一種物體識(shí)別方法的研究及若干應(yīng)用.pdf

1、物體識(shí)別是當(dāng)今計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)難點(diǎn)問(wèn)題,引起越來(lái)越多的計(jì)算機(jī)視覺(jué)工作者的興趣與關(guān)注,其主要過(guò)程是使用相關(guān)算法在圖像中把感興趣的物體識(shí)別出來(lái)。同時(shí),它也是機(jī)器入導(dǎo)航、人機(jī)交互、圖像理解、圖像自動(dòng)標(biāo)注、基于內(nèi)容的圖像搜索、智能視頻監(jiān)控等應(yīng)用項(xiàng)目中的關(guān)鍵難題,有著廣泛的研究和應(yīng)用背景。本課題的研究進(jìn)展將會(huì)促使相關(guān)應(yīng)用領(lǐng)域當(dāng)中的關(guān)鍵問(wèn)題得到更好地解決。
　　本文對(duì)基于特征匹配結(jié)合分割驗(yàn)證的物體識(shí)別方法進(jìn)行了研究。在前人基于投票機(jī)制的物

2、體識(shí)別方法的基礎(chǔ)上,整合SIFT(ScaleInvariantFeatlireTransform,以下都簡(jiǎn)稱(chēng)SIFT)特征提取和特征投票的過(guò)程,采用MeanShift算法對(duì)投票結(jié)果的統(tǒng)計(jì)方法進(jìn)行了改進(jìn),達(dá)到較好的實(shí)驗(yàn)結(jié)果。
　　對(duì)物體識(shí)別的兩個(gè)應(yīng)用:基于內(nèi)容的圖片搜索和視頻跟蹤,本課題也進(jìn)行了細(xì)致的研究。
　　在圖片搜索領(lǐng)域,目前主流的技術(shù)是通過(guò)文本去查找圖片。谷歌和百度等搜索引擎采用的便是基于圖片標(biāo)簽的匹配,用戶(hù)輸入文本信

3、息,系統(tǒng)返回文本對(duì)應(yīng)的圖片。本課題的研究目的:是用戶(hù)輸入一幅圖片,系統(tǒng)返回與之相似的圖片。Sivic和Zisserman借鑒了文本信息檢索當(dāng)中的tf-idf模型,得到了比較好的實(shí)驗(yàn)結(jié)果。首先把從訓(xùn)練集中提取得到的特征進(jìn)行kmeans聚類(lèi),生成的每一個(gè)簇集定義為一個(gè)單詞,給每個(gè)單詞關(guān)聯(lián)一個(gè)倒排文件(它表示的含義是該單詞在訓(xùn)練集所有圖片當(dāng)中的分布情況)。然后把從查詢(xún)圖片中提取到的特征量化到這些單詞當(dāng)中,最后對(duì)查詢(xún)圖片與訓(xùn)練集中圖片進(jìn)行相似度

4、評(píng)測(cè)。Nister和Stewenius在這個(gè)工作基礎(chǔ)上提出了分層聚類(lèi)的做法,利用樹(shù)形索引,極大地縮短了特征量化所需的時(shí)間。我們的工作在前人的基礎(chǔ)上利用模糊分類(lèi)理論,改進(jìn)了特征量化的過(guò)程,實(shí)現(xiàn)了一個(gè)小型的圖片搜索系統(tǒng)。
　　在視頻跟蹤領(lǐng)域當(dāng)中,實(shí)際應(yīng)用中復(fù)雜的動(dòng)態(tài)背景、運(yùn)動(dòng)目標(biāo)的尺度伸縮、目標(biāo)遮擋、光線亮度的變化等等都給跟蹤造成巨大的挑戰(zhàn)。本課題期望實(shí)現(xiàn)一種魯棒實(shí)時(shí)的跟蹤系統(tǒng),能夠克服運(yùn)動(dòng)目標(biāo)的尺度變化、部分遮擋以及光線亮度變化等不