针对低能见度环境中人员的监测和保护问题, 提出了一种基于多特征级联的红外行人检测方法, 利用感兴趣区域长宽比特征和头部Haar特征组成初级分类器, 改进的HOG-SVM完成最终行人识别。所提出的改进的HOG特征提取算法和自适应缩放因子获取算法, 在保证检测率的基础上, 有效地减少了帧间处理时间, 针对目标被遮挡情况, 提出了遮挡情况判断和局部特征识别功能, 由此进一步提高了算法应用于复杂工况下的鲁棒性。实验表明: 该检测方法能够达到91%的检测率, 较现有算法性能得到提升, 同时也满足了系统实时监测要求, 适用于低能见度、粉尘的工况作业环境。

感兴趣区域(regions of interest, ROIs)的选择及其光谱提取是高光谱图像无损检测分析的关键一步。 为快速准确检测羊肉pH, 在473～1　000 nm波段, 开展了两种不同提取ROIs方法对羊肉pH高光谱检测模型的影响研究。 采用“矩形区域法”和“图像分割法”两种ROIs方法分别获得相应的122条羊肉光谱, 对比了不同预处理方法对建模效果的影响, 并比较了两种ROIs方法下逐步多元线性回归(SMLR)、 主成分回归(PCR)和偏最小二乘回归(PLSR)的模型精度。 结果表明, 提取光谱数据建模中SMLR和PLSR模型效果分别最优。 “矩形区域法”提取ROIs对应的SMLR模型校正集的相关系数(Rcal)和均方根误差(RMSEC)分别为0.85和0.085, 预测集的相关系数(Rp)和均方根误差(RMSEP)分别为0.82和0.097。 “图像分割法”提取ROIs对应的PLSR模型校正集的Rcal和RMSEC分别为0.95和0.050, 预测集的Rp和RMSEP分别为0.91和0.071。 其次通过比较“矩形区域法”和PCR, SMLR和PLSR三个模型中, “图像分割法”提取的ROIs光谱数据建模效果较优。 表明, 应用高光谱图像技术结合“图像分割法”提取ROIs快速无损准确检测羊肉pH具有可行性。