紅外圖像中人體目標檢測技術研究

摘要：針對紅外序列圖像中人體目標檢測問題，采用了基于特征點的特征區域提取方法，先用FAST算法快速提取特征點，然后基于提取出的特征點，使用LBP算法提取特征區域，在得到感興趣的特征區域（ROI區域）后，用對ROI區域進行基于離散小波變換的小波熵特征提取，并采用復合分類方法對ROI區域進行分類，利用此方法有效地將人體目標從紅外序列圖像中檢測出來。

關鍵詞：紅外序列圖像；FAST；CS—LBP；離散小波變換；SVM；Adaboost

中圖分類號：TN919—34文獻標識碼：A文章編號：1004—373X（2012）18—0111—03

引言

由于紅外圖像對比度低、邊緣模糊、信噪比低、噪聲大和人體目標非剛體等特性，使得對紅外圖像進行人體目標檢測難度較大。目前常用的運動目標檢測方法背景減除法[1]、幀差法[2]、光流法[3]等，在攝像機不固定的情況下，基于背景的目標檢測方法將變得十分困難，因此采用單幀圖像分割的方法顯得更加可行。

本文采用的紅外序列圖像中人體目標檢測的方法是：采用FAST（FeaturesfromAcceleratedSegmentTest）[4]算法，在單幀圖像中進行特征點提取；基于檢測出的特征點，利用基于局部二值模型紋理特征（LocalBinaryPattern，LBP）核函數的算法提取圖像的局部特性，得到人體可能存在的感興趣區域；利用雙密度雙樹小波變換和小波熵提取訓練樣本的特征信息，并采用模式識別方式對提取出的感興趣區域（RegionsofInternet，ROI）進行分類檢測，得到人體目標所在區域。

1基于特征點的人體目標區域初定位

由于傳統的基于視頻的目標檢測方法，在攝像機不固定的條件下，運算量過大且魯棒性較差，因此在此基于單幀圖像進行人體目標檢測。本文采用先提取紅外圖像中的特征點，然后在特征點的鄰域內搜尋人體目標的方法進行人體目標區域提取，如圖1所示。