摘要：針對紅外序列圖像中人體目標(biāo)檢測問題，采用了基于特征點(diǎn)的特征區(qū)域提取方法，先用FAST算法快速提取特征點(diǎn)，然后基于提取出的特征點(diǎn)，使用LBP算法提取特征區(qū)域，在得到感興趣的特征區(qū)域（ROI區(qū)域）后，用對ROI區(qū)域進(jìn)行基于離散小波變換的小波熵特征提取，并采用復(fù)合分類方法對ROI區(qū)域進(jìn)行分類，利用此方法有效地將人體目標(biāo)從紅外序列圖像中檢測出來。

關(guān)鍵詞：紅外序列圖像；FAST；CS—LBP；離散小波變換；SVM；Adaboost

中圖分類號：TN919—34文獻(xiàn)標(biāo)識碼：A文章編號：1004—373X（2012）18—0111—03

引言

由于紅外圖像對比度低、邊緣模糊、信噪比低、噪聲大和人體目標(biāo)非剛體等特性，使得對紅外圖像進(jìn)行人體目標(biāo)檢測難度較大。目前常用的運(yùn)動目標(biāo)檢測方法背景減除法[1]、幀差法[2]、光流法[3]等，在攝像機(jī)不固定的情況下，基于背景的目標(biāo)檢測方法將變得十分困難，因此采用單幀圖像分割的方法顯得更加可行。

本文采用的紅外序列圖像中人體目標(biāo)檢測的方法是：采用FAST（FeaturesfromAcceleratedSegmentTest）[4]算法，在單幀圖像中進(jìn)行特征點(diǎn)提??；基于檢測出的特征點(diǎn)，利用基于局部二值模型紋理特征（LocalBinaryPattern，LBP）核函數(shù)的算法提取圖像的局部特性，得到人體可能存在的感興趣區(qū)域；利用雙密度雙樹小波變換和小波熵提取訓(xùn)練樣本的特征信息，并采用模式識別方式對提取出的感興趣區(qū)域（RegionsofInternet，ROI）進(jìn)行分類檢測，得到人體目標(biāo)所在區(qū)域。

1基于特征點(diǎn)的人體目標(biāo)區(qū)域初定位

由于傳統(tǒng)的基于視頻的目標(biāo)檢測方法，在攝像機(jī)不固定的條件下，運(yùn)算量過大且魯棒性較差，因此在此基于單幀圖像進(jìn)行人體目標(biāo)檢測。本文采用先提取紅外圖像中的特征點(diǎn)，然后在特征點(diǎn)的鄰域內(nèi)搜尋人體目標(biāo)的方法進(jìn)行人體目標(biāo)區(qū)域提取，如圖1所示。