可視目標(biāo)檢測(cè)與分割關(guān)鍵技術(shù)研究.pdf

1、目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域中一個(gè)非常重要的問(wèn)題，其主要任務(wù)是判斷感興趣目標(biāo)是否在圖像中出現(xiàn)，并估計(jì)目標(biāo)的位置和尺度。目標(biāo)檢測(cè)問(wèn)題涉及到圖像處理、機(jī)器學(xué)習(xí)、最優(yōu)化理論、線性代數(shù)、圖論等多個(gè)學(xué)科，具有極其重要的理論研究?jī)r(jià)值。另外作為許多計(jì)算機(jī)視覺(jué)智能系統(tǒng)的重要組成部分，目標(biāo)檢測(cè)同樣具有很高的實(shí)際應(yīng)用價(jià)值。經(jīng)過(guò)近二十多年的研究，目標(biāo)檢測(cè)方向獲得了大量有價(jià)值的成果，其中基于窗搜索框架的檢測(cè)方法因其簡(jiǎn)單的系統(tǒng)架構(gòu)和較高的檢測(cè)精度受到業(yè)內(nèi)的極大關(guān)注，

2、是現(xiàn)今研究最多應(yīng)用最廣的一類(lèi)方法。盡管如此，窗搜索檢測(cè)方法仍然存在檢測(cè)速度慢、訓(xùn)練復(fù)雜度高、目標(biāo)重復(fù)檢測(cè)以及定位精度低等諸多問(wèn)題亟待改進(jìn)。本文主要針對(duì)現(xiàn)有窗搜索檢測(cè)方法的不足之處開(kāi)展深入研究，并提出了相應(yīng)的解決方案。
　　本文開(kāi)篇闡明了目標(biāo)檢測(cè)的主要任務(wù)、研究背景和研究意義。其次介紹了窗搜索檢測(cè)方法的基本框架及關(guān)鍵技術(shù)，并對(duì)各關(guān)鍵技術(shù)的研究現(xiàn)狀及存在問(wèn)題進(jìn)行了分析和梳理。在總結(jié)分析已有研究成果的基礎(chǔ)上，本文緊緊圍繞窗搜索檢測(cè)方法尚

3、待解決的問(wèn)題開(kāi)展研究工作，主要包括如下五個(gè)方面：
　　1.研究給出一種基于區(qū)域生長(zhǎng)的窗搜索方法。
　　窗搜索方法一般為了防止漏檢目標(biāo)，會(huì)產(chǎn)生大量候選窗口，從而加大了目標(biāo)檢測(cè)的計(jì)算負(fù)擔(dān)，限制了目標(biāo)檢測(cè)速度。為了解決該問(wèn)題，本文提出了一種基于區(qū)域生長(zhǎng)的窗搜索方法。該方法基于圖像的分割線索和目標(biāo)的先驗(yàn)知識(shí)產(chǎn)生候選窗口，在不丟失目標(biāo)的情況下，僅產(chǎn)生少量的候選窗口，加之其本身具有較高的計(jì)算效率，因此能有效提高目標(biāo)檢測(cè)速度。
　　

4、2.研究給出一種級(jí)聯(lián)選擇窗目標(biāo)檢測(cè)方法。
　　單獨(dú)采用選擇性窗搜索方法提速效果有限，為了進(jìn)一步提升檢測(cè)速度，本文提出了一種級(jí)聯(lián)選擇窗快速目標(biāo)檢測(cè)方法。該方法分別從三個(gè)方面提高檢測(cè)速度：1）利用稀疏隨機(jī)矩陣把高維圖像特征進(jìn)行壓縮，減少了特征提取時(shí)間；2）研究得到一種軟級(jí)聯(lián)支撐矢量機(jī)，能夠?qū)蜻x目標(biāo)窗口進(jìn)行快速準(zhǔn)確判斷；3）將選擇性窗搜索策略引入到級(jí)聯(lián)分類(lèi)器中，能夠由粗到精的采集窗口，進(jìn)一步減少了計(jì)算消耗。實(shí)驗(yàn)結(jié)果表明提出方法能夠有效

5、地提高檢測(cè)速度，且檢測(cè)精度能與現(xiàn)有最先進(jìn)的方法相媲美；此外大大縮短了級(jí)聯(lián)分類(lèi)器訓(xùn)練的時(shí)間。
　　3.研究給出一種基于局部區(qū)域稀疏表達(dá)的目標(biāo)檢測(cè)方法。
　　針對(duì)已有研究存在訓(xùn)練過(guò)程復(fù)雜的問(wèn)題，提出了一種基于局部區(qū)域稀疏表達(dá)的目標(biāo)檢測(cè)方法。該方法首先提取目標(biāo)局部區(qū)域作為訓(xùn)練樣本；其次學(xué)習(xí)得到一個(gè)具有較強(qiáng)判別性的字典，字典中的每個(gè)基與目標(biāo)各局部區(qū)域有明確的對(duì)應(yīng)關(guān)系；接著基于各候選窗口稀疏編碼的響應(yīng)檢測(cè)目標(biāo)局部區(qū)域；最后利用目標(biāo)局部

6、區(qū)域的檢測(cè)結(jié)果和位置約束進(jìn)行投票，完成目標(biāo)定位。實(shí)驗(yàn)結(jié)果顯示該方法的訓(xùn)練過(guò)程僅需要少量正樣本，且訓(xùn)練耗時(shí)少，較好地解決了模型訓(xùn)練復(fù)雜的問(wèn)題。同時(shí)由于它借鑒了基于部分檢測(cè)目標(biāo)整體的思想，從而能夠有效克服遮擋、目標(biāo)形變、視角變化對(duì)檢測(cè)的干擾，增強(qiáng)了檢測(cè)魯棒性。
　　4.研究給出一種基于熱擴(kuò)散框架的窗融合方法。
　　針對(duì)窗搜索方法存在目標(biāo)重復(fù)檢測(cè)的問(wèn)題，提出了一種基于熱擴(kuò)散框架的窗融合方法。該方法首先把每個(gè)初始窗口當(dāng)作熱力學(xué)系統(tǒng)中

7、的一個(gè)位置，其次根據(jù)兩個(gè)窗口的檢測(cè)分?jǐn)?shù)和重疊面積來(lái)計(jì)算對(duì)應(yīng)位置之間的熱傳導(dǎo)系數(shù)，最后利用線性各向異性熱擴(kuò)散條件下系統(tǒng)溫度之和最大化問(wèn)題來(lái)模擬窗融合工作。實(shí)驗(yàn)結(jié)果表明提出的方法不僅能夠刪除重復(fù)檢測(cè)，還可以排除部分誤檢以及防止相鄰目標(biāo)干擾。
　　5.研究給出一種基于多線索的目標(biāo)檢測(cè)方法。
　　窗搜索檢測(cè)方法利用矩形窗口表征目標(biāo)檢測(cè)結(jié)果，無(wú)法把目標(biāo)從背景中精確分割出來(lái)。針對(duì)上述問(wèn)題，提出了一種基于多線索的目標(biāo)檢測(cè)方法。該方法利用窗