[发明专利]一种基于特征匹配的红外人体目标检测跟踪方法

权利要求书

1.一种基于特征匹配的红外人体目标检测跟踪方法，其特征在于：包括以下步骤：

步骤一：对红外图像进行对比度增强；

步骤二：对单帧红外图像进行背景抑制，把红外人体目标与具有相关性的背景加以分离；

步骤三：在空域和频域中对红外图像进行高通滤波，来分离出淹没在复杂背景中的红外人体目标；

步骤四：对于灰度直方图不是双峰分布的红外图像，采用分区域进行聚类分析，再根据聚类后的各类别聚类中心的分布寻找适当的分割阈值把目标分离出来；

步骤五：对红外图像采用开运算去噪处理，除去面积小于5个像素的孤立高亮度噪声点；

步骤六：对红外图像进行邻接四邻域标注或邻接八邻域标注，在各个标注区域内采用基于区域特征的方法来判断是否包含人体目标；

步骤七：在人体区域确定后，采用比较人体区域与形状模板间亮度关系来进行检测。

2.根据权利要求1所述的基于特征匹配的红外人体目标检测跟踪方法，其特征在于：所述的步骤四中，对红外图像的灰度直方图采用图像的标准差初始化类间距离，划分聚类空间来确定分类数并进行K均值聚类，然后考察聚类空间K_i与其相邻两个聚类空间K_i+1和K_i-1的关系；首先将红外图像的灰度直方图划分为多个区域进行多聚类分析，然后对聚类后不同类别聚类中心的分布进行分析，最后从中找到极大值点作为该图像分割阈值把目标从图像中分离出来。

3.根据权利要求1所述的基于特征匹配的红外人体目标检测跟踪方法，其特征在于：所述的步骤六中，在判定一个目标是否包含人体目标时，考虑目标像素数和邻接矩形框的宽高比两个因素；最小能探测到的目标的大小是由目标模板的像素最小值决定，将最小值设定为100，小于100像素的目标作为候选目标元素；由于视频中的人体姿势大都呈纵向分布，宽高比一般小于1，可以根据邻接矩形的宽高比忽略大于1的矩形框所包含的目标。

4.根据权利要求1所述的基于特征匹配的红外人体目标检测跟踪方法，其特征在于：所述的步骤七中，对人体目标的方向梯度直方图特征、形状特征及亮度分布惯性特征进行整合构建一个新的复合分类特征，并用支持向量机分类器进行人体检测。

5.根据权利要求2所述的基于特征匹配的红外人体目标检测跟踪方法，其特征在于：所述的K均值聚类方法为：

设聚类前后的各聚类中心值分别为及u_i，u_i-1，u_i+1，由于在聚类前呈线性关系，其关系式满足：

聚类后，u_i，u_i-1，u_i+1的相对关系表示为：

假如聚类空间K_i-1，K_i，K_i+1内的像素都属于同一类目标，聚类后Δu_i-1，Δu_i，Δu_i+1的值很小，由此可得l≈1，其含义为：同属一类目标的三类聚类中心在聚类完前后的线性关系不应该被破坏，其相对变化很小；如果其中某一聚类空间的中心值聚类前后变化范围差距较大，此时线性关系遭到破坏，聚类中心值的走向趋势会出现明显的转折，以此转折点处类别像素集的实际灰度临界值为图像分割阈值就能把目标区域分割出来；

采用聚类中心值的相对增量差分的绝对值来求直方图聚类中心转折点，其关系如式表示：

寻找靠近饱和方向上的CR的极大值点对应的类别作为转折点，把转折点处两相邻聚类中心值的平均值取为阈值，对整个图像进行二值化分割；还可以采用只对高于图像平均亮度的像素进行分析。

6.根据权利要求4所述的基于特征匹配的红外人体目标检测跟踪方法，其特征在于：所述的步骤七具体方法为：

把目标区域的长和宽分别为m和n的矩形框表示，在矩形框内分别对红外人体目标的距离和亮度特征进行分析；I(x,y)表示像素点(x,y)的亮度值，则构建亮度-距离二维直方图的步骤为：

构建距离特征直方图：计算每个像素点(x,y)到矩形图像中心点(x₀,y₀)的距离：

将各点距离映射到直方图的相应级数上，获得距离直方图：

其中，k＝1,2,...,z为直方图级数，δ为Kronecker delta函数；

构建亮度特征直方图：构造一个函数将每个像素点的亮度值映射到直方图相应级数上得到亮度直方图，并以此作为表征人体目标区域的亮度特征：

其中，p＝1,2,...,t为直方图级数，δ为Kronecker delta函数；

构建联合直方图：将上述两个特征直方图通过下式融合，构建亮度-距离联合直方图：

首先对级数分别为z和t的二维直方图进行降维，把其转变为级数为z×t的一维联合直方图，然后对其进行归一化，最后用分类器对其进行分类且根据结果进行量化分析，找到合适的直方图级数实现跟踪最优化。