[发明专利]一种基于时空协同框架的红外目标检测方法

说明书

 

技术领域

本发明涉及一种红外目标检测方法，尤其是涉及一种基于时空协同框架的红外目标检测方法。

 

背景技术

智能视频监控是当前计算机视觉领域的研究热点，而目标检测作为智能视频监控中最基本的组成部分，其检测性能直接影响到随后的目标跟踪与识别。近年来，随着红外探测技术的不断发展及红外产品成本的降低，采用或结合红外成像机制的智能视频监控系统逐渐成为智能视频监控领域的发展趋势。

基于红外探测技术的监控系统能解决传统视频监控系统存在的一些固有问题：阴影干扰、光照依赖性强和不适应夜间环境等；红外成像技术与可见光和雷达方式相比具有显著的优点，它能提供二维图像信息，具有高灵敏度、高空间分辨率、强隐蔽性、环境适应性好、抗干扰能力强、大动态范围和全天候工作能力强等优势；尤其适合于小目标信号的探测与多目标的鉴别，具有在复杂背景条件下捕获、识别、锁定和跟踪目标的自动决策能力。

从二十世纪五十年代开始，美国率先开始了红外探测与跟踪技术的研究，随后法国、德国、俄罗斯和加拿大等国也相继开展了有关红外探测的军事应用研究。目前，国外对“红外被动预警探测系统”技术研究加大了投资力度，尤其是美国把它作为“国家安全防御体系”的一个重要课题。已有众多学者在该领域中展开了深入而细致的研究工作，并相继提出了显著轮廓差分法、局部梯度建模分类法和光流法等典型算法。IEEE Trans. Aeros. Electron. Sys.、IEEE Trans. Signal Proc.、IEEE Trans. Image Proc.、Opt. Eng.和IEE Proc.等国际刊物，经常会发表一些关于红外目标检测与跟踪算法的最新研究成果；IEEE CVPR自2004年开始，每年都会举办一次专门针对红外及其它可见光之外的目标跟踪和分类的国际会议OTCBVS (Object Tracking and Classification in and Beyond the Visible Spectrum)，并相继提出了一些有效的研究思路和处理方法。

目前的红外目标检测算法大致可分为两大类：基于运动特征的方法和基于形状特征的方法。基于形状特征的方法通常提取目标模板特征（如边缘段、梯度直方图和SURF特征等），结合优良的分类器（如SVM和Adaboost）进行目标检测。该类算法通常针对特定目标，且需要大量的训练样本数据，其检测性能很大程度上依赖于所收集的样本库；而基于运动特征的方法通常采用背景差分法提取候选目标，再依据目标特性去除虚假目标保留真实目标，其检测性能很大程度上依赖于背景模型的可靠性。

目前复杂场景下的红外目标检测的难点主要体现在以下几个方面：(1) 红外成像为热源成像，图像中目标和边界可能模糊不清；(2) 图像中存在着大量的自然干扰（背景杂波）和人为干扰容易造成虚警；(3) 红外成像机制特有的光环效应严重干扰了目标的检测与识别；(4) 红外目标的信噪比低，以至于传统的目标检测方法难以奏效。

 

发明内容

本发明主要是解决现有技术所存在的红外成像为热源成像，图像中目标和边界可能模糊不清等的技术问题；提供了一种采用逐级分类策略能有效地融合空间与时间信息，不依赖于任何的目标形状和运动信息先验知识的一种基于时空协同框架的红外目标检测方法。

本发明还有一目的是解决现有技术所存在的图像中存在着大量的自然干扰（背景杂波）和人为干扰容易造成虚警等的技术问题；提供了一种采用多层次时空中值滤波器能有效去除前景目标干扰，提取合理的实际背景帧信息，适用于复杂的户外场景，并采用模糊自适应共振神经网络进行局部目标检测，能有效去除虚假目标，降低虚警率的一种基于时空协同框架的红外目标检测方法。

本发明再有一目的是解决现有技术所存在的红外成像机制特有的光环效应严重干扰了目标的检测与识别等的技术问题；提供了一种采用基于纹理的二值限制型主动活动轮廓模型能有效提取准确、平滑的目标轮廓，有利于后续的目标识别的一种基于时空协同框架的红外目标检测方法。

本发明最后有一目的是解决现有技术所存在的红外目标的信噪比低，以至于传统的目标检测方法难以奏效等的技术问题；提供了一种采用主成份分析技术能有效抑制背景杂波，突出目标提高信噪比，引进局部加权投票策略，采用空间关联模糊自适应共振神经网络能准确定位感兴趣目标区域，提高目标检测率降低计算量的一种基于时空协同框架的红外目标检测方法。

本发明的上述技术问题主要是通过下述技术方案得以解决的：