基于改进Alphapose的红外图像人体摔倒检测算法

红外图像中的人体摔倒检测不受环境光照射的影响,在智能安防领域有着重要的研究意义和应用价值。现有的摔倒检测方法没有充分考虑人体关键点的位置变化规律,容易对类摔倒动作造成误检。针对这一问题,本文提出一种基于改进Alphapose的红外图像摔倒检测算法。该算法使用Yolo v5s目标检测网络,在提取人体目标框输入姿态估计网络的同时,对人体姿态进行直接分类,再结合人体骨架关键点的位置信息和姿态特征进行判断。通过实验证明,该算法在准确度和实时性方面都有良好的表现。

基于潜在低秩表示与交叉双边滤波的图像融合研究

提出了一种基于潜在低秩表示与交叉双边滤波的图像融合方法。先以潜在低秩表示方法将源图像分解为低秩部分图像和显著部分图像,并对低秩部分进行加权平均计算,显著部分求和处理,随后将计算的低秩部分与显著部分作为交叉双边滤波器的输入,通过测量细节强度获得对应权重,并利用交叉双边滤波器中的权值计算加权平均方法融合输入的图像,结合高斯滤波平滑处理,产生第一部分的图像。其次,源图像利用CBF获得融合图像,然后经过高斯滤波处理获得第二部分图像。最后将两部分进行加权求和获得最后的融合图像。实验对比证实,该方法降低了融合图像的灰度变化率,提高了融合图像的亮度和对比度,使得融合图像具有较好的可观性。

基于引导滤波的多分支注意力残差红外图像去噪网络

目前红外图像广泛应用于各个领域,但受限于探测单元的非均匀性,使得红外图像具有低信噪比、视觉效果模糊的缺点,严重影响其在高端领域中的应用。常用的去噪算法无法兼顾降噪平滑和边缘细节的保持,针对这一问题,文中提出了一种基于引导滤波的多分支注意力残差去噪网络。根据引导滤波原理设计一种引导卷积模块,同时为了兼顾提取浅层和深层特征设计了多分支注意力残差模组。通过实验证明加入新模块后的网络不仅可以有效地实现红外图像降噪,而且能最大程度地保持图像中的边缘细节信息,提升视觉效果,同时在PSRN和SSIM指标上也有良好的表现。