基于局部紋理特征的物體檢測(cè)方法.pdf

1、從計(jì)算機(jī)誕生以來(lái)，讓計(jì)算機(jī)或機(jī)器人像人類一樣具有視覺(jué)能力，是科研工作者一直不懈追求的目標(biāo)。物體檢測(cè)是人類視覺(jué)中的基本步驟和基本功能，為人類了解周圍的環(huán)境和景物提供了至關(guān)重要的前提。物體檢測(cè)是計(jì)算機(jī)視覺(jué)學(xué)科中極具挑戰(zhàn)性的理論研究課題，而且在很多領(lǐng)域具有廣闊的應(yīng)用前景，例如多媒體信息分析與搜索、場(chǎng)景分析與理解、視頻編碼、視頻監(jiān)控、模式識(shí)別等。作為一個(gè)研究熱點(diǎn)，物體檢測(cè)越來(lái)越受到研究者們的重視，研究深度和廣度在不斷地增強(qiáng)。
　　本文圍繞

2、物體檢測(cè)展開(kāi)研究，研究目的是探索一種有效的物體特征表示方法并且應(yīng)用于物體檢測(cè)，從而提供物體檢測(cè)的新方法。針對(duì)上述研究目標(biāo)，本文在基于局部紋理分析的物體表示特征、有效特征的選擇和基于局部紋理特征的物體檢測(cè)算法等方面進(jìn)行了深入的研究和探討。論文具體的研究?jī)?nèi)容如下：
　　1．本文基于物體的局部紋理分析，提出了改進(jìn)的空間直方圖特征，用于物體檢測(cè)任務(wù)中的特征表示?？臻g直方圖特征是圖像局部紋理的信息分布，它同時(shí)反映了物體在不同尺度上的紋理和結(jié)

3、構(gòu)信息。改進(jìn)的空間直方圖特征與目標(biāo)物體類別相關(guān)聯(lián)，具有對(duì)目標(biāo)物體的判別能力，而且能夠適用于各種典型物體的表示。本文以刻畫(huà)物體的紋理信息和結(jié)構(gòu)信息為著眼點(diǎn)，建立了空間直方圖特征的提取方法，并且對(duì)空間直方圖特征的物體判別能力進(jìn)行了研究。
　　2．提出了基于空間直方圖特征的層次化物體檢測(cè)算法。本文采用空間直方圖特征作為物體表示，根據(jù)由粗到精的策略，綜合利用兩種物體檢測(cè)技術(shù)：直方圖匹配方法和支持向量機(jī)分類器，構(gòu)建了物體檢測(cè)的一種通用算法。

4、該算法首先通過(guò)直方圖匹配方法進(jìn)行粗檢測(cè)，達(dá)到排除圖像中大量非目標(biāo)物體的目的；其次在精確檢測(cè)過(guò)程中，采用支持向量機(jī)分類器提高檢測(cè)精度。該算法有效的解決了物體檢測(cè)問(wèn)題，具有快速、魯棒的特點(diǎn)。該算法可以處理不同類型的物體模式，包括剛體物體模式、可變形的柔性非剛體物體、以及紋理模式物體。
　　3．提出了一種結(jié)合類別可分性和特征相關(guān)性的特征選擇方法。傳統(tǒng)的特征選擇技術(shù)在處理高維數(shù)據(jù)時(shí)，存在訓(xùn)練時(shí)間長(zhǎng)或者選擇所得到的特征子集分類性能不高的局限

5、。本文方法使用Fisher準(zhǔn)則度量特征的類別可分性，采用互信息計(jì)算特征之間的相關(guān)性，按照順序增加的方式產(chǎn)生候選特征，以分類器錯(cuò)誤率最小為目標(biāo)，選擇分類性能高而互相之間相關(guān)性弱的特征，構(gòu)成緊致而有效的特征子集。該方法不但可以選擇出有效的分類特征，而且在保證分類性能的條件下降低了特征維數(shù)，提高了分類效率。本文將所提出的特征選擇方法用于構(gòu)造空間直方圖特征子集，作為物體檢測(cè)中支持向量機(jī)分類器算法的輸入特征。實(shí)驗(yàn)結(jié)果表明該方法可以自動(dòng)獲取與目標(biāo)物

6、體類別相關(guān)聯(lián)的分類特征。
　　4．提出了基于空間直方圖特征和糾錯(cuò)碼分類器的多姿態(tài)人臉檢測(cè)算法。首先，本文結(jié)合糾錯(cuò)碼多類分類器算法，研究了如何將基于空間直方圖特征的物體檢測(cè)算法擴(kuò)展到多姿態(tài)人臉檢測(cè)。其次，針對(duì)基于糾錯(cuò)碼多類分類算法中單分類器訓(xùn)練困難的問(wèn)題，本文提出了一種在給定糾錯(cuò)碼碼本的前提下如何訓(xùn)練有效糾錯(cuò)碼多類分類器的方法。該方法以整體糾錯(cuò)碼多類分類器的錯(cuò)誤率最小為目標(biāo)，依次選擇有效特征和訓(xùn)練單分類器，從而訓(xùn)練得到整體分類性能更