光照变化下行人检测的直方图特征去干扰方法

本文研究的焦点在于解决基于图像差分的行人检测算法中光照变化对行人检测产生的干扰问题。在传统的行人检测方法中，由于光照条件的快速变化，如日出日落、室内室外切换等，会导致背景模型难以实时适应，从而影响到目标人物的准确识别。为了克服这一挑战，研究人员设计了一种新颖的光照变化干扰去除方法，其核心是利用直方图分布特征的相似性进行分析。 首先，他们分析了光照前后两幅图片局部区域的直方图分布特性，这是因为在图像中，不同的光照条件下，像素强度的分布情况会有所不同。通过比较这两幅图片的直方图，可以量化判断它们在光照变化下的相似程度。作者提出了一个评价参数——图像标准差，作为衡量直方图分布特征相似性的指标。标准差越大，表示两幅图片的亮度变化越大，可能存在的光照干扰也就越严重。 实验部分，作者在光照频繁变化的环境下，对相邻两帧图片进行了差分处理，结果显示，该方法表现出良好的鲁棒性，能够有效地抵抗光照突然变化造成的干扰，并能准确地分割出运动中的行人，同时抑制了光照大幅度变化带来的误检。这种方法对于视频监控中的行人检测应用具有实际价值，因为它能够在复杂的光照条件下提高行人检测的准确性和稳定性。 此外，作者孙炜、杨鹏飞、王聪、李飞和郑来芳分别来自湖南大学电气与信息工程学院，他们的研究领域涵盖了机器人与智能系统、模式识别、智能信息处理等多个方面，这表明他们的工作不仅限于理论研究，而且结合了实际应用的需求。他们的研究成果对于提升行人检测技术在实际场景中的性能具有重要意义，也为其他领域的图像处理和视频分析提供了新的思路和技术支持。 这篇论文通过深入研究直方图分布特征和图像标准差，提出了一种有效的光照变化干扰去除方法，对于提高基于图像差分的行人检测算法在复杂光照环境中的表现具有重要的理论和实践价值。