弱小目標檢測及智能分析.pdf

1、隨著圖像處理、計算機視覺和模式識別的快速發(fā)展，目標檢測、跟蹤和識別技術已經(jīng)廣泛應用于實際生活中。魯棒性強的檢測識別技術更是所有檢測系統(tǒng)追求的目標，無論是受到客觀天氣的影響（如霧天）還是體積較小的靜止異物，亦或是行人、車輛等一些常見的運動目標，都希望系統(tǒng)能夠擁有很低的誤檢率和良好的識別率。要達到這個目的，就需要充分考慮系統(tǒng)所應用的環(huán)境，從而提出性能優(yōu)良的檢測識別算法。
　　本文將詳細介紹一個能夠同時檢測靜止以及運動的弱小目標并能夠?qū)?/p>

2、目標進行智能分析的實時檢測識別系統(tǒng)。該系統(tǒng)主要分為預處理、目標檢測、智能分析三個模塊。預處理模塊主要完成檢測前的圖像增強，提高圖像的信噪比，從而使系統(tǒng)能夠較好地應對霧天、傍晚等一些能見度、光線對比度較低的情形，以提高弱小目標的檢測率。本文采用基于 Retinex理論的圖像增強算法，利用 CUDA并行編程模型，在NVIDA公司最新推出的嵌入式GPU平臺Jetson TK1上實現(xiàn)圖像增強，以提高預處理速度。隨后將增強后的視頻送入檢測模塊，并

3、創(chuàng)新性地提出一種雙通道的目標檢測模型，在TI公司推出的DM8127圖像處理平臺上同時實現(xiàn)靜止和運動目標的實時檢測。最后，DM8127平臺對視頻幀序列進行H264編碼并將編碼之后的視頻流以及目標檢測結(jié)果信息發(fā)送至后端的主機，主機端對檢測出的運動目標采用HOG和SVM算法進行智能分析，識別出該目標是否為行人目標。傳統(tǒng)的識別算法需要對一整幅圖像進行多個尺度的縮放以及密集掃描，本文只對目標區(qū)域進行識別，這樣做可以在不影響識別效果的前提下降低算法

4、復雜度，使系統(tǒng)能夠?qū)崟r運行。
　　通過對該實時弱小目標檢測系統(tǒng)的整體測試可以表明，該系統(tǒng)具有較強的魯棒性，能夠克服霧天等天氣因素和光照變化快速等光照條件的影響，無論是靜止還是運動的弱小目標，該系統(tǒng)都能保持良好的性能，特別是對于高度1cm以上，長度3cm以上，顏色與背景有一定差異的靜止目標，其在距系統(tǒng)50m以內(nèi)的漏檢率低于5％，且兩次誤檢出現(xiàn)的平均時間間隔在2小時以上。對于1080P的視頻輸入，整個系統(tǒng)的處理幀率約為20fps，系統(tǒng)