基於多光譜成像的人體頭肩檢測系統研究

《基於多光譜成像的人體頭肩檢測系統研究》是依託北京交通大學，由侯亞麗擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於多光譜成像的人體頭肩檢測系統研究
• 項目類別：青年科學基金項目
• 項目負責人：侯亞麗
• 依託單位：北京交通大學

項目摘要

人體檢測在HOV車道(即大容量車輛行車道)上的乘客檢測、人機互動及未來視頻監控等套用中都有著非常重要的作用。但是，目前多數檢測系統面臨背景中形似人體物品的干擾。多光譜圖像可以獲得比傳統RGB圖像更多的場景信息，將有助於降低系統誤檢率。頭肩檢測是人體檢測中一個重要部分，基於目前研究現狀，本項目將從三個方面展開基於多光譜圖像的頭肩檢測系統研究。首先，本項目將依據皮膚的獨特反射特性提出一種對多光譜頭肩檢測系統進行有效波段選擇的算法，簡化成像系統複雜度；第二，研究多光譜圖像融合算法，綜合利用單像素反射特性與空間紋理特徵提高多光譜皮膚及頭髮區域檢測的可靠性，為頭肩檢測提供更有力的依據；第三，研究基於多光譜圖像的頭肩檢測特徵，並分別探討不同光照條件下的特徵提取方法，利用多光譜信息提高檢測性能。最終，將頭肩特徵檢測與皮膚及頭髮區域結果相結合，建立一個多光譜頭肩檢測系統。

結題摘要

鑒於可見光圖像在人體檢測方面的局限性，多光譜圖像通過採集多個波段的圖像信息，利用更多的人體屬性克服可見光成像在檢測方面的缺陷。項目就基於多光譜的人體檢測研究，主要完成了以下幾項工作：（1）搭建窄帶多光譜人體頭肩檢測系統，從系統搭建、資料庫建立、成像波段選擇及多光譜檢測特徵提取等多方面進行了廣泛深入的探索。提出了對人臉及多種常見類人臉物體區分的有效波段，並對多光譜反射特徵、梯度特徵及不同成像環境的特徵設計提出了新的方法。研究成果不僅適用於多光譜活體檢測，也可以進一步擴大套用到其他多光譜相關技術領域。（2）基於近年來深度卷積網路在目標檢測與識別領域的興起及大型可見光及紅外多光譜行人檢測資料庫的提出，項目對基於深度卷積網路的多光譜人體檢測技術也進行了深入的研究。在深入理解卷積神經網路在目標檢測中的工作機理基礎上，從像素級、特徵級等多種融合方式出發研究了可見光與紅外多光譜信息在基於深度卷積網路方法中套用的有效手段，揭示了像素級圖像融合和基於網路融合框架方式之間的互補性；（3）作為人體頭肩及人臉檢測在交通領域的一個重要套用，項目進一步對駕駛員疲勞駕駛的檢測進行了初步的研究，在頭部及眼睛定位的基礎上，依據PERCLOS準則的P80標準，通過眼睛閉合狀態在一定時間內所占比例與人體疲勞的關係，設計了一套駕駛員疲勞駕駛檢測系統，在初步驗證中取得了較好的檢測效果和準確率。 該項目的理論與套用研究取得了多項研究成果。在項目的支持下，已發表SCI學術期刊論文2篇；審稿中SCI期刊論文3篇，其中2篇已到小修階段；審稿中國際EI會議論文3篇。已獲授權國家發明專利4項，實審狀態1項。已獲軟體著作權多項。協助培養博士研究生1名，培養及協助培養碩士研究生8名。另外，項目建立多個基於多光譜反射率的真實人體檢測相關資料庫，對相關方面研究的展開有重要意義。 該項目主要進行了使用多波段圖像信息克服可見光成像在人體檢測方面局限性的研究，隨著相機技術的不斷發展，研究成果對於多光譜技術在實際套用中的進一步推廣具有重要的意義。