[论文解读] Human Detection for Night Surveillance using Adaptive Background Subtracted Image

Yash Khandhediya, Karishma Sav+1 more|arXiv (Cornell University)|Sep 27, 2017

Video Surveillance and Tracking Methods参考文献 2被引用 9

一句话总结

本文提出一种结合自适应背景相减与HOG特征提取的自适应背景相减方法，用于在低光照条件下对热成像（FLIR）图像中的人体进行检测。通过利用热辐射传感并优化处理效率，该方法在夜间监控场景中提高了检测准确率并减少了执行时间。

ABSTRACT

Surveillance based on Computer Vision has become a major necessity in current era. Most of the surveillance systems operate on visible light imaging, but performance based on visible light imaging is limited due to some factors like variation in light intensity during the daytime. The matter of concern lies in the need for processing images in low light, such as in the need of nighttime surveillance. In this paper, we have proposed a novel approach for human detection using FLIR(Forward Looking Infrared) camera. As the principle involves sensing based on thermal radiation in the Near IR Region, it is possible to detect Humans from an image captured using a FLIR camera even in low light. The proposed method for human detection involves processing of Thermal images by using HOG (Histogram of Oriented Gradients) feature extraction technique along with some enhancements. The principle of the proposed technique lies in an adaptive background subtraction algorithm, which works in association with the HOG technique. By means of this method, we are able to reduce execution time, precision and some other parameters, which result in improvement of overall accuracy of the human detection system.

研究动机与目标

• 解决在可见光成像系统失效的低光照环境中的人体检测挑战。
• 克服传统监控系统在光照条件变化时性能下降的局限性。
• 开发一种专为夜间运行设计的鲁棒人体检测框架，利用热成像技术。
• 提高热成像处理中的人体检测准确率并降低计算开销。
• 将自适应背景相减与HOG结合，以增强特征提取与检测性能。

提出的方法

• 利用FLIR（前视红外）摄像机捕获基于近红外波段热辐射的热成像图像。
• 应用自适应背景相减算法，动态建模并从热成像图像中减去背景。
• 采用方向梯度直方图（HOG）从预处理后的热成像图像中提取特征。
• 将自适应背景相减与HOG集成，以增强检测鲁棒性并减少误报。
• 优化处理流程，以在保持高精度的同时减少执行时间。
• 实现实时处理热成像图像，支持在夜间监控系统中的实际部署。

实验结果

研究问题

• RQ1 在可见光成像失效的低光照条件下，如何有效实现人体检测？
• RQ2 自适应背景相减在热成像中在多大程度上提升了检测准确率？
• RQ3 HOG特征提取能否有效应用于热成像中的人体检测？
• RQ4 自适应背景相减与HOG的集成如何降低执行时间并提升精度？
• RQ5 所提方法在不同夜间监控条件下，其准确率与鲁棒性表现如何？

主要发现

• 所提方法通过利用对低光照不敏感的热成像技术，实现了更高的检测准确率。
• 自适应背景相减有效降低了背景噪声，增强了热序列中前景的检测能力。
• 将HOG与自适应背景相减结合，为人体形状提供了更具判别力的特征表示。
• 由于处理流程的优化，执行时间显著减少，实现了实时应用。
• 系统在复杂热成像条件下仍表现出稳健的人体检测性能。
• 与传统方法相比，该方法在低光照场景中表现更优，且不再依赖可见光。