的邊界特征,對所提取的邊界特征進行邊界填充,并利用熱紅外行人目標分類器來排除誤檢目標,從而獲取最終的邊界特征提取結(jié)果;其次,利用相鄰幀之間的運動信息來獲取行人目標的運動特征,對所獲取的運動特征進行形態(tài)學處理,并利用熱紅外行人目標分類器來排除誤檢目標,從而獲取最終的運動特征提取結(jié)果;最后,對所獲取的邊界特征提取結(jié)果和運動特征提取結(jié)果進行融合來獲得最終的檢測結(jié)果。實驗證明,在公開的OSU和LSI熱紅外圖像行人目標檢測數(shù)據(jù)集中,所提方法能夠有效地降低環(huán)境溫度變化的不利影響,并提高行人目標前景區(qū)域提取的精度。

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1行人目標前景區(qū)域提取的方法流程

其中,熱紅外行人目標分類器模型是在LSI熱紅外行人目標分類數(shù)據(jù)集[24]上使用文獻[24]中的SVM線性模型進行訓練得到的,在訓練時所使用的行人正負樣本比例是1∶4。本文方法總體流程如圖1所示。2.1邊界特征提取

圖2邊界特征提取的結(jié)果

式中:Iboundary(i,j)為圖像在位置(i,j)處的邊界信息;dxth(i,j)和dyth(i,j)分別為在圖像位置(i,j)處經(jīng)過閾值處理的水平方向和垂直方向的梯度信息。邊界特征提取及行人目標分類器模型在邊界特征提取過程中的各階段結(jié)果如圖2所示。圖2(a)是輸入的原始熱....

圖3運動特征提取的結(jié)果

圖3(a)和圖3(b)是視頻序列中相鄰2幀熱紅外圖像數(shù)據(jù);圖3(c)是經(jīng)幀差處理的結(jié)果,白色區(qū)域表示運動目標,黑色區(qū)域是背景;圖3(d)為經(jīng)形態(tài)學處理及行人目標分類器模型排除誤檢后的最終結(jié)果。3實驗結(jié)果與分析

圖4OSU熱紅外行人目標檢測數(shù)據(jù)集實驗效果

在圖4中,第1行是原始圖像,第2行是熱紅外圖像所對應(yīng)的GroundTruth,第3行是顯著性檢測方法[31]所得的實驗結(jié)果,第4行是幀差法[13]所得的實驗結(jié)果,第5行是本文方法的實驗結(jié)果。從視覺效果上看,相比于顯著性檢測方法和幀差法,本文方法能夠更準確地檢測行人目標前景區(qū)域,尤....

本文編號：3986988