基于稀疏表示的RGB-D物體檢測.pdf

1、隨著深度攝像機(jī)技術(shù)的發(fā)展，實時同步獲取高質(zhì)量的深度圖和彩色圖成為現(xiàn)實，因此基于RGB-D數(shù)據(jù)的應(yīng)用變得越來越廣泛，例如RGB-D數(shù)據(jù)集上的物體檢測。但是Kinect深度數(shù)據(jù)僅表示單一的距離信息，且對于遠(yuǎn)處的目標(biāo)分辨率相當(dāng)粗糙，使得深度數(shù)據(jù)上的檢測任務(wù)十分具有挑戰(zhàn)。另一方面，灰度圖像與深度圖像表征完全不同的物理意義，很難找到一種直接的關(guān)系將兩者融合起來。因此，對于RGB-D數(shù)據(jù)集上的檢測任務(wù)，最關(guān)鍵的問題是找到一種更好的描述子，能夠有效結(jié)

2、合灰度圖像和深度圖像上的信息，提高檢測的魯棒性。
　　以梯度方向直方圖(HOG)為代表的一類特征算子在行人檢測領(lǐng)域取得了較好的效果，但是這類特征需要經(jīng)過精心的人工設(shè)計，并不具有通用性。隨著機(jī)器學(xué)習(xí)的不斷發(fā)展，越來越多的研究人員希望直接從數(shù)據(jù)中學(xué)習(xí)得到特征，自動適應(yīng)不同任務(wù)中數(shù)據(jù)的改變。本文從HOG描述子獲取靈感，結(jié)合特征學(xué)習(xí)的思想，設(shè)計了一個融合灰度數(shù)據(jù)和深度數(shù)據(jù)的特征算子，聯(lián)合稀疏編碼直方圖(HJSC)。具體過程為利用稀疏學(xué)習(xí)構(gòu)

3、建灰度圖像和深度圖像的聯(lián)合字典，對圖像中的每個像素點求取在聯(lián)合字典上的稀疏系數(shù)，然后按照HOG的思路提取局部區(qū)域的稀疏系數(shù)直方圖，最后通過支持向量機(jī)(SVM)進(jìn)行分類。
　　考慮到灰度數(shù)據(jù)和深度數(shù)據(jù)的不一致性，本文又提出一種改進(jìn)后的特征算子，半聯(lián)合稀疏編碼直方圖(HSJSC)。與HJSC中灰度圖像塊在灰度字典下的稀疏系數(shù)和深度圖像在深度字典下的稀疏系數(shù)具有相同值的強(qiáng)約束不同，改進(jìn)的方法中兩者之間存在一個線性映射。
　　本文實