自適應多窗口的實時物體檢測技術的研究.pdf

1、似物性采樣是數(shù)字圖像處理中的一種窗口采樣手段，為了盡可能少的覆蓋所有感興趣的區(qū)域，該方法假定感興趣區(qū)域具有一定共性特征，首先按照一定的策略生成采樣窗口，然后提取物體之間的共性特征來設計似物性估計方法，最后對窗口進行排序和篩選。相比數(shù)字圖像處理中常用的滑動窗口采樣方法，似物性采樣方法產生的窗口數(shù)量少且精度更高，近年已成為提高物體檢測算法性能的措施之一;除此之外，似物性采樣還能在運動檢測、物體跟蹤等其他數(shù)字圖像處理算法中優(yōu)化采樣，提供數(shù)量少

2、且精度高的建議窗口，隨著數(shù)字圖像處理算法的日益復雜以及對計算性能和精度要求的提升，似物性采樣算法的研究具有重要意義。
　　本文對現(xiàn)有的算法進行比較與分析，針對目前似物性算法重疊率低且計算時間較長等問題，確定了先篩選后優(yōu)化的采樣思路。首先運用組合幾何學設計了基于重疊率的量化搜索策略來產生窗口，選取梯度矩陣為特征，利用級聯(lián)的支持向量機訓練得到線性的二分類模型從而獲得多個似物性窗口;然后分析了邊緣與物體之間的關系，設計了一種基于邊緣信息

3、的窗口似物性估計方法，并用該方法對窗口進行排序與優(yōu)化。為了證明算法的有效性，VOC2007數(shù)據(jù)集的采樣結果被作為物體檢測算法的輸入進行了物體檢測。
　　與其他算法相比，該算法在保持計算速度快以及高查全率等優(yōu)點的同時，結合邊緣信息解決了標定窗口精度不高的問題。在VOC2007數(shù)據(jù)集上，通過對各項性能指標的對比與分析，本算法擁有僅次于BING算法的計算速度(0.1s)，在高重疊率0.7下依然有不錯的查全率，同時也為物體檢測算法帶來了平