针对基于可见光图像的人体摔倒检测方法在光照变化情况下性能不佳,无法满足全天候工况的问题,提出一种适用于变化光照条件下全天候工况的双光融合人体摔倒检测方法.首先利用Sobel算子提取可见光图像的边缘特征,通过非线性灰度变换增强红外图像的对比度;同时,将可见光图像从RGB空间转换到HSI空间并根据归一化亮度进行自适应双光融合;最后,将融合的双光图像作为CenterNet检测器的输入样本,完成人体姿态检测任务.在自建双光数据集上开展验证实验,自适应光照融合策略在SSIM指标上达到了0.77,在MI指标上达到了 1.21.在CenterNet检测模型上融合后,平均检测精度mAP提升了9.71％.实验结果证明了方法的有效性.
万方数据
维普
