基于關(guān)鍵特征點(diǎn)的廣義霍夫變換物體檢測(cè).pdf

1、從車輛檢測(cè)、視頻檢索到微軟推出的Xbox360，基于計(jì)算機(jī)視覺(jué)的應(yīng)用給人們的生活帶來(lái)了革命性的變化。物體檢測(cè)作為這類應(yīng)用的基礎(chǔ)，是目前的模式識(shí)別和計(jì)算機(jī)視覺(jué)的重要研究?jī)?nèi)容。物體檢測(cè)任務(wù)不僅要考慮檢測(cè)的準(zhǔn)確性，還需滿足應(yīng)用的實(shí)時(shí)性要求。然而，高準(zhǔn)確性的檢測(cè)通常都是建立在高復(fù)雜算法的基礎(chǔ)上，實(shí)時(shí)性較低，不利于實(shí)際的應(yīng)用。傳統(tǒng)的霍夫變換只能檢測(cè)簡(jiǎn)單幾何形狀，并且速度較慢。為了適應(yīng)復(fù)雜物體檢測(cè)的需要，本文在判別式的廣義霍夫變換機(jī)制上，搭建了基于

2、關(guān)鍵特征點(diǎn)的物體檢測(cè)框架。主要工作集中于如下兩個(gè)方面：
　　 1、基于關(guān)鍵點(diǎn)的圖像特征提取。圖像特征是物體檢測(cè)的基礎(chǔ)，性能優(yōu)異的圖像特征能更好的描述物體的信息，提高檢測(cè)的準(zhǔn)確性。本文在分析圖像的顏色、紋理、形狀和空間關(guān)系等特征的基礎(chǔ)上，對(duì)近年來(lái)比較常用的關(guān)鍵點(diǎn)特征SIFT、HOG和BRISK等進(jìn)行了闡述。研究了基于關(guān)鍵點(diǎn)的圖像特征：1)對(duì)常用關(guān)鍵點(diǎn)提取結(jié)果進(jìn)行了對(duì)比分析；2)選取了FAST關(guān)鍵點(diǎn)提取的閾值；3)提出了全仿射不變S

3、URF特征；4)提出了優(yōu)化的DAISY特征等。全仿射不變SURF特征通過(guò)精選的仿射變換參數(shù)生成仿射變換圖像集，并利用改進(jìn)的SURF算法提取特征，有效地結(jié)合ASIFT的全仿射不變和SURF的快速計(jì)算優(yōu)點(diǎn)，圖像匹配的實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。DAISY特征對(duì)圖像的非極值點(diǎn)描述更具一般性，對(duì)旋轉(zhuǎn)和光照等具有較強(qiáng)的魯棒性，并且利用圖像多個(gè)方向的卷積圖快速地提取特征。本文針對(duì)DAISY特征進(jìn)行了參數(shù)優(yōu)化，取二個(gè)環(huán)八個(gè)方向。實(shí)驗(yàn)結(jié)果表明，經(jīng)過(guò)參

4、數(shù)優(yōu)化后的DAISY特征在保證性能的前提下，大大降低了計(jì)算復(fù)雜度，更利于實(shí)際應(yīng)用。
　　 2、基于廣義霍夫變換的物體檢測(cè)。在傳統(tǒng)物體檢測(cè)技術(shù)分析的基礎(chǔ)上，本文研究了隱形狀模型及判別式的霍夫投票機(jī)制，搭建了基于關(guān)鍵特征點(diǎn)的廣義霍夫變換物體檢測(cè)框架。傳統(tǒng)的霍夫投票方法，候選點(diǎn)多，速度慢。針對(duì)這個(gè)問(wèn)題，本文提出的框架，在圖像進(jìn)行關(guān)鍵點(diǎn)特征提取前，先對(duì)圖像進(jìn)行了預(yù)處理，有效地減少了投票的候選點(diǎn)個(gè)數(shù)。同時(shí)，框架采用優(yōu)化的DAISY特征作為