基于参考点的图像可变目标快速检测方法研究.pdfVIP

第45卷第3期 郑州大学学报(理学版) V01．45No．3 2013年9月 Univ．(Nat．Sci．Ed．) Sep．2013 J．Zhengzhou 基于参考点的图像可变目标快速检测方法研究 苏艳苹1， 廉飞宇2 (1．郑州航空工业管理学院机电工程学院河南郑州450015； 2．河南工业大学信息科学与工程学院河南郑州450001) 摘要：提出一种基于参考点的改进的滑动窗目标检测算法．采用不同的分割方法对图像进行分割，使某一分割接近 真实目标位置，并将左上角点标定为参考点，然后将分割区域的模型作为底层检测器，并只在参考点上进行模型的 训练和测试，以期缩短检测时间．对来自互联网的图片实验表明，在超过60％的检测类别上，改进的方法检测正确 率都优于穷举法． 关键词：图像目标检测；图像分割；滑动窗；支持向量机；分割区域模型 391．4 中图分类号：TP 文献标志码：A 文章编号：1671—6841(2013)03—0045—05 DoI：10．3969／j．issn／1671—6841．2013．03．011 0 引言 图像中特定目标位置和类别检测一直是机器视觉领域的基础问题和研究热点．传统的滑动窗方法通过 穷举的方式进行检测¨。5]，在保证不漏掉任何一个可能的位置的同时也存在图像需要重复缩放多次、计算量 大∞o和检测过程中会出现窗口重合等问题，解决这些问题需要的非极大值抑制(non—maximumsuppression， random NMS)…方法再次增加了处理的复杂性．还有一类常用的方法是采用条件随机场(conditionalfield， CRF)¨。91对区域之间的关系建模，先将图像分割成多个区域，然后对每个区域进行特征提取，合并属于整体 目标类别的区域，输出合并类别．这样不仅可以规避NMS的后处理，而且可以避免穷举搜索，其优势是可以 得到目标较为精细的形状或轮廓，但也存在着难以控制分割的粒度造成难以得到完整目标的缺陷． 本文试图将上述两种方法的优点结合起来，既能够利用可理解的滑动窗方法，又能够避免滑动窗法带来 的穷举搜索问题，从而提高图像中目标搜索的效率．在图像目标检测中，如果采用一定的分割方法确定或基 本确定了目标左上角的真实位置，就可将滑动窗的左上角也置于此位置(此位置在本文中称为参考点)．这 样不仅能获得相当的检测精度，而且也避免了穷举搜索．因此，首先要做的就是采用各种分割算法，保证至少 有一个分割，其左上角的位置和目标真实位置是接近的，这样，后续的目标检测只在这些点上进行，从而大大 简化检测过程． 本文目标图像检测的思路为：先对图像进行预分割，确定一个左上角与真实位置近似的参考点，然后采 用DFP模型，在该参考点上进行训练和测试，以提高训练和测试的效率．来自互联网的图片数据集上的实验 表明，该方法在60％以上目标的类别上识别效率都优于穷举法． 1 DFP模型 由于采用相应的模型确定目标的范围，因此模型的选择十分重要．由于近几年出现的DFP模型(deform． able part 模型由整体滤波器和局部滤波器组成．整体滤波器用于覆盖目标的整体，获取关于目标的整体轮廓特征；局 部滤波器用于获取目标中具有判别作用的局部特征． 收稿日期：2013～02一17 作者简介：苏艳苹(1978一)，女，硕士，讲师，主要从事检测技术研究，E-mail：suyanpin966@163．con 万方数据 46 郑州大学学报(理学版) 第45卷 DFP模型中的图像被表示为一个二维矩阵G，矩阵中的元素表示图像中的一个局部区域，用一个d维向 量表示．模型的滤波器也是一个二维矩阵，构成一个矩形模板，其中的每个元素用一个d维权重向量表示．将 滤波器的左上角置于图像G的(z，Y)坐标处，对两个矩形中相同位置做“点积”运算，得到的值称为“得分”，