一种基于VIS-IR图像的多源融合人体目标检测方法技术

本发明专利技术公开了一种基于VIS

【技术实现步骤摘要】
一种基于VIS
‑
IR图像的多源融合人体目标检测方法


[0001]本专利技术属于目标检测
，特别是一种基于VIS
‑
IR图像的多源融合人体目标检测方法。

技术介绍

[0002]可见光图像具有成像分辨率高、目标细节信息丰富等特点，在非特殊情况下，会更受科研领域和民用关注。基于深度学习的目标检测是当前科学研究的一大热点。目前针对可见光的经典目标检测方法主要包括单阶段(YOLO、SSD、RetinaNet等)和多阶段方法(Fast RCNN、Faster RCNN等)。其中，YOLO系列方法中的YOLOv4方法是最为通用且效果最佳的目标检测方法。
[0003]红外成像技术具有工作距离远、抗干扰能力强、测量精度高、不受天气影响、能昼夜工作，以及穿透烟雾能力强等特点，因此红外成像技术一经提出便得到科研领域和民用的广泛关注，市场对红外目标的检测需求也随之增加。由于红外图像成像模糊、分辨率差、信噪比低、对比度低，以及图像灰度分布与目标反射特征无线性关系。因此难以使用主流的深度神经网络对红外图像进行目标检测。而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于VIS
‑
IR图像的多源融合人体目标检测方法，其特征在于，所述方法包括以下步骤：步骤1，采集同一场景的红外图像即IR图像，以及可见光图像即VIS图像；步骤2，对IR图像进行人体目标检测，并记录框住目标的检测框的四点坐标；步骤3，对VIS图像进行人体目标检测，并记录框住目标的检测框的四点坐标；步骤4，对IR图像与VIS图像进行图像配准，将IR图像检测到的人体目标坐标映射到VIS图像上；步骤5，过滤重复检测框，将剩余的检测框添至VIS图像中，完成整个目标检测过程。2.根据权利要求1所述的基于VIS
‑
IR图像的多源融合人体目标检测方法，其特征在于，步骤2所述对IR图像进行人体目标检测，并记录框住目标的检测框的四点坐标，具体包括：步骤2
‑
1，使用基于最值归一化的方法对IR图像进行处理，以将IR图像映射到电子显示设备；步骤2
‑
2，对IR图像进行滤波处理；步骤2
‑
3，通过边缘检测算子分割人体目标；步骤2
‑
4，基于傅里叶描述子提取人体目标；步骤2
‑
5，基于Adaboost算法对人体目标进行分类检测，并记录框住图像目标的检测框的四点坐标。3.根据权利要求2所述的基于VIS
‑
IR图像的多源融合人体目标检测方法，其特征在于，步骤2
‑
1具体包括：记红外图像的像素值为f(x,y)，其中x、y分别为像素值横向和纵向的位置；步骤2
‑1‑
1，统计IR图像的像素灰度值直方图P(k)，k＝0,1,2,3,...,L
‑
1，其中k代表灰度值，L为灰度阶数；步骤2
‑1‑
2，从直方图的最小像素灰度值和最大像素灰度值分别向中间进行像素灰度值个数累计统计，直至满足从最小像素灰度值累积的和大于预设阈值S1，从最大像素灰度值累计的和大于预设阈值S2，停止对像素灰度值累计，并记下最小累计像素灰度值为f
min
(x,y)，最大累计像素值为f
max
(x,y)；步骤2
‑1‑
3，对IR图像像素值进行归一化：4.根据权利要求3所述的基于VIS
‑
IR图像的多源融合人体目标检测方法，其特征在于，步骤2
‑
2具体进行中值滤波。5.根据权利要求4所述的基于VIS
‑
IR图像的多源融合人体目标检测方法，其特征在于，步骤2
‑
3的边缘检测算子采用Sobel算子。6.根据权利要求5所述的基于VIS
‑
IR图像的多源融合人体目标检测方法，其特征在于，步骤3具体采用单阶段检测算法即Yolov4算法对可见光图像进行人体目标检测。7.根据权利要求6所述的基于VIS
‑
IR图像的多源融合人体目标检测方法，其特征在于，
步骤4的具体过程包括：步骤4
‑
1，轮廓提取采用Sobel算子对IR图像进行边缘检测，再采用Canny算子对处理后的VIS图像进行边缘检测；步骤4
‑
2，角点检测对步骤4
‑
1边缘控制点进行...

【专利技术属性】
技术研发人员：顾晶晶，陈俊义，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：