基于紅外成像人體目標(biāo)檢測(cè)與跟蹤技術(shù)研究.pdf

1、智能視頻監(jiān)控在近幾十年來(lái)有了長(zhǎng)足的發(fā)展，已被廣泛應(yīng)用于醫(yī)學(xué)、天文、安全檢查、視覺(jué)導(dǎo)航、軍事指導(dǎo)等諸多生產(chǎn)與生活領(lǐng)域。隨著紅外成像設(shè)備的價(jià)格不斷降低以及科學(xué)技術(shù)的不斷進(jìn)步，紅外成像條件下的目標(biāo)檢測(cè)與跟蹤愈發(fā)引起研究人員的關(guān)注。尤其是基于紅外成像人體目標(biāo)檢測(cè)與跟蹤已成為近年來(lái)視覺(jué)智能領(lǐng)域的熱點(diǎn)。本文重點(diǎn)研究了紅外圖像中的人體目標(biāo)檢測(cè)與跟蹤技術(shù)。
　　在紅外人體目標(biāo)檢測(cè)方面，首先對(duì)各種紅外圖像分割算法進(jìn)行研究與歸納，并給出了相應(yīng)的實(shí)驗(yàn)結(jié)

2、果。然后主要對(duì)k均值聚類閾值選取分割算法進(jìn)行研究分析并對(duì)其加以改進(jìn)：本文通過(guò)推導(dǎo)k均值聚類閾值選取算法中的測(cè)度函數(shù)選取，該方法將測(cè)聚類中心值與理論中心值的偏移量作為測(cè)度函數(shù)，從而改善了圖像分割效果。
　　在目標(biāo)跟蹤方面，采用了基于粒子濾波的紅外人體跟蹤算法和融合粒子濾波和meanshift優(yōu)點(diǎn)的紅外人體目標(biāo)跟蹤算法?；诹Ｗ訛V波的紅外人體檢測(cè)算法首先利用人體目標(biāo)在以人體目標(biāo)區(qū)域中心為原點(diǎn)的各個(gè)圓環(huán)上的亮度統(tǒng)計(jì)信息構(gòu)建亮度-距離空間

3、下的人體特征表征模型，然后將其與粒子濾波相融合完成了紅外人體目標(biāo)的魯棒性跟蹤。為解決粒子濾波中所需粒子數(shù)和狀態(tài)維數(shù)所引起的計(jì)算量增加甚至死機(jī)問(wèn)題，又提出了融合粒子濾波和meanshift優(yōu)點(diǎn)的紅外人體目標(biāo)跟蹤算法。該方法把亮度距離空間下的人體目標(biāo)灰度信息與人體目標(biāo)的運(yùn)動(dòng)信息融合在一塊，構(gòu)建運(yùn)動(dòng)-亮距人體表征模型。然后把均值漂移算法融合到粒子濾波中用來(lái)重新分配隨機(jī)粒子樣本，使之向目標(biāo)狀態(tài)的最大后驗(yàn)概率密度方向移動(dòng)。實(shí)驗(yàn)表明，該方法既能快速