李一白,王彦林,闫 禹,胡敏涛,刘 宾,陈 平

(1.中北大学信息与通信工程学院,山西 太原030051；2.港珠澳大桥管理局,广东 珠海519060)

1 引 言

人类行为通常与场景关联才能判断其准确含义,识别关联场景的行为对安防起到十分重要的作用[1]。在对安全要求较高的地方,与场景关联的入侵行为是异常安全事件的重要警示信号,之后进一步对入侵目标进行跟踪,能够有效实现对行为的精准分析。

在低照度条件下,可见光图像质量差无法准确识别动作,红外摄像头不受光照变化影响,可以全天候进行与动作有关的行为识别[2-4]。但红外图像缺乏场景细节信息,难以实现场景关联的目标分析。入侵行为的判断依据是目标在场景中的位置,需要融合红外和可见光图像,将红外图像的目标和可见光图像的场景细节融合到一张图像中。

近年来,国内外研究者提出了很多图像融合方法[5]。红外与可见光图像融合时的重要准则是保留红外图像的目标信息,基于视觉显著性的融合方法利用红外图像中热源目标相对背景比较突出的特点,使用红外显著性图指导图像融合[6-7]。Piao等人提出利用卷积神经网络自动生成表示每个像素显著性的权值图,根据权值图加权融合[8]。这些融合方法是针对视角相同的共光轴图像,视角存在差异的图像融合要先进行配准,现有的配准方法主要是提取匹配特征点计算整个图像的变换矩阵[9-11]。变换整个图像的方法不适用于非平面场景配准,由于视差存在差异需要独立分析和配准每个目标[12]。……