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。
红外图像 摔倒检测 关键点 目标检测 infrared images, fall detection, key points, objec
1 中航华东光电有限公司，安徽 芜湖 241002
2 特种显示国家实验室，安徽 芜湖 241002
3 国家特种显示工程技术研究中心，安徽 芜湖 241002
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。
引导滤波器 视觉注意力机制 U-NET guided filter visual attention U-NET 红外与激光工程
2022, 51(11): 20220060
