导　　师： 胡庆新;徐自军

授予学位： 硕士

作　　者： ;

机构地区： 合肥工业大学

摘　　要： 红外成像是依靠红外传感器的热成像性能来获取图像的,只取决于物体的温度和其所辐射的热量。因此在夜晚、雨天或雾霾等光线强度不足的情况下,红外图像相较于可见光图像有明显的优势。基于红外图像的行人检测和跟踪技术在夜间智能监控、车辆安全驾驶等领域都发挥着重要的作用。人体目标作为环境中最主要、最活跃的因素,一直以来都是目标跟踪和检测领域的研究热点,而人体目标的非刚性,加之红外图像自身的缺点,使得基于红外图像的行人检测充满了困难与挑战。本文以单帧的红外图像中的行人目标作为研究对象,以提高红外图像中的行人检测准确率为目的,开展了相关算法的研究。本文的主要内容包括以下几点：(1)介绍了红外图像的成像原理,并同可见光图像进行了对比分析,总结了红外图像中行人检测的难点和需要注意的问题。对红外图像中的行人检测方法进行了分类比较,总结了各类算法的优缺点。重点介绍了几种常用的行人特征描述子和机器学习方法。(2)针对单特征对行人信息描述不充分导致检测率低的问题,采用了一种基于强度自相似性(Intensity Self-Similarity, ISS)和HOG (Histogram of Oriented Gradients, HOG)特征的红外行人检测算法,结合了行人的轮廓和局部相似性信息,利用支持向量机进行学习分类,达到行人检测的目的。并在LSI Far Infrared Pedestrian Dataset数据集上进行了实验,证明了该算法的有效性,同基于单特征的方法进行了比较,证明了本算法的检测率明显优于基于单特征的方法。

关 键 词： 红外图像 行人检测 强度自相似性特征 梯度方向直方图 支持向量机

分 类 号： [TP391.41]

领　　域： [自动化与计算机技术] [自动化与计算机技术]