基于热红外图像的人体目标检测方法：运动和静态检测融合

由于人体灰度非均匀、遮挡以及相机运动等因素，上述LSAC模型所得结果Rt和中，很可能存在人体破碎和噪声问题，需要进一步处理。图像修复是提高破碎目标完整性的常用方法，但是，它们常存在计算效率或参数选择方面的困难，应用于人体目标修复的实用性不强。形态学滤波也是去除噪声的通常方法，但常规形态学滤波器常常导致锯齿状边缘，破坏LSAC模块所输出目标轮廓的光滑性。

为提高人体区域的完整性，同时去除噪声，基于开重建技术对分割结果Rt和进行融合。开重建是从种子点开始，在掩膜图像上逐步扩展种子区域，最终恢复掩膜图像中种子点所在的子区域，从而达到滤除其他子区域的目的。相对常规形态学滤波器，开重建能使连通区域的形状在重建前后保持完全一致。图3.25展示了开重建的效果。

图3.25　开重建效果示例

基于开重建的融合过程分两步。第一步，采用开重建去除Rt和R′t中的噪声。由于Rt和R′t是由两独立模块获得的，其中的噪声在空间位置上不相关，而其中的人体区域因具有稳定性而使两者必然有部分区域相互重合。因此，以两者间的重叠区域为种子，分别以Rt和R′t为掩膜进行开重建运算，则Rt和R′t中的噪声区域将在一定程度上被去除。第二步，通过逻辑或组合第一步输出的重建结果，提高人体区域完整性。这个过程的数学表达式为

其中，“○”表示开重建运算。

图3.26演示了式（3.51）的工作效果，其中图3.26（b）和（c）分别是图3.26（a）的运动检测和静态检测结果，图3.26（d）是对两者的融合检测结果。可见图3.26（b）和（c）中大部分噪声区域被成功去除，人体区域的完整性明显提高。最后，将Ro输出作为对ft帧的分割结果。

图3.26　融合模块工作效果示例(www.xing528.com)

图3.27展示了本节方法的完整工作流程，图中虚框标识了其中的主要模块。图3.28按数据流向通过示例展示了该工作流程。

图3.27　本节方法的完整工作流程图

图3.28　完整算法工作流程示例

（a）运动检测模块的LSF初始值；（b）初始背景图像；（c）待分割图像帧；（d）为图（c）估计的背景图像；（e）为图（c）与图（d）的绝对差值图像；（f）运动检测模块LSF收敛值；（g）由（f）得到的目标轮廓；（h）静态检测模块LSF收敛值；（i）由（h）得到的目标轮廓；（j）最终目标轮廓；（k）目标区域

图3.27中，运动检测模块的运行，需要人工初始化对应序列前（n+1）帧的LSF和背景参考图像。由于模型求解采用基于BLSF的数值算法，因而应将LSF初始化为BLSF形式。对背景图像的初始化没有严格要求，使用前几帧的均值、中值，甚至序列首帧即可。初始化完成后，模块在运行过程中还需不断更新LSF和背景图像。但注意每次更新中只需为新取的图像帧做相应计算，其余帧需要的LSF和背景图像都从现有结果中通过时序移位得到。

静态检测模块的工作独立于运动检测模块，理论上它需要的LSF初始值可设为BLSF形式的任意值，但这里将其设置为运动检测模块的解，使它的初始解和最终解较为接近，以加快模型的收敛。

以上措施实现了对算法整体流程的优化，有利于改善整体效率。