基于MCS-LBP的红外图像行人检测方法

基于红外图像的人体检测跟踪与类别判定武警部队担负着国家大型电厂和重要桥梁遂道的守护勤务。

这些重要的工业和交通设施一旦遭到破坏,往往造成大量的财产损失甚至人员伤亡。

然而,针对重要目标的袭击大多发生在夜里,由于夜间能见度差,哨兵警惕性下降,从而给不法份子造成可乘之机。

在国家大批量裁军的背景下,如何有效减少这些重要的守卫目标所占用的执勤兵力和提高执勤的自动化程度是亟待解决的问题。

红外辐射波长比可见光要长,受雨天、大雾影响较小,基于红外辐射的视频监控不受夜间和白天的影响,是多种重要场所广泛使用的安防设备。

因此,本文基于红外监控视频和图像序列,深入研究红外图像中的人体目标检测、跟踪以及运动目标类别判定方法,对于解决目前武警部队重要目标守护勤务中存在的问题具有非常重要的理论意义和实际应用价值。

论文的主要研究工作和取得的成果如下:1.深入研究了红外图像预处理方法。

重点介绍了几种常用的红外图像预处理方法,主要包括图像去噪方面的中值滤波和高斯滤波,以及图像形态学处理方面的膨胀、腐蚀、开运算和闭运算。

基于实际红外图像数据,对红外图像去噪和形态学处理进行了实验比较和分析。

2.深入研究了红外人体运动目标检测方法。

深入研究分析了几种经典的运动目标检测算法,包括帧差法、背景差法、光流法等。

在对这些目标检测算法进行理论研究和应用场景对比的基础上,利用多个实际红外视频图像数据重点对三帧差分法进行了仿真实验和测试,实验结果表明,三帧差分法可以准确有效地检测出红外图像中的人体运动目标。

3.提出了一种新的基于红外图像的人体运动目标跟踪算法。

在研究对比和分析经典的粒子滤波算法、Mean Shift算法和IVF(Intensity variation function)跟踪算法的基础上,针对经典算法存在的问题,提出了一种新的人体跟踪算法。

该算法利用模板本身均值灰度替代模板的边缘,以红外序列图像中前一帧目标模板与当前帧差分后得到的正负值区域为基础,计算出正值区域质心到负值区域质心的向量,并将模板沿向量方向以单个像素移动,直到目标模板与当前帧的人体目标近似重合。

基于LBP的红外弱小目标检测系统设计蒋怡亮;孙宁;翟尚礼【摘要】An infrared dim target detection method based on local binary pattern(LBP) operator is analyzed ,and an infrared dim target detection system is designed according to the practical application background .The overall structure of the system and the design method of the program module are introduced .The experiment results show that the proposed method can save large number of hardware re‐sources in the premise of ensuring the real‐time performance of LBP algorithm .%分析了一种基于局部二元模式（LBP）算子的红外弱小目标检测方法，并根据实际应用背景设计实现了一种红外弱小目标检测系统。

介绍了该系统的总体结构以及程序模块的设计方法。

试验对比表明，该方法在保证LBP算法实时性的前提下可节约大量硬件资源。

【期刊名称】《单片机与嵌入式系统应用》【年(卷),期】2016(016)004【总页数】4页(P70-72,76)【关键词】红外弱小目标;局部二元模式;目标检测;FPGA【作者】蒋怡亮;孙宁;翟尚礼【作者单位】中国电子科技集团公司第二十八研究所，南京210007;中国电子科技集团公司第二十八研究所，南京210007;中国电子科技集团公司第二十八研究所，南京210007【正文语种】中文【中图分类】TN216随着红外传感器性能和图像处理能力的提高，红外探测系统已经成为现代军用防御网络的重要组成部分。

基于红外图像的人体活动检测与识别方法研究摘要：随着红外技术的发展，红外图像在人体活动检测与识别中起着重要的作用。

本文旨在研究基于红外图像的人体活动检测与识别方法，并分析其应用前景和挑战。

研究表明，基于红外图像的人体活动检测与识别方法具有优越的性能和广泛的应用领域，但在人体姿态识别、复杂场景下的检测和识别等方面仍存在一些挑战，需要进一步的研究和改进。

在未来，可以结合其他传感器数据，如深度图像等，进一步提高人体活动检测与识别的准确性和鲁棒性。

1. 引言人体活动检测与识别在安防、智能交通、医疗等领域具有广泛的应用。

传统的人体活动检测与识别方法主要基于可见光图像，但受到光照条件的限制，存在一定的局限性。

相比之下，红外图像具有独特的优势，如不受光照条件限制、对隐蔽物体的穿透能力等，因此在人体活动检测与识别中得到了广泛关注。

2. 基于红外图像的人体活动检测方法基于红外图像的人体活动检测方法主要包括目标检测和跟踪两个步骤。

目标检测旨在在红外图像中找出人体目标的位置和大小，常用的方法包括基于深度学习的目标检测算法、基于纹理特征的目标检测算法等。

跟踪是指在一段时间内跟踪人体目标的位置、形状和姿态等信息，常用的方法包括基于卡尔曼滤波的目标跟踪算法、基于粒子滤波的目标跟踪算法等。

3. 基于红外图像的人体活动识别方法基于红外图像的人体活动识别方法主要包括人体姿态识别和行为识别两个方面。

人体姿态识别旨在确定人体目标的姿态信息，如站立、行走、坐下等，常用的方法包括基于特征点的姿态识别算法、基于深度学习的姿态识别算法等。

行为识别是指将人体目标的动作进行分类，如打电话、跑步、拿东西等，常用的方法包括基于动作描述子的行为识别算法、基于深度学习的行为识别算法等。

4. 应用前景和挑战基于红外图像的人体活动检测与识别方法在安防、智能交通、医疗等领域具有广泛的应用前景。

然而，目前的研究仍面临一些挑战。

首先，人体姿态识别的准确性有待提高，尤其是在复杂场景下的识别。

基于HOG,LBP和梯度光强特征的红外图像行人检测技术张志平;崔艺涵【摘要】单电子强度行人检测的研究专注于在精确度尽可能高的条件下改善整个过程的执行时间。

一个流行且成熟的检测单电子强度行人检测的方式为基于近似图像特征对于基于已经预定的尺度的多尺度情况。

我们将这个想法应用于红外区域。

我们的贡献为四种通道特性的融合，即红外谱、梯度方向直方图、标准化梯度幅值和局部二值模式，目标是为处理远红外传感器的夜视装置进行行人检测。

多尺度特征估算是由特征估计所完成的。

【期刊名称】《数字技术与应用》【年(卷),期】2015(000)012【总页数】1页(P105-105)【关键词】HOG;LBP;梯度光强特征【作者】张志平;崔艺涵【作者单位】长春工程技术学院控制工程系吉林长春 130117;长春工程技术学院控制工程系吉林长春 130117【正文语种】中文【中图分类】TP391.41在单电子强度或立体影响行人检测领域很重要的进步已经出现，但这些进步并没有被考虑应用于其他形式的信息提示，如红外信息。

近期在单眼行人检测的工作着重于改善执行时间的同时保持精度尽可能高。

一个流行且成熟的检测单电子强度行人检测的方式为基于近似（而不是计算）图像特征对于基于已经预定的尺度的多尺度情况—快速特征金字塔，由Aggregated Channel Features framework所研制。

我们将这个想法应用于备受瞩目的红外领域，因为它超越了可见光谱，并且可以被广泛的应用于夜视或增强立体行人检测算法的精度。

所有行人模型均被分类为相同尺寸，并且对每个模型我们均进行HOG，标准化梯度幅值和局部二值模式的计算。

2.1 热点图形产生器单结构元素的ROI结果图1所示。

由于服装可能会影响红外图像中一个人的亮度情况，我们应用了一些具有服装变形补偿的形态学操作。

为了使行人的身体在强度值上变得尽可能统一化，我们应用了一些能够移除行人身体不一致性的形态学操作。

基于红外图像的人体目标检测与跟踪技术的研究摘要：红外图像是热成像，不受黑暗和烟雾雨雪等恶劣天气的影响，能够看到人眼中无法看到的目标，具有全天候工作的特点，已经被广泛应用于军事侦察、监控和制导等领域。

此外，红外图像在民用领域也有着非常广泛的应用前景，如视频监控，辅助车辆驾驶等。

由于人体目标的活跃性和特殊性，对人体目标的检测与跟踪有着很大的经济价值和军事价值，所以开展基于红外图像的人体目标检测与跟踪技术研究十分必要。

关键词：红外序列图像；ＦＡＳＴ；ＣＳ－ＬＢＰ；离散小波变换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。

1.1基于ＦＡＳＴ算法的特征点提取ＦＡＳＴ算法是一种运算简单的特征点检测方法，首先通过Ｓｅｇｍｅｎｔ－Ｔｅｓｔ算法来定义特征点：如果图像中以某一个像素点ｐ为中心，ｒ为半径的一个Ｂｒｅｓｅｎｈａｍ圆上，超过Ｎ个连续像素的亮度均超过像素ｐ某一阈值，或者低于像素ｐ某一阈值，则该像素ｐ处存在一个特征角点。

在应用时，为了减少所提取的特征点的数量，将相邻的特征点进行合并。

1.2基于ＣＳ－ＬＢＰ算法的区域特性提取ＬＢＰ算法首先是作为一种纹理操作的算子提出来的，并且在很多计算机视觉领域得到了很成功的应用。

ＬＢＰ算法根据每个像素与其邻域像素的相对差值来描述该像素的特性，因此对由光线条件变化导致的像素值变化有很强的鲁棒性。

如果邻域像素的亮度值大于或等于中心像素的亮度值，则该邻域像素对应的属性取值为１，否则取值为０。

ＣＳ－ＬＢＰ算法［７］是比较圆周上每对中心对称的像素之间的亮度值，因此在ＣＳ－ＬＢＰ中，需要做的比较次数相对ＬＢＰ算法降低了１／２。

图像中位于（ｘ，ｙ）位置的像素ＣＳ－ＬＢＰ值可根据其邻域信息计算如式（１）所示：式中：Ｔ为一个很小的阈值。

基于MCS-LBP的红外图像行人检测方法刘丽;鲍泓;徐成;王迪;张飞飞【摘要】红外图像行人检测是夜间智能视频监控、车辆辅助驾驶及智能驾驶等领域的关键技术.针对红外图像纹理特征较少的特点,提出一种实时的基于分块的多级中心对称局部二值模式(Multi-Level Center-Symmetric Local Binary Pattern,MCS-LBP)的红外图像行人检测方法.首先对红外图像进行去噪等预处理及感兴趣区域(regions of interest,ROIs)提取,并提取感兴趣区域的MCS-LBP特征得到更加丰富的红外图像纹理特征,最后使用支持向量机(support vector machine,SVM)进行分类得到行人检测结果.在VS2010环境下,在自行采集的红外行人数据集验证了该方法的有效性与鲁棒性.【期刊名称】《北京联合大学学报（自然科学版）》【年(卷),期】2015(029)002【总页数】6页(P30-35)【关键词】红外图像;行人检测;多级中心对称局部二值模式;纹理分类【作者】刘丽;鲍泓;徐成;王迪;张飞飞【作者单位】北京联合大学北京市信息服务工程重点实验室,北京 100101;北京联合大学北京市信息服务工程重点实验室,北京 100101;北京联合大学北京市信息服务工程重点实验室,北京 100101;北京联合大学北京市信息服务工程重点实验室,北京 100101;北京联合大学北京市信息服务工程重点实验室,北京 100101【正文语种】中文【中图分类】TN911.730 引言随着车辆数量的大幅增长，交通事故频发，尤其夜间、阴天、雾霾等光照条件不好的情况下所发生的事故尤为严重［1-2］。

因此，低照度环境下对驾驶车辆前方的行人等障碍物进行检测就显得尤为重要。

近年来，行人检测的研究主要集中于可见光图像的研究，所采用的方法主要包括基于形状［3-4］、纹理［5］、体视［6］、运动［7］以及多特征融合［8-9］的方法。

基于多特征的红外图像行人检测胡庆新;王磊【摘要】In order to improve the accuracy of pedestrian detection in infrared images, an infrared pedestrian detection method is proposed in this paper. Firstly extract train samples′ Histogram of Oriented Gradients feature and Intensity Self-Similarity feature, combine these two features to train support vector machine (SVM), then use sliding window method to traverse an infrared image, the trained SVM is used to classification and detection. Experiments in LSI Far Infrared Pedestrian Dataset prove that based on multi-features method compared with based on single feature method improve infrared pedestrian detection accuracy, reduce the false positive rate and miss rate.%基于提高红外图像行人检测准确率的目的,提出了一种基于多特征的红外行人检测算法.首先提取训练样本的梯度方向直方图特征和强度自相似性特征,利用二者相结合得到联合特征训练支持向量机(SVM),之后利用滑动窗口法対整幅红外图像进行遍历,用训练好的SVM进行分类检测.在LSI Far Infrared Pedestrian Dataset数据库上实验证明,基于多特征的检测方法相较于单一特征的方法提高了红外行人检测的精度,降低了误检率和漏检率.【期刊名称】《电子设计工程》【年(卷),期】2016(024)004【总页数】5页(P182-185,189)【关键词】红外行人检测;梯度方向直方图;强度自相似特征;支持向量机【作者】胡庆新;王磊【作者单位】合肥工业大学计算机与信息学院安徽合肥 230009;合肥工业大学计算机与信息学院安徽合肥 230009【正文语种】中文【中图分类】TP391.4行人检测就是把图像中出现的行人从背景中分割出来并精确定位，行人检测是计算机视觉领域的研究难点与热点［1］。

基于图像处理的红外人体检测技术研究随着科技的进步，红外人体检测技术获得广泛应用。

这种技术可以通过分析人体热辐射产生的红外辐射，来检测人体的存在、活动和位置。

基于图像处理的红外人体检测技术，是目前研究的重点之一。

本文将详细探讨这种技术的原理、应用和未来发展。

一、基于图像处理的红外人体检测技术的原理基于图像处理的红外人体检测技术，是通过对红外图像进行分析和处理，来实现对人体的检测。

红外图像是由红外传感器捕捉到的，可见光无法看到的红外辐射图像。

当人体进入红外传感器的感知范围，其身体会产生热辐射，从而产生红外辐射图像。

通过分析这些图像，可以实现对人体的检测。

具体来说，基于图像处理的红外人体检测技术主要有以下几个步骤：1. 获取红外图像：通过红外传感器对场景进行扫描，获取红外图像。

2. 预处理：将获取的红外图像进行预处理，包括去噪、增强等。

3. 取特征：从处理后的红外图像中提取特征，如轮廓、边缘等。

4. 进行分类：根据取得的特征，对图像进行分类，以判断是否存在人体。

5. 输出结果：根据分类结果，输出检测结果。

二、基于图像处理的红外人体检测技术的应用基于图像处理的红外人体检测技术，可以应用于各个领域。

其中，最主要的应用领域是安防领域。

通过红外传感器的感知，可以对场景进行监测，从而保障场所的安全。

具体的应用包括以下几个方面：1. 火灾报警：基于图像处理的红外人体检测技术可以应用于火灾报警系统中。

当火灾发生时，可以通过红外传感器感知到人体的热辐射，从而尽早发出警报，保护人员的生命安全。

2. 物品盗窃检测：基于图像处理的红外人体检测技术可以应用于商场和超市等场所的物品盗窃检测。

通过监测场所中的人体，可以对盗窃行为进行监测和识别，从而提高场所的安全性。

3. 无人机监测：基于图像处理的红外人体检测技术可以应用于无人机监测领域。

在无人机任务中，需要对地面人体进行监测，以实现任务目标。

通过红外传感器的感知，可以对场景进行监测，从而实现对地面人体的监测。

基于红外技术的行人检测与识别算法研究红外技术是一种非常重要的无损检测技术，广泛应用于工业、军事、航空航天、医疗、环保等领域。

随着科技的不断进步，红外技术也逐渐用于人体检测与分析。

其中，基于红外技术的行人检测与识别算法是其最为重要的应用之一。

一、红外技术测量原理相比于可见光，红外波长更长，频率更低，人眼无法直接感知。

红外技术是通过测量物体辐射出的红外辐射来实现目标检测和识别的。

红外辐射的波长范围大约在0.75~1000微米，可分为短波(波长0.75~3微米)、中波(波长3~5微米)、长波(波长8~14微米)三种类型。

其中，中波和长波红外辐射的能量较高，适用于夜间目标侦测和识别。

二、基于红外技术的行人检测与识别算法目前，基于红外技术的行人检测与识别算法主要包括基于深度学习的算法和传统算法两种。

1.基于深度学习的算法深度学习是一种新兴的学习框架，比传统的机器学习方法更加高效、准确。

基于深度学习的行人检测与识别算法主要包括卷积神经网络(CNN)、循环神经网络(RNN)、长短时记忆网络(LSTM)等模型。

其中，CNN是最为常用的模型之一，通过提取图像中的特征信息来实现行人检测与识别。

2.传统算法传统的算法主要包括Haar特征算法、HOG(Histogram of Oriented Gradient)算法和SURF(Speeded-Up Robust Features)算法等。

其中，Haar特征算法是一种基于图像几何特征的特征检测方法，HOG算法则是一种基于图像梯度方向的特征检测方法。

三、红外行人检测与识别算法的应用场景基于红外技术的行人检测与识别算法已经被广泛应用于安防、城市交通、无人驾驶等领域。

其中，安防领域主要应用在监控大型场所，如机场、车站、商场等；城市交通领域主要应用在智能交通系统中，通过红外技术来识别和追踪行人，保障交通安全；无人驾驶领域则主要应用在自动驾驶汽车、无人机等场景中。

四、红外行人检测与识别算法存在的问题红外行人检测与识别算法虽然已经在多个领域得到应用，但是仍然存在一些问题。