红外图像中基于MAP-MRF和亮度-距离联合空间的人体检测4.doc

红外图像中基于MAP-MRF模型和亮度-距离联合空间的人体检测 龚卫国1，杨金妃1，李建福1, 2 (1. 重庆大学 光电技术及系统教育部重点实验室 摘要：本文对红外图像序列中的人体检测问题进行研究，提出了一种基于最大后验概率(MAP)-马尔可夫随机场（MRF）模型和亮度-距离联合空间的人体实时检测方法。该方法首先根据图像具有马尔可夫性的特点，通过基于MAP-MRF模型的前景检测方法得到人体候选区域的可能位置，然后构建基于亮度-距离联合空间的分类特征，并采用支持向量机（SVM）分类器对候选区域进行分类检测。不同红外图像序列的实验结果均表明，本文的。测Human Detection Based on MRF and Intensity-Distance Joint Space in Far-Infrared Images GONG Wei-guo 1，YANG Jin-fei 1，LI Jian-fu 1, 2 (1. Key Laboratory for Optoelectronic Technology and System of the Education Ministry of China, Chongqing University, Chongqing, 400030, China; 2. Department of Computer and Modern Education Technology, Chongqing Education Colloge,Chongqing, 400067, China) Abstract: The human detection problem in far-infrared image sequences was studied in this paper, and an effective method for real-time human detection was presented. The method was based on Maximum A Posterior (MAP)-Markov Random Fields (MRF) model and intensity-distance joint space. According to the image feature of Markov, the foreground detection program based on MAP-MRF model was first adopted to locate the regions of interest (ROI). Then, it constructed a human representing model which was based on intensity-distance joint space and used support vector machine (SVM) to classify and detect the pedestrian region. Experimental results on different far-infrared image sequences show that the proposed scheme achieves highly accurate human detection. Key words: human detection; far-infrared image; Markov Random Fields; joint space; support vector machine 1 引 言 基于计算机视觉的人体检测技术广泛应用于智能视频监控、自动车辆辅助驾驶和高级人机接口等领域。在可见光视觉领域，目前已形成了许多有效的人体检测算法与监控系统[1-4]，但传统的可见光摄像机只能在白天工作，无法很好地满足监控系统的持续性要求。由于红外图像是热成像，具有很好的夜视性能，可以近似无差别地应用于白天和晚上，加之近年来红外成像系统价格的降低，红外摄像机已经成为昼夜视频监控系统的重要组成部分，红外图像中的人体检测问题也逐渐成为研究人员关注的重点[5-10]。红外图像中的人体检测对解决颜色、纹理、光照等影响监控质量的问题提供了有利的支持。但是，由于红外图像质量较差，信噪比较低，信息单一，易受周围环境中车辆、动物、路灯等热源的干扰，且人体周围常出现光晕效应，红外图像中的人体检测同时存在特有的挑战。 为了实现红外图像中人体的正确检测，首先需要选择人体可能存在的感兴趣区域（Regions Of Interest, ROI）。ROI划分的主要方法有：基于模板匹配的方法[5]、基于运动差分的方法[10]和基于亮度