作者按
本文作者曾在博士后面上项目、国自然面上及青年项目、上海市扬帆英才计划项目资助下进行视觉生理信号检测的探索性研究。在项目实施期间，作者探索利用人体（可扩展至生命体）固有生命特征进行其他有趣工作的可能性。因此，在申请国自然青年项目时，作者提出基于生理信号来进行人体目标检测，期望与较先进的目标检测方法相比，能够在引入生理信号特征之后，实现更低检测遗漏率，且能在空间特征缺失的场景下（比如，待检测目标被大范围遮挡）实现目标的检出。于是，就有了这篇发表在Displays期刊上的工作。美中不足的是，该工作未能将相关理念完全集成到端到端模型中。
在安全与救援领域，能够在各种环境中检测隐藏人体目标是至关重要的。特别是当任务是识别隐藏人员时，现有的目标检测算法往往难以胜任。因此，这个工作引入由生理特征启发的隐藏人体目标检测模型。
该模型利用时空生理特征及其相互依赖关系，提高了不同场景下的隐藏人体目标检测准确率。在自制隐藏人体目标数据集（伦理审批号：HR 087-2019）上进行测试：在室内场景实现了64%的检测准确率；在室外场景实现了44%的检测准确率；在整体数据集上实现了54%的检测准确率。该模型的性能超过了YOLO v4模型及基于HOG、LBP和Haar特征的模型，至少提高了22%的检测准确率，证明了使用时空生理特征辅助隐藏人体目标检测的可行性。
图1 自制隐藏人体目标数据集中的典型场景图
图2直观地展示了视频中背景区域与人体区域在时序信号上的差异。
图2 室内场景（左列）和室外场景（右列）中人体和背景的生理信号。红色框框选的区域表示选定的分析区域。
定性分析结果显示，选定框内的生理信号与选定框的大小有关，具体如图3所示。
图3 不同选定框大小及其对应的生理信号图
定量的消融实验进一步验证了该方法中每个模块的有效性（表1）。
表1 消融实验结果
未来，该模型有望在军事救援、公共安全调查等领域发挥重要作用。此外，该方法还可以应用于动物目标或隐藏动物目标的检测。与人类一样，动物（特别是哺乳动物）也会表现出生理信号。尽管一些动物的皮肤被毛发覆盖，仍可以通过它们部分暴露的皮肤或通过呼吸运动引起的微小身体运动信号提取生理信号，然后用于检测动物目标或隐藏的动物目标。
论文信息
Hu, M. #, Zhang, L. #, Zhao, B., Wang, Y., Li, Q., Ding, L. *, & Cao, Y. (2024). Physiological characteristics inspired hidden human object detection model. Displays, 81, 102613.
原始自建隐藏人体目标检测数据集（未标注）下载链接：
https://pan.baidu.com/s/1QJzjyJ7c5wexiLYNDwse2A
提取码：3kh8
供稿：胡孟晗，华东师范大学通信与电子工程学院副教授
声明：本文来自隐者联盟，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
