[论文解读] A high performance approach to detecting small targets in long range low quality infrared videos

Chiman Kwan, Bence Budavari|arXiv (Cornell University)|Dec 4, 2020

Infrared Target Detection Methodologies参考文献 29被引用 5

一句话总结

本文提出了一种高性能方法，通过结合视频分辨率增强、基于局部强度与梯度（LIG）的检测器、连通域分析以及轨迹关联，实现对远距离、低质量中波红外（MWIR）视频中微小目标的检测。在真实MWIR视频（3500–5000 m距离）上进行评估，该方法显著提升了在低信噪比（SNR）条件下的检测准确率与鲁棒性。

ABSTRACT

Since targets are small in long range infrared (IR) videos, it is challenging to accurately detect targets in those videos. In this paper, we propose a high performance approach to detecting small targets in long range and low quality infrared videos. Our approach consists of a video resolution enhancement module, a proven small target detector based on local intensity and gradient (LIG), a connected component (CC) analysis module, and a track association module to connect detections from multiple frames. Extensive experiments using actual mid-wave infrared (MWIR) videos in ranges between 3500 m and 5000 m from a benchmark dataset clearly demonstrated the efficacy of the proposed approach.

研究动机与目标

• 解决在空间分辨率和信噪比均较低的远距离红外视频中检测微小、微弱目标的挑战。
• 提升在3500–5000 m距离下捕获的中波红外（MWIR）视频中的检测性能，此时目标表现为亚像素特征。
• 开发一种鲁棒的端到端处理流程，实现分辨率增强、微小目标检测以及帧间时间一致性保持。
• 在真实世界基准数据集的远距离MWIR视频序列上展示方法的有效性。

提出的方法

• 应用视频分辨率增强模块，以提升低质量红外序列的空间分辨率并降低噪声。
• 采用基于局部强度与梯度（LIG）的微小目标检测器，依据局部对比度与梯度特征识别候选目标。
• 应用连通域（CC）分析，将空间上一致的检测结果聚类，以抑制误报。
• 通过轨迹关联模块将帧间检测结果连接，形成时间上一致的目标轨迹。
• 将分辨率增强、检测、分割与跟踪整合为统一的处理链。
• 在覆盖3500–5000 m距离的实际MWIR视频序列基准数据集上评估该方法。

实验结果

研究问题

• RQ1 视频分辨率增强是否能显著提升远距离红外视频中微小目标的可检测性？
• RQ2 在低信噪比条件下，基于LIG的检测器在识别亚像素目标方面的效果如何？
• RQ3 连通域分析在微小目标检测中能将误报减少到何种程度？
• RQ4 在低质量视频序列中，轨迹关联在多帧之间维持一致目标轨迹的能力如何？
• RQ5 该集成处理流程在真实世界远距离MWIR视频数据上的整体检测性能如何？

主要发现

• 所提方法在3500 m至5000 m距离的真实MWIR视频序列上实现了卓越的检测性能。
• 分辨率增强与基于LIG的检测相结合，显著提升了检测率，优于基线方法。
• 连通域分析有效通过过滤孤立、非连续的检测结果，减少了误报。
• 轨迹关联成功在多帧之间维持了稳定的目标轨迹，提升了跟踪可靠性。
• 完整处理流程在低信噪比、远距离红外视频条件下表现出强鲁棒性与高性能。