三維物體識別研究.pdf

1、二維平面視圖可通過普通CCD相機獲取，數(shù)據(jù)來源要求不高?；谕庥^（Appearance-based）或基于視圖（View-based）的三維物體識別算法研究，近來成為人們研究的熱點?；谝晥D的方法通過視覺相似性來識別物體，使得識別系統(tǒng)設計相對簡單，無需顯式計算物體的三維模型。另外一方面，基于局部特征匹配的方法考慮了視圖間的局部相似性，不要求匹配所有視圖特征，即使物體被部分遮擋，也有可能檢測到局部特征，并完成識別，對于物體的重疊和背景雜波

2、表現(xiàn)出較好的穩(wěn)健性。本文研究了基于二維視圖和基于局部特征提取匹配的三維物體識別，及其在智能視頻監(jiān)控系統(tǒng)中的應用，改進了卡爾曼濾波器多目標跟蹤性能。具體而言，有以下幾個方面的工作和創(chuàng)新點：
　　 ⑴研究了多種在數(shù)學和物理方面具有各種不變特性的特征提取算法，包括Hu不變矩、仿射不變矩、顏色矩、小波矩和紋理特征等，構成了一簇豐富的特征向量。針對連續(xù)小波矩算法不利于實際工程應用的缺點，提出了離散化算法。仿真結果表明，三維物體旋轉后，使用

3、本文所提出的離散小波矩算法計算得到的矩值，達到了較好的不變特性。
　　 ⑵研究并提出一種基于視圖的三維物體識別算法。利用物體在二維視圖中的多種不變特征，送入支持向量機（SVM）訓練并進行識別，較好地抵抗了在不同視角下三維物體投影為二維圖像時，產(chǎn)生的不可避免的失真。
　　 ⑶因為提取的特征種類和數(shù)量較多，本文提出將遺傳算法（GA）用于三維物體識別過程中的特征選擇和學習機器的聯(lián)合優(yōu)化。提出選用SVM的一種性能邊界，作為GA的

4、適應度函數(shù)，通過一次SVM訓練后即可獲得，提高了種群的進化速度。
　　 ⑷研究了局部特征匹配方法的框架，提出了兩種描述子算法。首先是基于最穩(wěn)定極值區(qū)域（MSER）計算改進的仿射不變傅氏描述子（AIFD）。其次，由于基于DCT的描述子算法鑒別能力不足，在歸一化局部圖像塊基礎之上，本文提出綜合考慮局部圖像塊的顏色、紋理和形狀等特征，來刻畫局部區(qū)域的特性，設計出多種特征描述子，用以表示物體的局部外觀。因為算法加入了直接基于MSER計算