基于多示例的多尺度目標(biāo)檢測算法研究.pdf

1、目標(biāo)檢測的目的是將某既定目標(biāo)從場景中分割和識別出來，是一種基于目標(biāo)的幾何特征以及統(tǒng)計(jì)特征的圖像分割。評價一個目標(biāo)檢測系統(tǒng)的性能主要包括準(zhǔn)確檢測能力及其實(shí)時性。
　　 本文以自然圖像中的目標(biāo)檢測為背景，在對基于多示例的目標(biāo)檢測算法研究的基礎(chǔ)上，提出了一些新的改進(jìn)算法，并將其應(yīng)用于自然圖像中的車輛目標(biāo)檢測。
　　 本文的主要工作如下：
　　 1)在原算法給出的提取示例間關(guān)系特征的基礎(chǔ)上，本文改進(jìn)了特征的提取方法。用示

2、例在目標(biāo)上的空間分布特征取代示例之間的空間關(guān)系特征，并用示例的空間分布的先驗(yàn)知識指導(dǎo)K-Means聚類，代替原算法的Bottom-Up聚類方法，提高了分類與目標(biāo)檢測的能力。
　　 2)針對原算法對于多尺度多目標(biāo)圖像檢測虛警率高的問題，本文提出了一種基于連續(xù)度的改進(jìn)方法。該算法利用目標(biāo)在多個連續(xù)縮放尺度上均有較高檢測率的特性，通過定義目標(biāo)在多個縮放尺度上的連續(xù)度，可以將背景中的虛警目標(biāo)濾除，從而更為準(zhǔn)確的檢測到目標(biāo)。該方法有效降低

3、了虛警率，提高了目標(biāo)檢測的準(zhǔn)確率，同時，該方法對目標(biāo)的定位也更加準(zhǔn)確。
　　 3)針對改進(jìn)的多尺度多目標(biāo)檢測算法對于大尺寸圖像進(jìn)行多尺度縮放時目標(biāo)檢測耗時長的問題，本文提出了一種基于感興趣區(qū)域提取的快速目標(biāo)檢測方法。該方法利用汽車底部的陰影部分特征，首先將感興趣區(qū)域檢測出來，然后在該感興趣區(qū)域內(nèi)進(jìn)行多尺度縮放檢測目標(biāo)。該算法有效降低了對大尺寸圖像進(jìn)行目標(biāo)檢測的時間，而且在提取感興趣區(qū)域的可以同時去除大量背景干擾，能夠進(jìn)一步提高目