研究技术研究红外图像中人体目标检测技术书写

论文导读：
摘要：针对红外序列图像中人体目标检测问题，采用了基于特征点的特征区域提取方法，先用FAST算法快速提取特征点，然后基于提取出的特征点，使用LBP算法提取特征区域，在得到感兴趣的特征区域（ROI区域）后，用对ROI区域进行基于离散小波变换的小波熵特征提取，并采用复合分类方法对ROI区域进行分类，利用此方法有效地将人体目标从红外序列图像中检测出来。
关键词：红外序列图像；FAST；CS—LBP；离散小波变换；SVM；Adaboost
1004—373X（2012）18—0111—03
引言
由于红外图像对比度低、边缘模糊、信噪比低、噪声大和人体目标非刚体等特性，使得对红外图像进行人体目标检测难度较大。目前常用的运动目标检测方法背景减除法、帧差法、光流法[3]等，在摄像机不固定的情况下，基于背景的目标检测方法将变得十分困难，因此采用单帧图像分割的方法显得更加可行。
本文采用的红外序列图像中人体目标检测的方法是：采用FAST（FeatureromAcceleratedSegmentTest）[4]算法，在单帧图像中进行特征点提取；基于检测出的特征点，利用基于局部二值模型纹理特征（LocalBinaryPattern，LBP）核函数的算法提取图像的局部特性，得到人体可能存在的感兴趣区域；利用双密度双树小波变换和小波熵提取训练样本的特征信息，并采用模式识别方式对提取出的感兴趣区域（RegionsofInternet，ROI）进行分源于：论文范例www.7ctime.com
类检测，得到人体目标所在区域。
1基于特征点的人体目标区域初定位
由于传统的基于视频的目标检测方法，在摄像机不固定的条件下，运算量过大且鲁棒性较差，因此在此基于单帧图像进行人体目标检测。本文采用先提取红外图像中的特征点，然后在特征点的邻域内搜寻人体目标的方法进行人体目标区域提取，如图1所示。