基于改进高斯混合模型的红外人体目标检测方法

甘沅民

（中北大学 信息与通信工程学院，山西太原 030051）

0 引言

近年来，基于红外图像序列的人体检测技术被广泛应用于军事、安全保卫，以及人机交互等领域。红外图像能够在黑暗或者存在烟雾的环境下看到在可见光领域没办法看到的感兴趣目标，加之近年来红外成像器件价格不断降低，使得红外摄像机普及度越来越高。现在，它己经成为昼夜视频监控系统的重要组成部分。随之而来的是，越来越多的研究者开始加大对红外图像中的人体检测问题的研究力度。

红外图像并不像可见光成像那样，具有成像质量高、信噪比大、纹理信息多等多重优点。红外图像目标除了受表面温度影响外，还容易受目标表面特征朝向以及辐射波长的影响。周围环境中车辆、动物、路灯、电器等各种热源很容易对红外图像产生干扰，加之人体目标边缘模糊且常伴有光晕现象，使得红外图像中的人体检测技术研究具有相当大的挑战性。红外人体目标检测是指从图像序列中将人体可能存在的感兴趣区域从背景图像中提取出来。目前，我们在摄像机静止的情况下，常采用帧间差分法、背景差分法和光流法等检测方法。在这几种方法中，应用最为广泛的检测方法就是帧间差法。该法的核心问题是如何快速、准确地提取背景模型以及实现背景模型的更新的实时性，使背景模型尽可能地与视频帧图像的真实背景相似。其中，高斯混合模型法就是比较成功的一种，目前许多研究者对高斯混合模型提出一些改进方法，但仍有一些不足需进一步研究。……