视频监控下的动态目标识别技术是计算机视觉和图像处理领域研究的一个重要课题,广泛应用于银行、商场、医院和居民住宅等公共场所。近年来,很多专家学者对监控视频进行分析研究,推动了视频监控下目标识别技术的发展。本文将可见光与远红外相融合进行视频监控下行人识别,使得融合后的识别算法更具适应性和鲁棒性。本文主要的研究内容如下:(1)为了提高红外行人检测与识别算法的准确性与速度,在动态目标前景分割方面,提出改进的三帧差分算法,将Sobel边缘检测算子融合到三帧差分算法中,摆脱了传统算法前景目标出现“空洞”、目标轮廓不完整和边缘信息模糊等缺点。在动态目标识别方面,由于HOG(Histogram of Oriented Gradient)特征通过全图进行滑动窗口搜索使得特征维度较高,本文通过改变滑动窗口的搜索策略,在动态目标前景分割的ROI(Region of Interesting)区域上进行滑动窗口搜索,降低了HOG特征的维度的同时也减少了背景的干扰,提高了算法的实时性和准确性。(2)针对传统的远红外与可见光融合后的图像具有信息丢失、对比度差和不具备平移不变性等缺点,本文采用改进的非下采样的Contourlet变换方式对可见光与远红外图像进行分解,高频子带采用相邻像素差值取大的方式进行融合,低频子带采用加权平均与绝对值取大相结合的方式进行融合。经过实验与分析发现改进后的融合算法比传统算法具有更好的性能。(3)提出了一种可见光与远红外双模态融合的目标检测算法,首先对两个模态的图像进行特征提取,在提取过程中将特征图像进行融合,并将融合后的特征图像用于RPN(Region Proposal Network)进行预选框初步生成及分类,然后将不同大小的预选框进行下采样,将图像统一到相同尺寸,接着进行预选框的精确定位和分类,得到最终的检测结果。最后进行了多组实验的对比分析,与当前常见的检测算法进行了比较,并验证了算法的可行性。