基于匹配的目标识别研究综述.pdf

科技创新导报 2017 NO.03 Science and Technology Innovation Herald 信 息 科 学 DOI：10.16660/j.cnki.1674-098X.2017.03.110 基于匹配的目标识别研究综述 谢云璇 （上海交通大学电子系 上海 200030） 摘 要 目标识别是现代智能监控系统的重要组成部分，其中基于匹配的目标识别是一个重要的研究方向。该文对其国内外研究 ： 现状和应用背景进行综述，介绍了几种常用的基于匹配的目标识别方式，对进一步的算法选择和研究提供了参考。 关键词 匹配 目标识别 角点检测 现状 ： 中图分类号 V243.1 文献标识码：A 文章编号：1674-098X(2017)01(c)-0110-02 ： 1 目标识别算法的研究现状 间中近似匹配的策略加快匹配速度，但其结果不一定与FS 现代智能监控系统主要分为目标识别和跟踪两部分，而 算法一致。 最重要的是目标识别部分。其算法主要分为：(1)基于统计模 式识别的算法;(2)基于匹配的识别算法。 3 基于特征匹配的目标识别 1.1 基于统计的识别算法 3.1 目标特征概述 该算法原理是将目标识别当作从样本中区分出目标所属 图像的特征一般可以分为以下几种。 种类，识别前需用大量样本对分类器进行训练。支持向量机 (1)直观性特征:①基于边缘的方法：常用拉氏算子、 (SVM)是Corinna Cortes和Vapnik等于1995年首先提出 Mary算子等进行边缘检测。Nevada在1980年提出一个较 的，在小样本分类学习中有性能和速度上的明显优势。 成功的直线特征提取案例。Alireza等在2002年引入模糊理 1.2 基于匹配的识别算法 论选择边缘点。②基于区域的方法：通常用于建筑等区域信 模板匹配是在图像域直接利用像素灰度匹配，简单、实 息较强的目标。孙琪等人在2001年介绍了一种在红外图像中 时性好，但抗干扰能力、适应性和鲁棒性均不高。 提取出桥梁的方法。③基于纹理的方法：以灰度共生矩阵为 因此，学者们提出了基于特征匹配的目标识别算法。 基础的纹理特征提取是一种常见的有效方法。 2004年，Hahnel和Klunder等提出利用颜色、纹理特征对 (2)灰度的统计特征。主要是指直方图特征等，目前常引 人进行识别。同年，Csurka等提出利用一组特征点分类识 入统计上的各阶矩作为特征。 别物体。2005年，Berg等提出通过物体的形状特征进行识 (3)代数特征。将图像作为矩阵看待,对其进行各种代数 别。2007年，Ullman提出基于图像块机制的目标识别方法。 变换,或矩阵分解以得到目标特征。 2009年，Cao等人提出基于角点特征匹配的目标识别方法。 (4)变换系数特征。对图像进行Fourier变换、小波变换 基于特征匹配的方法最大的优点是对于几何变形和亮度变 等，能从时域、频域等多方面分析，能更本质地反映目标。 化不敏感，且算法的鲁棒性较好。 3.2 基于角点特征的目标识别 角点就是极值点，目前仍无明确的数学定义。通过检测 2 基于模板匹配的目标识别 角点进行目标识别加快了计算速度，使实时处理成为可能。 2.1 概述 目前，角点检测算法主要分为:(1)基于图像边缘信息的 基于模板匹配的目标识别因计算量小