Pedestrian detection algorithm based on PHOG

为了实现单张或离散红外图像集中的静态红外人体检测,提出了一种基于PHOG特征的人体分步检测方法。首先对红外图像采用基于亮度阈值与形态学处理方法相结合的方法进行两级分割定位到ROI的位置,利用候选区域的形状特征进行第一次分类排除形状异常目标,然后构建图像的PHOG特征,用SVM分类器对剩余候选区域进行分类检测。实验表明,该算法既弥补了分步检测算法运算量大的不足又保证了算法的性能,尤其在消除噪声干扰场合效果明显,是一种快速有效的人体检测算法。     

基于红外图像和逆向投影算法的室内人体跌倒检测方法

研究表明跌倒是我国老年人伤害的主要原因,缩短跌倒到救治的时间能降低跌倒造成的伤害。为此,室内老年人跌倒检测需求逐年增加。红外传感器具有受光照影响小,保护隐私等优点,越来越广泛地应用于室内人体跌倒检测中。然而,由于红外图像存在分辨率低、信噪比差等缺陷,导致传统方法的检测精度较低。针对这个问题,本文提出一种基于逆向投影算法的室内人体跌倒检测方法。首先,通过人体温度计算出人体与传感器之间的距离;其次,结合图像信息,逆推出人体在真实世界的高度;最后,对获取的人体真实高度数据进行平滑处理,并根据其变化情况进行跌倒检测。实验结果表明,本文所提方法的检测准确率达到98.57%,优于传统非逆向投影方法,其性能完全可以应用于实际检测中。     

红外视频图像中的人体目标检测方法

人体目标检测是很多机器视觉应用的难点,如智能视频监控和车辆辅助驾驶,基于可见光图像的方法很难解决复杂背景和目标区域的分离问题,因此,越来越多的研究转向利用红外图像进行检测。提出了一种红外视频图像中的人体目标检测方法,该方法首先利用红外图像中像素值近似呈现单模态分布的特点,对高亮像素进行检测,然后采用灰度直方图和投影直方图相结合的2D直方图特征对目标进行检测。实验结果表明:该方法具有较高的检测率,但误报率也较高,其原因在于负样本的数量和代表性不足,因此,改进空间很大。     

红外序列图像中基于形状的人体检测

对红外序列图像中的人体检测问题进行了研究,提出一种新的人体检测方法.首先采用自适应高斯混合模型对序列图像中背景进行建模,在准确分割出前景运动目标的基础上,提出了一种新的人体形状表达模型,充分考虑了多个人体发生粘连或互相遮挡的情况,并用亮度投影的方法对其进行分离;以人体表达模型作为输入向量,构建支持向量机(SVM,Support Vector Machine)对人体进行分类判别.不同红外视频序列的检测结果表明了所提出算法在单个人体和多人体情况下均具有较好的鲁棒性和可行性.     

基于梯度统计特性的自动红外舰船目标检测

红外舰船目标检测是舰船目标识别与跟踪的重要基础。针对典型复杂海天场景下的红外舰船目标检测,本文提出了一种基于多尺度局部边缘梯度统计特性的目标检测算法。算法改进了传统的基于ROI的红外舰船目标检测方法I并0用多尺度局部边缘梯度的统计特性,自适应的检测出完整的舰船目标。实验结果表明,该算法能够有效准确地检测出多种复杂海天场景下的红外舰船目标,且算法简单易于实现。     

基于多重连接特征金字塔的SAR图像舰船目标检测

针对SSD等算法在合成孔径雷达(SAR)图像舰船小目标以及复杂场景下目标的检测效果不佳问题,提出了一种基于多重连接特征金字塔的舰船目标检测方法.首先,针对图像中小目标舰船的特点,构建了全新的特征提取网络I-VGGNet,以解决小尺寸舰船特征信息的丢失问题;其次,增加了多重连接特征金字塔网络模块,加强舰船高层语义特征与低...     

基于标准差梯度的模糊边缘检测算法

红外图像的边缘检测是图像处理领域的难题之一。结合红外图像的特点,将最小误差原理推广到模糊域进而应用到红外图像的边缘检测上,提出了一种基于标准差梯度的红外图像模糊边缘检测算法。首先提出了一种基于标准差的梯度算子,将图像中潜在的边缘区域很好地区分出来;而后引入模糊最小误差阈值算法．根据此算法自适应提取了标准差梯度图像中的最优阈值,从而实现了红外图像的目标边缘检测。与传统的基于梯度的红外图像边缘检测算法进行对比实验,结果表明,该算法用于红外图像边缘检测能获得更好的效果。     

LPformer：基于拉普拉斯金字塔多级Transformer的红外小目标检测

红外小目标检测是指从红外图像中分割出小目标,在火灾探测系统和海上监视及救援系统应用中具有重要意义。然而,由于目标尺寸小、特征不明显、背景环境复杂等因素,导致目前红外小目标检测算法的检测性能通常受到限制。针对上述问题,设计了一种基于拉普拉斯金字塔多级Transformer的红外小目标检测算法。首先,由于红外小目标尺寸较小,容易在网络迭代过程中损失纹理细节信息,利用拉普拉斯金字塔从原始输入的红外图像中提取出不同层级的高频边界信息,进一步通过一种结构信息转换模块与主干网络中不同层级的特征进行融合,用于对损失的纹理信息进行补偿;接着为了进一步提升网络的判别能力,在提高检测准确率的同时抑制虚警率,还采用了一种基于通道维的Transformer结构,将每个通道特征图作为图像块,并沿着通道维进行自注意力的计算。实验结果表明,与目前先进的检测算法相比,本文所提出的算法具有更高的检测性能。     

复杂背景下红外人体目标检测算法研究

红外图像信噪比和对比度较低、缺乏颜色纹理信息、目标周围有光晕效应、边缘模糊,这些缺点对红外图像中人体目标检测提出了挑战.本文对复杂环境下红外图像序列中运动人体目标检测技术进行研究.首先采用基于改进的混合高斯模型(Gaussian mixture model,GMM)的背景减除法对人体目标进行分割,通过多个带有权值的高斯过程来描述复杂变化的背景,对模型个数、权值、学习率进行更新.然后对分割得到感兴趣区域(Region of interest,ROI)采用融合边缘方向累加和特性的梯度方向直方图(Accumulation of oriented edge and histogram of oriented gradient,AOE-HOG)进行特征描述,利用支持向量机(Support vector machine,SVM)实现对人体目标分类检测.实验表明,本文算法能够在复杂场景下正确检测出人体目标,对于多目标距离较近甚至有部分粘连的情形,也具有较好效果.     

基于不变矩特征的车道线图像检测算法

为了提高智能车辆导航系统中的车道线检测正确率,提出一种基于不变矩特征的车道线图像检测算法。首先对原始车道线图像进行预处理,提取感兴趣的区域,得到车道线图像的不变矩特征,然后采用支持向量机对车道线图像不变矩特征向量进行建模,得到车道线的检测结果,最后采用仿真实验对算法的性能进行分析。仿真结果表明,相对于其它车道线检测算法,本文算法不仅提高了车道线检测的正确率,而且获得更高的车道线检测速度,完全能够满足车辆安全驾驶实时性的要求。     

基于HOG特征的织物瑕疵检测算法

传统织物瑕疵检测依赖人工,成本高且效率低.提出基于机器视觉和图像处理算法的织物瑕疵检测方法,采用方向梯度直方图描述织物纹理特征,通过计算局部区域的方向梯度直方图特征与无瑕疵织物图像特征的相似性来识别瑕疵,在织物图像数据集上的待测结果表明,此算法能够有效地提取出织物的瑕疵.     

基于多重稀疏字典的行人检测方法

针对于稀疏编码在行人检测问题中提取的特征维数高和不能够有效描述行人的问题,提出了一种基于多重稀疏字典直方图的特征提取方法。通过稀疏表示方法,预先学习多个不同稀疏度的字典,分别利用每一个字典对行人图像进行稀疏编码,统计每个字典中对应稀疏编码单元的分布直方图作为行人图像的特征描述子。该方法提取到的特征维数低,并且能够有效地描述行人,具有良好的检测性能。     

基于分形理论的红外目标检测算法

通过计算红外图像的分形特征参数可以达到区分红外目标和自然背景的效果.计算了基于多尺度分形参数总体表现的新的多尺度D维面积K(即MMK),并提出了将MMK和基于灰度法计算的分形维数DΔr结合使用(即MKD)的目标检测算法.实践证明,在红外图像中,基于分形理论的目标检测算法效果优于以往的基于分形理论的目标检测算法.     

基于俯仰角修正的HOG特征快速行人检测算法

传统的HOG特征对正视或侧视行人有较好的识别率,但是对俯视行人的识别率仍有所欠缺。对检测图像的HOG特征根据不同的俯仰角进行了转换,同时优化了SVM分类器训练过程,提出了一种改进的快速行人检测算法。测试结果表明,该算法优于基于传统HOG特征的检测方法,有效提高了不同俯仰角视频中行人检测的准确性。     

基于证据理论和支持向量机相融的烟雾图像检测算法

针对传统烟雾图像检测算法低检测率缺陷,提出一种证据理论和支持向量机相融合的烟雾图像检测算法(DS-SVM).首先分别提取主方向性状、高低频能量比、烟雾面积增长等3类烟雾特征,然后3类单特征的支持向量机检测结果作为D-S理论的独立证据,构造基本概率指派,最后根据决策规则和判决门限获得烟雾图像的最终检测结果.仿真结果表明,相对于传统检测算法,DS-SVM有效提高了烟雾图像检测率,可以满足不同环境下烟雾图像检测要求.     

基于聚合通道特征的红外行人检测方法

基于红外图像的行人检测技术在夜间场景监控、汽车夜间辅助驾驶等相关领域具有重要的作用,然而受红外图像分辨率低、信噪比高等因素影响,当前的很多方法性能不佳。提出了一种基于图像特征通道的红外行人检测算法。利用快速特征金字塔技术在红外图像上进行了滑动窗口检测。实验结果证明,相对于其他常规算法,该算法在实时性和鲁棒性上都有很大的提升。     

Image forgery detection algorithm based on U-shaped detection network

Aiming at the defects of traditional image tampering detection algorithm relying on single image attribute,low applicability and current high time-complexity detection algorithm based on deep learning,an U-shaped detection network image forgery detection algorithm was proposed.Firstly,the multi-stage feature information in the image by using the continuous convolution layers and the max-pooling layers was extracted by U-shaped detection network,and then the obtained feature information to the resolution of the input image through the upsampling operation was restored.At the same time,in order to ensure higher detection accuracy while extracting high-level semantic information of the image,the output features of each stage in U-shaped detection network would be merged with the corresponding output features through the upsampling layer.Further the hidden feature information between tampered and un-tampered regions in the image upon the characteristics of the general network was explored by U-shaped detection network,which could be realized quickly by using its end-to-end network structure and extracting the attributes of strong correlation information among image contexts that could ensure high-precision detection results.Finally,the conditional random field was used to optimize the output of the U-shaped detection network to obtain a more exact detection results.The experimental results show that the proposed algorithm outperforms those traditional forgery detection algorithms based on single image attribute and the current deep learning-based detection algorithm,and has good robustness.     

基于MobileNet-SSD的红外人脸检测算法

针对"可见光"+"热红外"融合的双光人脸检测算法对硬件依赖性高的劣势.本文提出一种基于MobileNet-SSD的红外人脸检测算法,该算法可以直接检测出红外图像中的人脸区域,对硬件的依赖性较低.同时实验结果表明该算法的检测精度和实时性均有所提高,可以直接运用到"疫情"期间的智能体温监控系统中.