摘要: 红外图像信噪比和对比度较低、缺乏颜色纹理信息、目标周围有光晕效应、边缘模糊,这些缺点对红外图像中人体目标检测提出了挑战.本文对复杂环境下红外图像序列中运动人体目标检测技术进行研究.首先采用基于改进的混合高斯模型(Gaussian mixture model,GMM)的背景减除法对人体目标进行分割,通过多个带有权值的高斯过程来描述复杂变化的背景,对模型个数、权值、学习率进行更新.然后对分割得到感兴趣区域(Region of interest,ROI)采用融合边缘方向累加和特性的梯度方向直方图(Accumulation of oriented edge and histogram of oriented gradient,AOE-HOG)进行特征描述,利用支持向量机(Support vector machine,SVM)实现对人体目标分类检测.实验表明,本文算法能够在复杂场景下正确检测出人体目标,对于多目标距离较近甚至有部分粘连的情形,也具有较好效果.