基于不變特征的目標檢測方法研究.pdf

1、目標檢測是計算機視覺領(lǐng)域的研究熱點,在圖像檢索、智能交通、智能視頻監(jiān)控、高級人機交互等領(lǐng)域都具有廣泛的應(yīng)用前景。由于不同的目標形狀外觀的不確定性,應(yīng)用場景的復(fù)雜性,目標之間以及目標與背景之間的相互遮擋等原因?qū)е履繕藱z測成為一個具有挑戰(zhàn)性的問題。盡管目標檢測技術(shù)已經(jīng)被國內(nèi)外很多學(xué)者研究過,但到目前為止還沒有一個通用、魯棒、精確和實時的目標檢測算法。本文主要圍繞對圖像中目標提取不變特征,并針對不同目標、不同場景情況下的目標檢測方法進行研究。

2、具體研究內(nèi)容和成果如下:
　　1、詳細討論了目標檢測的關(guān)鍵技術(shù),包括特征的提取和描述以及檢測過程中分類器的選擇。在特征提取和描述方面,我們介紹了顏色、不變矩、SIFT(Scale invariant feature transform)特征以及圖像輪廓特征的相關(guān)理論,并著重介紹了針對輪廓特征的特征描述。在檢測階段,我們分別使用了BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)和SVM(Support Vector Machine)

3、作為分類器。
　　2、通過對比各種描述特征量的性質(zhì)以及優(yōu)缺點,提出了一種融合全局與局部特征,使用主成分分析和BP神經(jīng)網(wǎng)絡(luò)的目標檢測方法。采用全局和局部特征提取和訓(xùn)練相結(jié)合的檢測方法,通過視覺相似性來檢測目標。實驗結(jié)果表明,目標多種特征融合,再利用主成分分析法對其進行降維,可以有效改善因特征維數(shù)太高耗時的影響,并且提高了對目標的檢測效率。
　　3、針對復(fù)雜場景中背景復(fù)雜、目標周圍噪聲多及目標只占圖像中較小部分而難于檢測的問題,

4、提出了一種新的基于局部輪廓特征檢測目標的方法。該方法首先利用改進的gPb(globalized probability of boundary, gPb)算法提取圖像的輪廓,然后應(yīng)用Otsu(最大類間方差法,Otsu)進行自動閾值處理得到圖像的顯著性輪廓;再提取顯著性輪廓的k鄰接大致直線輪廓段(k connected roughly straight contour segments, kAS),并以kAS作為局部特征,用于復(fù)雜場景中的