The demand for identifying a reliable person is increased because of security issues in our daily life. At present, to identify a person biometric technique such as face recognition is introduced. Since,a person with abnormal behaviour recognition system has reached certain level, their accomplishments in real time applications are restricted by challenges, such as illumination variations. The present visual recognition system is good at controlled illumination conditions and thermal face recognition system is better for detecting disguised persons or when there is no illumination control. Hence, a hybrid system which uses both visual and thermal images for recognising a person is better. The objective of this research is to implement a method which improves the quality of the image by fusing visual and thermal imaging images. Our research methodology has introduced to enhance servo line camera images. Nonlinear image transfer functions were introduced,and the parameters associated with those functions are determined by image statistics for making adaptive algorithms. Next methodswereintroduced for registering the visual images to their consequent thermal images. To get a transformation matrix for the registration, the landmarks in the images are first detected and a subset of those landmarks were selected to obtain the matrix, we propose a hybrid algorithm for detection, tracking and classification using OFSA algorithm to fuse the registered thermal and visual images. In this research, we focus on object detection using OFSA algorithm for more accuracy.

由于我们日常生活中的安全问题，对识别可靠人员的需求增加了。当前，为了识别诸如面部识别之类的人的生物识别技术而被引入。由于具有异常行为识别系统的人已经达到一定水平，因此他们在实时应用中的成就受到诸如照明变化之类的挑战的限制。本视觉识别系统擅长于受控的照明条件，而热面部识别系统更适合于检测伪装的人或没有照明控制的情况。因此，使用视觉图像和热图像两者来识别人的混合系统更好。这项研究的目的是实现一种通过融合视觉和热成像图像来改善图像质量的方法。我们的研究方法已经引入以增强伺服线摄像机图像。介绍了非线性图像传递函数，并通过图像统计确定了与这些函数相关的参数，以做出自适应算法。引入了用于将视觉图像配准到其随后的热图像的下一方法。为了获得用于配准的变换矩阵，首先检测图像中的界标，然后选择这些界标的子集以获得矩阵，我们提出了一种混合算法，使用OFSA算法对检测的热和热进行融合，以进行检测，跟踪和分类。视觉图像。在这项研究中，我们专注于使用OFSA算法进行目标检测以提高准确性。并通过图像统计确定与这些功能相关的参数以进行自适应算法。引入了用于将视觉图像配准到其随后的热图像的下一方法。为了获得用于配准的变换矩阵，首先检测图像中的界标，然后选择这些界标的子集以获得矩阵，我们提出了一种混合算法，使用OFSA算法对检测的热和热进行融合，以进行检测，跟踪和分类。视觉图像。在这项研究中，我们专注于使用OFSA算法进行目标检测以提高准确性。并通过图像统计确定与这些功能相关的参数以进行自适应算法。引入了用于将视觉图像配准到其随后的热图像的下一方法。为了获得用于配准的变换矩阵，首先检测图像中的界标，然后选择这些界标的子集以获得矩阵，我们提出了一种混合算法，使用OFSA算法对检测的热和热进行融合，以进行检测，跟踪和分类。视觉图像。在这项研究中，我们专注于使用OFSA算法进行目标检测以提高准确性。为了获得用于配准的变换矩阵，首先检测图像中的界标，然后选择这些界标的子集以获得矩阵，我们提出了一种混合算法，使用OFSA算法对检测的热和热进行融合，以进行检测，跟踪和分类。视觉图像。在这项研究中，我们专注于使用OFSA算法进行目标检测以提高准确性。为了获得用于配准的变换矩阵，首先检测图像中的界标，然后选择这些界标的子集以获得矩阵，我们提出了一种混合算法，使用OFSA算法对检测的热和热进行融合，以进行检测，跟踪和分类。视觉图像。在这项研究中，我们专注于使用OFSA算法进行目标检测以提高准确性。