三維物體識(shí)別研究.pdf

1、二維平面視圖可通過(guò)普通CCD相機(jī)獲取，數(shù)據(jù)來(lái)源要求不高?；谕庥^（Appearance-based）或基于視圖（View-based）的三維物體識(shí)別算法研究，近來(lái)成為人們研究的熱點(diǎn)?；谝晥D的方法通過(guò)視覺(jué)相似性來(lái)識(shí)別物體，使得識(shí)別系統(tǒng)設(shè)計(jì)相對(duì)簡(jiǎn)單，無(wú)需顯式計(jì)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(cè)到局部特征，并完成識(shí)別，對(duì)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(shí)別，及其在智能視頻監(jiān)控系統(tǒng)中的應(yīng)用，改進(jìn)了卡爾曼濾波器多目標(biāo)跟蹤性能。具體而言，有以下幾個(gè)方面的工作和創(chuàng)新點(diǎn)：
　　 ⑴研究了多種在數(shù)學(xué)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(gòu)成了一簇豐富的特征向量。針對(duì)連續(xù)小波矩算法不利于實(shí)際工程應(yīng)用的缺點(diǎn)，提出了離散化算法。仿真結(jié)果表明，三維物體旋轉(zhuǎn)后，使用

3、本文所提出的離散小波矩算法計(jì)算得到的矩值，達(dá)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(shí)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(jī)（SVM）訓(xùn)練并進(jìn)行識(shí)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(shí)，產(chǎn)生的不可避免的失真。
　　 ⑶因?yàn)樘崛〉奶卣鞣N類和數(shù)量較多，本文提出將遺傳算法（GA）用于三維物體識(shí)別過(guò)程中的特征選擇和學(xué)習(xí)機(jī)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(yīng)度函數(shù)，通過(guò)一次SVM訓(xùn)練后即可獲得，提高了種群的進(jìn)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(jì)算改進(jìn)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(chǔ)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(lái)刻畫局部區(qū)域的特性，設(shè)計(jì)出多種特征描述子，用以表示物體的局部外觀。因?yàn)樗惴尤肓酥苯踊贛SER計(jì)算