基于集成學(xué)習(xí)的視覺目標(biāo)識(shí)別.pdf

1、隨著人工智能，社會(huì)智能的發(fā)展，視覺系統(tǒng)，其在感官系統(tǒng)中占75％以上的交互信息，得到科研工作者的廣泛關(guān)注。然而在相當(dāng)長(zhǎng)的一段時(shí)間內(nèi)，視覺目標(biāo)識(shí)別技術(shù)發(fā)展緩慢，隨著機(jī)器學(xué)習(xí)應(yīng)用到計(jì)算機(jī)視覺中來(lái)，其得到前所未有的發(fā)展。
　　首先，本文重點(diǎn)介紹了集成學(xué)習(xí)思想。圍繞如何構(gòu)造一個(gè)有效且穩(wěn)定的分類器，從特征選擇，數(shù)理統(tǒng)計(jì)學(xué)，生物學(xué)等多角度剖析了AdaBoost分類器的工作機(jī)理;重點(diǎn)介紹了多種具有代表性的AdaBoost變種算法，總結(jié)并分析其在工

2、程應(yīng)用中的若干個(gè)關(guān)鍵問題;詳細(xì)介紹了級(jí)聯(lián)分類器框架，從理論分析與實(shí)踐應(yīng)用兩個(gè)方面進(jìn)行深入研究，并對(duì)此框架所存在的問題進(jìn)行了歸納總結(jié)。
　　其次，圍繞如何將集成分類器運(yùn)用到視覺目標(biāo)研究中，本文結(jié)合車牌檢測(cè)和車輛檢測(cè)兩種視覺目標(biāo)檢測(cè)應(yīng)用，詳細(xì)探討了級(jí)聯(lián)分類器框架的應(yīng)用過程。首先采用級(jí)聯(lián)分類器框架解決了車牌檢測(cè)的問題，然后研究并采用了一種改進(jìn)的檢測(cè)框架，解決了車輛檢測(cè)的問題，此種檢測(cè)框架更符合人類的視覺認(rèn)知系統(tǒng)，主要分為兩個(gè)階段:第一步

3、，通過顯著性分析與視覺注意機(jī)制進(jìn)行目標(biāo)預(yù)定位;第二步，利用級(jí)聯(lián)分類器進(jìn)行精分類。在VIVID數(shù)據(jù)集上取得良好的效果，即允許使用計(jì)算復(fù)雜特征的基礎(chǔ)上，成功地降低了檢測(cè)時(shí)間。
　　隨后，結(jié)合車牌字符識(shí)別說(shuō)明集成學(xué)習(xí)在視覺目標(biāo)識(shí)別中的應(yīng)用問題。在樣本不足時(shí)，提出了一種基于集成學(xué)習(xí)的模板匹配方法，在不考慮識(shí)別速度的前提下，其字母數(shù)字的識(shí)別率達(dá)到了95％;然后針對(duì)樣本不足等問題進(jìn)行分析，并進(jìn)行人工制造樣本;針對(duì)字母和數(shù)字的混淆情況，采用多層