我国游泳爱好者的人数逐年增加,与此同时因游泳运动引发的溺水事故也持续攀升。尽管每个正规游泳场所都会配有相应的救生人员,但有时救生人员也会由于精神疲劳或环境因素等原因未能及时发现溺水者,从而导致溺水事故的发生。因此游泳池智能辅助救生系统应运而生,其中水下人体检测技术是游泳池智能辅助救生系统的核心。受到水下繁杂环境的影响,水作为介质会吸收光线的能量,水中的颗粒物以及水流会对光线形成散射,这些干扰使得图像含有较高的信噪比、图像色彩失真。同时水中还有照明所形成的光晕等动态干扰。这些干扰使得水下图像在进行人体检测时,造成人体水下检测的不准确。因此面对此类问题,本文的主要工作包括:(1)图像去噪:水下图像含有的大量噪声主要是来自于水下环境(水中颗粒物、水波纹)所产生的随机噪声,这类噪声的类型通常可看做为高斯白噪声。针对水下图像的噪声种类和信噪比较高的特点,采用小波阈值去噪算法进行去噪处理。对小波通用阈值和软硬阈值折中函数进行改进。并通过仿真实验进行比较,改进后的方法可以得到较好的去噪成效。(2)图像增强:由于水对光的散射会使水下图像变得模糊,因而在在背景建模及与前景差分时需要对图像进行适度增强。根据水下图像增强的需要,选取了RGB颜色模型作为本文水下图像处理的颜色模型。为了同时提升水下图像色彩对比度和清晰度,对多尺度Retinex算法进行改进,提出了自适应的多尺度Retinex算法。仿真结果表明该算法可令水下图像色彩对比度和清晰度得到提升,从而为后期提高人体检测的准确性提供基础。(3)水下人体检测:水下人体检测是为了检测出人体位于水中的位置。因此,在水下人体检测的常用技术中选择对背景差分法进行改进以适应对水下人体目标检测的需要。水下人体检测需要有良好的实时性,因此采用均值背景建模法建立背景;同时相比于灰度图像,本文选用的彩色图像含有更多的色彩信息,利用这一优势,对背景差分法的阈值进行了改进,以消除水下图像中的静态干扰。并利用RGB色差法,针对水下人体目标与背景图像含有不同色彩信息,消除水中图像的动态干扰。并通过仿真实验,对水下人体进行检测证明了改进背景差分法对水下图像甚至是偏色较为严重的水下图像都可以取得良好的检测效果。本文通过对实际泳池智能辅助救生系统所采集的图像序列进行水下人体检测,通过仿真实验验证了改进背景差分算法能够准确地对水下图像中的人体进行检测。