收藏本站
《浙江大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

基于简单局部特征学习的物体检测方法

张维泽  
【摘要】:本文研究的物体检测是计算机视觉领域一个非常具有挑战性的课题,即从真实世界的图像中识别某类物体并在混乱的图像背景上定位该物体。这是人眼视觉系统的核心能力之一,但计算机视觉系统目前还远未达到接近该层级的效果。该课题的主要难点在于寻找一种有效的物体表示方式,一方面必须容忍同类物体不同个体之间的类内变化,另一方面又能够区分不同类别物体的类间变化,同时还需要鲁棒的处理混乱背景、光照变化以及部分遮挡等问题。 本文回顾了物体检测方法的研究现状,分析和总结了常用的物体模型和特征,从简单局部特征和基于特征的学习算法两个层面,研究了如何构建准确的、鲁棒的物体模型。主要的研究成果和创新点有如下两个方面: 在特征层面,本文提出了一种基于表形的局部特征——分散矩形特征,和一种基于形状的局部特征——霍夫变换线段(组)。 分散矩形特征是类Haar特征的一种变体。和类Haar特征一样,它也是一种基于矩形模板的简单特征,但模板内的矩形不需要在水平或垂直方向上相邻对齐,因而不仅能够表示任意的方位信息,而且在几何关系上能够表示错切、分离和重叠的形状信息,使得分散矩形特征能够更加灵活的表示物体部分,具有更好的表示能力。同时,可以利用积分图,在常数时间内计算图像窗口上任意位置任意尺寸的分散矩形特征值,解决了由于缺少相邻对齐约束后带来的大量特征的计算量问题。另外,采用构造方法,严格的证明了任意一个非退化的分散矩形特征与满足一定几何约束关系的多个类Haar特征之间的等价性。该等价性说明一个非退化的分散矩形特征所包含的物体部分的信息等效于多个类Haar特征所包含的信息的综合,因此该特征更加鲁棒。在MIT和cMU人脸测试集上的对比实验结果显示,基于分散矩形特征的分类器性能优于类Haar特征分类器。 霍夫变换线段(组)是受线条画启发而提出的一种简单的形状特征。该特征不是由其两个端点表示,而是通过其法向与横轴的夹角角度、到坐标原点的垂直距离、线段中心到垂线的距离以及线段长度所组成的四元组表示。该四元组表示形式不仅能够唯一的确定任意线段,而且能够很方便的处理缩放、旋转和平移变换。给定以物体中心为原点的局部坐标系,霍夫变换线段与物体中心之间的几何关系被隐含于四元组中,成为一个紧凑的隐式形状模型,后者在物体检测研究中已经被证明为一个有效的模型。相连的霍夫变换线段构成霍夫变换线段组,通过引入线段之间的局部几何信息进一步增强特征的区分能力。霍夫变换线段(组)之间的相似度由四元组表示空间中的一个加权欧氏距离衡量。通过调整四元组元素相应的权重,该距离能较好的容忍不可靠的边缘检测所引起的噪音问题,从而能够用来从训练样本中选取有区分能力的霍夫变换线段组,建立该类别物体码表。通过形状匹配实现的物体检测实验表明形状确实是定义物体类别的重要特征,也能胜任物体检测任务。 在学习算法层面,本文提出了一种AdaBoost算法变体——双阈值AdaBoost算法。该变体与原来的算法使用同样的框架,但使用了具有两个阈值的弱假设,其核心思想是选择分类性能更好的弱假设可以使学习到的强假设更加鲁棒和高效。双阈值弱假设在不退化为单阈值弱假设的情况下,通过对样本在特征值空间更为精细的划分,确保分类错误比单阈值弱假设更小。为了快速确定两个阈值的最优值,本文相应的提出了一个双阈值弱学习算法。该弱学习算法将确定闽值问题转换为寻找最大和连续子序列问题,后者可以采用线性的动态规划算法解决。对类Haar特征和分散矩形特征的学习结果表明,在同样的训练性能要求下,该变体收敛速度更快,生成的检测器具有更少的层次,使用更少的特征。在MIT和CMU人脸测试集上的检测实验结果显示,该变体学习的分类器性能总体上优于原来的AdaBoost算法。 除以上成果外,本文在人脸检测实验过程中,构建了一个分辨率为19×19像素的正面人脸训练集,提出了一个针对MIT和CMU人脸测试集的检测标准。该标准利用测试集所提供的关于入脸五官的真实位置信息,定义了最小入脸矩形和正确检测可能的最大分布区域,可以作为一个客观严格的检测标准。
【学位授予单位】:浙江大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:TP391.41

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 宋莹莹;王宏民;于凌涛;张东青;;一种基于形状信息描述的图像特征匹配算法[J];黑龙江科技学院学报;2011年04期
2 郭立君;刘曦;赵杰煜;史忠植;;基于改进局部特征分布的图像分类方法[J];模式识别与人工智能;2011年03期
3 陈晔;郭延文;郭凯;;基于特征流型的对象跟踪模型[J];微计算机信息;2011年08期
4 刘萍萍;赵宏伟;耿庆田;戴金波;;基于局部特征和视皮层识别机制的图像分类[J];吉林大学学报(工学版);2011年05期
5 许允喜;陈方;;基于CenSurE特征的SAR/INS组合导航景象匹配算法[J];控制与决策;2011年08期
6 尚丽;崔鸣;赵志强;杜吉祥;;基于局部特征的非负稀疏编码神经网络模型[J];计算机工程;2011年16期
7 杨磊;郭秀娟;;基于特征场景的快速图像匹配方法[J];计算机应用;2011年07期
8 黄东晋;张倩;吴冏;丁友东;;基于角点及局部特征的饮料瓶识别方法[J];上海大学学报(自然科学版);2011年03期
9 郭秀娟;杨磊;;基于局部特征图像匹配算法改进[J];吉林建筑工程学院学报;2011年03期
10 李进军;赵宏;;基于特征面片的复杂型面轮廓视觉测量方法[J];光学学报;2011年08期
中国重要会议论文全文数据库 前10条
1 申丽;黄庆明;蒋树强;;区域修正的感知上下文显著性分析[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
2 王鹏;方平;;积极情绪对整体与局部特征知觉加工的影响[A];第十二届全国心理学学术大会论文摘要集[C];2009年
3 庄连生;高浩渊;刘超;俞能海;;非负稀疏局部线性编码[A];第七届和谐人机环境联合学术会议(HHME2011)论文集【oral】[C];2011年
4 周晨卉;王生进;丁晓青;;基于组合特征和AdabOost级联分类器的行人检测[A];图像图形技术研究与应用2009——第四届图像图形技术与应用学术会议论文集[C];2009年
5 成功;毛士艺;;MSTAR图像中目标和阴影的局部特征提取及分类研究[A];全国第十届信号与信息处理、第四届DSP应用技术联合学术会议论文集[C];2006年
6 刘旨春;于晓波;邢忠宝;盛磊;;基于局部能量特征的小波图像融合方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
7 刘扬;程健;卢汉清;;基于目标局部特征的迁移式学习[A];第十四届全国图象图形学学术会议论文集[C];2008年
8 郭武;李文辉;张振花;韩东峰;易荣庆;;一种基于局部特征的鲁棒的盲数字水印算法[A];第八届全国信息隐藏与多媒体安全学术大会湖南省计算机学会第十一届学术年会论文集[C];2009年
9 余继峰;徐本燕;;测井信号小波消噪及其Matlab实现[A];中国地球物理学会第二十三届年会论文集[C];2007年
10 朱怀亮;梁思辉;罗仁安;;多重连接加固建筑结构的动力特性检测与识别[A];第19届全国结构工程学术会议论文集(第Ⅰ册)[C];2010年
中国重要报纸全文数据库 前10条
1 田宾锋;唐三彩的部分特征及其真伪鉴定[N];中国文物报;2005年
2 郭延淳;网络经济断想[N];中国信息报;2000年
3 中科院自动化所生物特征认证与测评中心 李江伟;知人知面 知身份[N];计算机世界;2003年
4 小明;“黑货”何时清算[N];中国商报;2007年
5 徐薇;近摄手册之趣味点[N];中国摄影报;2006年
6 广州中医药大学 黄华君广东省中医院 卢传坚;中医研究的哲学思考[N];中国中医药报;2008年
7 大摩投资 徐胜治;轻松应对局部牛市[N];证券日报;2003年
8 杨军陕西省咸阳市文物局;营销跟进:“后奥运”旅游的关键词[N];中国旅游报;2008年
9 朱巨军 陈顺子;指纹比口令好[N];中国计算机报;2004年
10 朱启明;民间彩灯亮方寸百里漓江书长卷[N];中国邮政报;2006年
中国博士学位论文全文数据库 前10条
1 张维泽;基于简单局部特征学习的物体检测方法[D];浙江大学;2010年
2 曹健;基于局部特征的图像目标识别技术研究[D];北京理工大学;2010年
3 王彦杰;基于显著局部特征的视觉物体表示方法[D];北京理工大学;2010年
4 蔡红苹;基于局部特征的图像分类识别关键技术研究[D];国防科学技术大学;2010年
5 郑永斌;物体检测技术和半定规划松弛的聚类算法研究[D];国防科学技术大学;2011年
6 肖尧先;基于RE/RP系统集成的复杂外形产品快速开发技术研究[D];浙江大学;2002年
7 景丽;结合图像局部特征的数字水印技术研究[D];解放军信息工程大学;2009年
8 周文罡;基于局部特征的视觉上下文分析及其应用[D];中国科学技术大学;2011年
9 王化明;智能制造中的微操作/微装配系统基础技术研究[D];南京航空航天大学;2005年
10 陈海林;基于判别学习的图像目标分类研究[D];中国科学技术大学;2009年
中国硕士学位论文全文数据库 前10条
1 吴姝祎;基于全局特征的物体检测[D];大连理工大学;2011年
2 卢希彬;移动机器人基于三维激光测距的物体检测[D];大连理工大学;2011年
3 李倩倩;关节式物体检测识别及应用[D];复旦大学;2011年
4 王建宇;局部特征分析面像识别算法的研究[D];东北大学;2008年
5 刘足华;基于局部特征的结构模型学习及其在目标检测与定位中的应用[D];上海交通大学;2012年
6 王彩琴;智能视频监控中物体检测识别算法的研究与应用[D];太原理工大学;2012年
7 杨程;图像检索中局部特征的提取和描述及其空间组织研究[D];上海交通大学;2011年
8 郭怡适;人脑连接组的构建算法优化与局部特征可视化研究[D];中山大学;2012年
9 李伟;基于关键特征点的广义霍夫变换物体检测[D];天津大学;2012年
10 夏良富;商标识别[D];上海交通大学;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026