论文部分内容阅读
红外热成像图像反应物体温度信息, 受环境条件影响较少, 对于特定条件下的夜间安防监控、行车辅助、航运、军事侦查等方面具有很强应用价值。近年来使用人工智能对图像中目标检测与识别技术发展突飞猛进, 广泛应用于各个领域。本文提出了一种结合红外热成像图像处理技术与人工智能目标识别技术的夜间目标识别方法。实时采集热成像视频进行预处理, 增强其对比度与细节, 使用基于深度学习技术的最新目标检测框架 YOLOv3对采集处理后的热成像图像中特定目标进行检测, 输出检测结果。测试结果表明, 该方法对于夜间目标识别率高、实时性强, 结合了红外热成像夜间监测和人工智能目标检测的优势, 对于夜间的目标识别、跟踪技术具有重大应用价值。