基于红外成像人体目标检测与跟踪技术研究

分类号：TP391单位代码：10110学号：S20100838中北大学硕士学位论文基于红外成像人体目标检测与跟踪技术研究硕士研究生甘沅民指导教师付丽琴教授学科专业信号与信息处理2013年6月3日图书分类号TP391密级非密UDC硕士学位论文基于红外成像人体目标检测与跟踪技术研究甘沅民指导教师（姓名、职称）付丽琴教授申请学位级别工学硕士专业名称信号与信息处理论文提交日期2013年4月20日论文答辩日期2013年5月29日学位授予日期年月日论文评阅人侯建鹏程耀瑜答辩委员会主席赵冬娥2013年6月3日原创性声明本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：关于学位论文使用权的说明本人完全了解中北大学有关保管、使用学位论文的规定，其中包括：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学校可以采用影印、缩印或其它复制手段复制并保存学位论文；③学校可允许学位论文被查阅或借阅；④学校可以学术交流为目的，复制赠送和交换学位论文；⑤学校可以公布学位论文的全部或部分内容（保密学位论文在解密后遵守此规定）。签名：日期：导师签名：日期：基于红外成像人体目标检测与跟踪技术研究摘要智能视频监控在近几十年来有了长足的发展，已被广泛应用于医学、天文、安全检查、视觉导航、军事指导等诸多生产与生活领域。随着红外成像设备的价格不断降低以及科学技术的不断进步，红外成像条件下的目标检测与跟踪愈发引起研究人员的关注。尤其是基于红外成像人体目标检测与跟踪已成为近年来视觉智能领域的热点。本文重点研究了红外图像中的人体目标检测与跟踪技术。在红外人体目标检测方面，首先对各种红外图像分割算法进行研究与归纳，并给出了相应的实验结果。然后主要对k均值聚类阈值选取分割算法进行研究分析并对其加以改进：本文通过推导k均值聚类阈值选取算法中的测度函数选取，该方法将测聚类中心值与理论中心值的偏移量作为测度函数，从而改善了图像分割效果。在目标跟踪方面，采用了基于粒子滤波的红外人体跟踪算法和融合粒子滤波和meanshift优点的红外人体目标跟踪算法。基于粒子滤波的红外人体检测算法首先利用人体目标在以人体目标区域中心为原点的各个圆环上的亮度统计信息构建亮度-距离空间下的人体特征表征模型，然后将其与粒子滤波相融合完成了红外人体目标的鲁棒性跟踪。为解决粒子滤波中所需粒子数和状态维数所引起的计算量增加甚至死机问题，又提出了融合粒子滤波和meanshift优点的红外人体目标跟踪算法。该方法把亮度距离空间下的人体目标灰度信息与人体目标的运动信息融合在一块，构建运动-亮距人体表征模型。然后把均值漂移算法融合到粒子滤波中用来重新分配随机粒子样本，使之向目标状态的最大后验概率密度方向移动。实验表明，该方法既能快速的完成红外人体目标的准确跟踪，又能排除光晕以及背景的干扰。关键词：红外图像人体检测特征提取粒子滤波人体跟踪ResearchonHumanDetectionandTrackingBasedonInfracedImagingABSTRACTIntelligentvideosurveillancehasmadegreatprogressinrecentdecades.Ithasbeenwidelyusedinmedicine,astronomy,securitychecks,visualnavigation,militaryguidance,andmanyotherproductionareasoflife.Withlowerprices,aswellasthecontinuousprogressofscienceandtechnologyofinfraredimagingdevices,infraredimagingconditionstargetdetectionandtrackingincreasinglyattractedtheattentionofresearchers.Particularlythosebasedoninfraredimagingofthehumantargetdetectionandtrackinghasbecomeahotspotamongthefieldofvisualintelligenceinrecentyears.Thispaperfocusontheinfraredimageofthehumanbodytargetdetectionandtrackingtechnology.Firstly,infraredimagesegmentationalgorithmhasbeenresearchedandsummarized,andthecorrespondingexperimentalresultsareprovided.Thenitselectsthek-meansclusteringthresholdsegmentationalgorithmtodiscussandtoimprovethem:throughthederivationofthethresholdvalueofthek-meansclusteringalgorithmmeasurefunctionintothetestclustercentervalueandthetheoreticalcentervalueofthepartialisselectedTheshiftamountasthemeasurefunction,therebyimprovingtheeffectofimagesegmentation.Intargettracking,wehaveadoptedanalgorithmbasedonparticlefilterinfraredhumantrackingalgorithmsandfusionparticlefilterandmeanshiftadvantagesofinfraredbodytargettrackingalgorithm.Usingbrightnessstatisticsofhumantargetontheorigintothehumantargetareacenterring-fromthespace,infraredhumandetectionalgorithmbasedonparticlefilterconstructsthehumancharacterizationmodelinintensity-distancespace,andthentherobustnessofinfraredhumantargettrackingisfinishedbyfusingthemodelwithparticlefilter.Inordertosolvetheproblemofincreasingamountofcalculationandsystemhaltingcausedbyparticlenumberrequiredinparticlefilterandstatusdimension,weproposetheinfraredbodytargettrackingalgorithmintegratingparticlefilteringandmeanshiftadvantages.Thismethodfirstlybuildsmovement-brightnessbodycharacterizationmodelbyintegratingthehumantargetgrayinformationinthebrightness-distancespacewiththemotioninformationofhumantargetfusionto.Thenmeanshiftalgorithmintegratedintotheparticlefilterisusedtore-assignrandomparticlesamples,makingitmovetothedirectionofthemaximumposterioriprobabilitydensityoftargetstate.Theexperimentsshowthatthismethodcannotonlyquicklyandaccuratelytracktheinfraredhumantarget,butalsoexcludetheinterferencesofhalosandbackground.Keywords:InfraredImage,HumanDetection,FeatureExtraction,ParticleFilter,HumanTracking.中北大学学位论文I目录1绪论....................................................................11.1课题研究的背景及意义.................................................11.2课题研究现状..........................................................31.2.1国内外研究现状......................................................31.2.2主要的公共视频数据库................................................41.3论文的主要工作和内容安排..............................................41.3.1研究目的及内容......................................................41.3.2论文章节安排........................................................52.红外成像理论知识.......................................................72.1红外成像描述..........................................................72.2红外人体目标检测与跟踪的基本过程......................................72.2.1图像增强...........................................................82.2.2目标图像的分割......................................................82.2.3目标跟踪............................................................92.3本章小节.............................................................113红外行人图像分割.......................................................123.1常用红外人体图像分割方法.............................................123.2基于二维直方图模糊聚类分割...........................................133.3基于自适应高斯混合模型的红外人体图像分割.............................143.4改进的K均值聚类阈值选取分割算法....