基于红外图像的人体检测跟踪与类别判定

作     者：葛鲲鹏 

作者单位：国防科学技术大学 

学位级别：硕士

导师姓名：邹焕新

授予年度：2016年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：红外图像 模板差分 目标检测 人体跟踪 行人交汇 人体判别 

摘      要：武警部队担负着国家大型电厂和重要桥梁遂道的守护勤务。这些重要的工业和交通设施一旦遭到破坏,往往造成大量的财产损失甚至人员伤亡。然而,针对重要目标的袭击大多发生在夜里,由于夜间能见度差,哨兵警惕性下降,从而给不法份子造成可乘之机。在国家大批量裁军的背景下,如何有效减少这些重要的守卫目标所占用的执勤兵力和提高执勤的自动化程度是亟待解决的问题。红外辐射波长比可见光要长,受雨天、大雾影响较小,基于红外辐射的视频监控不受夜间和白天的影响,是多种重要场所广泛使用的安防设备。因此,本文基于红外监控视频和图像序列,深入研究红外图像中的人体目标检测、跟踪以及运动目标类别判定方法,对于解决目前武警部队重要目标守护勤务中存在的问题具有非常重要的理论意义和实际应用价值。论文的主要研究工作和取得的成果如下:1.深入研究了红外图像预处理方法。重点介绍了几种常用的红外图像预处理方法,主要包括图像去噪方面的中值滤波和高斯滤波,以及图像形态学处理方面的膨胀、腐蚀、开运算和闭运算。基于实际红外图像数据,对红外图像去噪和形态学处理进行了实验比较和分析。2.深入研究了红外人体运动目标检测方法。深入研究分析了几种经典的运动目标检测算法,包括帧差法、背景差法、光流法等。在对这些目标检测算法进行理论研究和应用场景对比的基础上,利用多个实际红外视频图像数据重点对三帧差分法进行了仿真实验和测试,实验结果表明,三帧差分法可以准确有效地检测出红外图像中的人体运动目标。3.提出了一种新的基于红外图像的人体运动目标跟踪算法。在研究对比和分析经典的粒子滤波算法、Mean Shift算法和IVF(Intensity variation function)跟踪算法的基础上,针对经典算法存在的问题,提出了一种新的人体跟踪算法。该算法利用模板本身均值灰度替代模板的边缘,以红外序列图像中前一帧目标模板与当前帧差分后得到的正负值区域为基础,计算出正值区域质心到负值区域质心的向量,并将模板沿向量方向以单个像素移动,直到目标模板与当前帧的人体目标近似重合。利用多组视频图像数据集对算法进行了实验验证,实验结果表明,该算法的跟踪精确度和运算速度相比常用的粒子滤波和Mean Shift跟踪算法都有大幅度的提升,并且在跟踪算法原有基础上整合了跟踪窗口自适应大小、行人交汇的检测和区分功能,进一步提升了跟踪算法的鲁棒性。4.改进提出了一种基于红外图像的运动目标类别判定算法。该算法以Ross Cutler提出的方法为基础,首先研究对比和分析了基于静态特征和基于动态特征的运动目标类别判定方法,然后以图像序列中运动目标的周期性特征作为切入点,即选取100帧时间跨度(大约3秒)内的运动目标在所有时间延迟上的相似性进行对比,形成一幅相似性图像,接着分别用一维功率谱、Fisher测试、时间-频率分析、自相关函数等四种测度对相似性图像进行周期性分析并对结果进行对比,最后选用自相关函数作为目标类别判定的特征测度。利用多组视频图像数据集对运动目标类别判定算法进行了实验验证,实验结果表明,该算法能有效判别出红外序列图像中的运动人体目标。