基于局部紋理特征的物體檢測方法.pdf

1、從計算機誕生以來，讓計算機或機器人像人類一樣具有視覺能力，是科研工作者一直不懈追求的目標。物體檢測是人類視覺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重要的前提。物體檢測是計算機視覺學科中極具挑戰(zhàn)性的理論研究課題，而且在很多領域具有廣闊的應用前景，例如多媒體信息分析與搜索、場景分析與理解、視頻編碼、視頻監(jiān)控、模式識別等。作為一個研究熱點，物體檢測越來越受到研究者們的重視，研究深度和廣度在不斷地增強。
　　本文圍繞

2、物體檢測展開研究，研究目的是探索一種有效的物體特征表示方法并且應用于物體檢測，從而提供物體檢測的新方法。針對上述研究目標，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算法等方面進行了深入的研究和探討。論文具體的研究內容如下：
　　1．本文基于物體的局部紋理分析，提出了改進的空間直方圖特征，用于物體檢測任務中的特征表示。空間直方圖特征是圖像局部紋理的信息分布，它同時反映了物體在不同尺度上的紋理和結

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

4、該算法首先通過直方圖匹配方法進行粗檢測，達到排除圖像中大量非目標物體的目的；其次在精確檢測過程中，采用支持向量機分類器提高檢測精度。該算法有效的解決了物體檢測問題，具有快速、魯棒的特點。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．提出了一種結合類別可分性和特征相關性的特征選擇方法。傳統(tǒng)的特征選擇技術在處理高維數據時，存在訓練時間長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準則度量特征的類別可分性，采用互信息計算特征之間的相關性，按照順序增加的方式產生候選特征，以分類器錯誤率最小為目標，選擇分類性能高而互相之間相關性弱的特征，構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，提高了分類效率。本文將所提出的特征選擇方法用于構造空間直方圖特征子集，作為物體檢測中支持向量機分類器算法的輸入特征。實驗結果表明該方法可以自動獲取與目標物

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