基于紅外圖像的人體姿勢識別方法研究
發(fā)布時間：2021-04-09 22:57
智能視頻監(jiān)控系統(tǒng)是圖像處理領域、模式識別領域的研究熱點,對于軍用及民用都有重要的研究意義,而基于紅外攝像頭的智能監(jiān)控更有實現全天候工作的優(yōu)點,能在夜間或惡劣環(huán)境下工作。本文以紅外智能監(jiān)控系統(tǒng)為應用背景,主要對其關鍵技術紅外人體姿勢識別方法中的紅外目標分割、特征提取以及分類識別這幾個方面進行了研究。對于紅外目標分割算法部分,基于傳統(tǒng)的區(qū)域生長算法需要以人工交互的方式選取初始種子點,本文提出了將視覺顯著性與區(qū)域生長結合的方法對其進行改進。利用基于頻譜殘差的視覺顯著性模型來確定目標的顯著區(qū)域,通過對顯著圖進行處理得到目標區(qū)域的重心,最后以重心作為起始點進行區(qū)域生長分割,實現了目標分割的自動化。對于特征提取算法部分,針對由于紅外圖像的成像特點造成的其紋理信息差、灰度信息分布低等缺點,本文分別以幾何特征、傅里葉描述子、Hu不變矩對圖像的形狀特征進行提取,并根據穩(wěn)定性及可區(qū)分性原則對提取的特征進行了優(yōu)化選擇。對于目標分類識別算法部分,分別使用了KNN算法及SVM算法完成了對自創(chuàng)建的紅外人體姿勢圖像庫的姿勢識別,并提出了根據DTW距離對FKNN算法的改進算法,提高了識別的準確率。通過實驗驗證了本文所...
【文章來源】：沈陽航空航天大學遼寧省
【文章頁數】：60 頁
【學位級別】：碩士
【部分圖文】：
中值濾波結果
通過將高斯核與所對應的圖像位置進行卷積運算以實現對圖像像素的加權平均從而去除了噪聲。圖2.3 所示為對于站立姿勢的紅外圖像進行基于 5 5的高斯核的高斯濾波結果。(a) 原始圖像 (b) 加噪圖像 (c) 高斯濾波后圖像圖 2.3 高斯濾波結果2.2.2 數學形態(tài)學處理數學形態(tài)學處理是利用結構元素來對圖像進行操作，主要可以用來提取目標的邊界以及具有區(qū)域填充和去除噪聲的作用。它是圖像處理領域的有力工具，經常被用在圖像的預處理和后處理的過程中。形態(tài)學處理主要分為膨脹、腐蝕以及開、閉運算[16]。
中 c1 、 c 2為常數，且 c1 + c2 1。進的 SR 模型具體流程如圖 3.3 所示：原始圖像水平梯度垂直梯度水平顯著圖最終顯著圖垂直顯著圖Prewitt算子SR模型SR模型融合圖 3.3 改進的 SR 模型流程圖實驗結果分析圖 3.4 所示，選取一張單目標紅外圖像和一張多目標紅外圖像作為測試數原始 SR 模型和改進的 SR 模型對數據組圖像進行測試得到顯著圖，圖中對應于原圖、原 SR 模型所得結果、以及改進的 SR 模型所得結果。
【參考文獻】：
期刊論文
[1]基于邊緣信息和Otsu的紅外圖像分割方法[J]. 曲楊,許衛(wèi)東,楊駿堂,童俊. 指揮控制與仿真. 2017(06)
[2]基于區(qū)域生長的圖像分割研究進展[J]. 徐蔚波,劉穎,章浩偉. 北京生物醫(yī)學工程. 2017(03)
[3]紅外圖像預處理研究概述[J]. 時譽寧. 黑龍江科技信息. 2017(06)
[4]圖像邊緣檢測算法的比較分析[J]. 王娟. 電子測試. 2016(23)
[5]紅外成像制導技術發(fā)展展望[J]. 楊俊彥,吳建東,宋敏敏. 紅外. 2016(08)
[6]基于Hu不變矩及傅里葉描述子的手勢分類算法[J]. 張?zhí)祜w,龍海燕,全海燕,丁嬌,郭慧. 電子技術與軟件工程. 2016(04)
[7]基于多特征的紅外圖像行人檢測[J]. 胡慶新,王磊. 電子設計工程. 2016(04)
[8]模式識別及其在圖像處理中的應用[J]. 高翔,邢玉娟. 自動化與儀器儀表. 2015(03)
[9]智能視頻監(jiān)控技術綜述[J]. 黃凱奇,陳曉棠,康運鋒,譚鐵牛. 計算機學報. 2015(06)
[10]紅外視頻監(jiān)控中的人體目標檢測[J]. 汪金禮,王皓,袁寶紅,劉鴻濤,蘇亞輝,尹濤. 測試技術學報. 2014(01)
博士論文
[1]基于圖像識別理論的智能交通系統(tǒng)關鍵技術研究[D]. 耿慶田.吉林大學 2016
[2]基于計算機視覺的行人交通信息智能檢測理論和關鍵技術研究[D]. 王愛麗.北京交通大學 2016
[3]基于計算機視覺的人體行為識別研究[D]. 邵延華.重慶大學 2015
[4]灰度圖像閾值分割的自適應和快速算法研究[D]. 陽樹洪.重慶大學 2014
[5]紅外圖像中人體目標檢測、跟蹤及其行為識別研究[D]. 李建福.重慶大學 2010
[6]支持向量機方法及其應用研究[D]. 王書舟.哈爾濱工業(yè)大學 2009
碩士論文
[1]基于智能監(jiān)控系統(tǒng)的圖像分割技術研究[D]. 楊洋.中國科學技術大學 2016
[2]基于視覺顯著性的紅外小目標檢測算法研究[D]. 白婷.華中科技大學 2016
[3]基于傅里葉描述子的物體形狀識別的研究[D]. 彭正初.哈爾濱工業(yè)大學 2016
[4]老人監(jiān)護系統(tǒng)中的姿態(tài)識別算法研究[D]. 曲中鑫.哈爾濱工業(yè)大學 2015
[5]基于姿態(tài)估計的行為識別方法研究[D]. 張培浩.南京航空航天大學 2015
[6]融合多特征的圖像檢索研究[D]. 齊新勇.重慶大學 2014
[7]基于視頻監(jiān)控的人體異常行為識別系統(tǒng)研究[D]. 羅芳.廣東工業(yè)大學 2013
[8]海空背景下紅外艦船目標識別方法研究[D]. 劉世軍.電子科技大學 2011
[9]基于形狀特征的人體行為識別方法研究[D]. 黃靜.燕山大學 2010
[10]基于人體姿勢分析的智能監(jiān)控系統(tǒng)研究[D]. 陳瑞強.燕山大學 2010
本文編號：3128457
【文章來源】：沈陽航空航天大學遼寧省
【文章頁數】：60 頁
【學位級別】：碩士
【部分圖文】：
中值濾波結果
通過將高斯核與所對應的圖像位置進行卷積運算以實現對圖像像素的加權平均從而去除了噪聲。圖2.3 所示為對于站立姿勢的紅外圖像進行基于 5 5的高斯核的高斯濾波結果。(a) 原始圖像 (b) 加噪圖像 (c) 高斯濾波后圖像圖 2.3 高斯濾波結果2.2.2 數學形態(tài)學處理數學形態(tài)學處理是利用結構元素來對圖像進行操作，主要可以用來提取目標的邊界以及具有區(qū)域填充和去除噪聲的作用。它是圖像處理領域的有力工具，經常被用在圖像的預處理和后處理的過程中。形態(tài)學處理主要分為膨脹、腐蝕以及開、閉運算[16]。
中 c1 、 c 2為常數，且 c1 + c2 1。進的 SR 模型具體流程如圖 3.3 所示：原始圖像水平梯度垂直梯度水平顯著圖最終顯著圖垂直顯著圖Prewitt算子SR模型SR模型融合圖 3.3 改進的 SR 模型流程圖實驗結果分析圖 3.4 所示，選取一張單目標紅外圖像和一張多目標紅外圖像作為測試數原始 SR 模型和改進的 SR 模型對數據組圖像進行測試得到顯著圖，圖中對應于原圖、原 SR 模型所得結果、以及改進的 SR 模型所得結果。
【參考文獻】：
期刊論文
[1]基于邊緣信息和Otsu的紅外圖像分割方法[J]. 曲楊,許衛(wèi)東,楊駿堂,童俊. 指揮控制與仿真. 2017(06)
[2]基于區(qū)域生長的圖像分割研究進展[J]. 徐蔚波,劉穎,章浩偉. 北京生物醫(yī)學工程. 2017(03)
[3]紅外圖像預處理研究概述[J]. 時譽寧. 黑龍江科技信息. 2017(06)
[4]圖像邊緣檢測算法的比較分析[J]. 王娟. 電子測試. 2016(23)
[5]紅外成像制導技術發(fā)展展望[J]. 楊俊彥,吳建東,宋敏敏. 紅外. 2016(08)
[6]基于Hu不變矩及傅里葉描述子的手勢分類算法[J]. 張?zhí)祜w,龍海燕,全海燕,丁嬌,郭慧. 電子技術與軟件工程. 2016(04)
[7]基于多特征的紅外圖像行人檢測[J]. 胡慶新,王磊. 電子設計工程. 2016(04)
[8]模式識別及其在圖像處理中的應用[J]. 高翔,邢玉娟. 自動化與儀器儀表. 2015(03)
[9]智能視頻監(jiān)控技術綜述[J]. 黃凱奇,陳曉棠,康運鋒,譚鐵牛. 計算機學報. 2015(06)
[10]紅外視頻監(jiān)控中的人體目標檢測[J]. 汪金禮,王皓,袁寶紅,劉鴻濤,蘇亞輝,尹濤. 測試技術學報. 2014(01)
博士論文
[1]基于圖像識別理論的智能交通系統(tǒng)關鍵技術研究[D]. 耿慶田.吉林大學 2016
[2]基于計算機視覺的行人交通信息智能檢測理論和關鍵技術研究[D]. 王愛麗.北京交通大學 2016
[3]基于計算機視覺的人體行為識別研究[D]. 邵延華.重慶大學 2015
[4]灰度圖像閾值分割的自適應和快速算法研究[D]. 陽樹洪.重慶大學 2014
[5]紅外圖像中人體目標檢測、跟蹤及其行為識別研究[D]. 李建福.重慶大學 2010
[6]支持向量機方法及其應用研究[D]. 王書舟.哈爾濱工業(yè)大學 2009
碩士論文
[1]基于智能監(jiān)控系統(tǒng)的圖像分割技術研究[D]. 楊洋.中國科學技術大學 2016
[2]基于視覺顯著性的紅外小目標檢測算法研究[D]. 白婷.華中科技大學 2016
[3]基于傅里葉描述子的物體形狀識別的研究[D]. 彭正初.哈爾濱工業(yè)大學 2016
[4]老人監(jiān)護系統(tǒng)中的姿態(tài)識別算法研究[D]. 曲中鑫.哈爾濱工業(yè)大學 2015
[5]基于姿態(tài)估計的行為識別方法研究[D]. 張培浩.南京航空航天大學 2015
[6]融合多特征的圖像檢索研究[D]. 齊新勇.重慶大學 2014
[7]基于視頻監(jiān)控的人體異常行為識別系統(tǒng)研究[D]. 羅芳.廣東工業(yè)大學 2013
[8]海空背景下紅外艦船目標識別方法研究[D]. 劉世軍.電子科技大學 2011
[9]基于形狀特征的人體行為識別方法研究[D]. 黃靜.燕山大學 2010
[10]基于人體姿勢分析的智能監(jiān)控系統(tǒng)研究[D]. 陳瑞強.燕山大學 2010
本文編號：3128457
本文鏈接：http://www.sikaile.net/kejilunwen/dianzigongchenglunwen/3128457.html
