融合深度及边界信息的图像目标识别-计算机应用与软件.pdfVIP

第３４卷第４期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．４ ２０１７年４月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｐｒ．２０１７ 融合深度及边界信息的图像目标识别 原鑫　周向东 （复旦大学计算机科学技术学院　上海２００４３３） 摘　要　　为精确定位候选目标，提高目标识别效果，提出一种融合图像边界信息和深度信息的目标识别方法， 该方法可以产生数量更少、定位更准确的图像候选目标。然后提取深度学习特征，通过支持向量机分类模型，实 现目标识别。在两个常用数据集上进行对比实验显示，与Ｂａｓｅｌｉｎｅ和选择性搜索等方法相比，该方法显著地提高 了目标识别的性能。 关键词　　目标识别　区域融合　深度信息　深度学习　支持向量机 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０４．０３１ ＯＢＪＥＣＴＲＥＣＯＧＮＩＴＩＯＮＣＯＭＢＩＮＥＤＷＩＴＨＤＥＰＴＨＡＮＤＢＯＵＮＤＡＲＹＩＮＦＯＲＭＡＴＩＯＮ ＹｕａｎＹｕｘｉｎ　ＺｈｏｕＸｉａｎｇｄｏｎｇ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＦｕｄａｎＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２００４３３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｏｒｄｅｒｔｏｌｏｃａｔｅｔｈｅｃａｎｄｉｄａｔｅｏｂｊｅｃｔａｃｃｕｒａｔｅｌｙａｎｄｉｍｐｒｏｖｅｔｈｅｔａｒｇｅｔｒｅｃｏｇｎｉｔｉｏｎｅｆｆｅｃｔ，ａｎｏｂｊｅｃｔ ｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｃｏｍｂｉｎｅｄｗｉｔｈｄｅｐｔｈａｎｄｂｏｕｎｄａｒｙｉｎｆｏｒｍａｔｉｏｎｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｎｇｅｎｅｒａｔｅｌｅｓｓ ｂｕｔｂｅｔｔｅｒｏｂｊｅｃｔｃａｎｄｉｄａｔｅｓｗｉｔｈｍｏｒｅａｃｃｕｒａｔｅｌｏｃａｔｉｏｎ．Ｔｈｅｎｔｈｅｄｅｐｔｈｌｅａｒｎｉｎｇｆｅａｔｕｒｅｉｓｅｘｔｒａｃｔｅｄ，ａｎｄｔｈｅＳＶＭ ｃｌａｓｓｉｆｉｃａｔｉｏｎｍｏｄｅｌｉｓｕｓｅｄｔｏｒｅａｌｉｚｅｔｈｅｔａｒｇｅｔｒｅｃｏｇｎｉｔｉｏｎ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｎｔｗｏｃｏｍｍｏｎｄａｔａｓｅｔｓｓｈｏｗｔｈａｔ ｃｏｍｐａｒｅｄｗｉｔｈＢａｓｅｌｉｎｅａｎｄｓｅｌｅｃｔｉｖｅｓｅａｒｃｈ，ｔｈｉｓｍｅｔｈｏｄｉｍｐｒｏｖｅｓｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｏｂｊｅｃｔｒｅｃｏｇｎｉｔｉｏｎｓｉｇｎｉｆｉｃａｎｔｌｙ． Ｋｅｙｗｏｒｄｓ　　Ｏｂｊｅｃｔｒｅｃｏｇｎｉｔｉｏｎ　Ｒｅｇｉｏｎｍｅｒｇｅ　Ｄｅｐｔｈｉｎｆｏｒｍａｔｉｏｎ　Ｄｅｅｐｌｅａｒｎｉｎｇ　ＳＶＭ ［３］ “选择性搜索” 缩减了候选目标集的大小，取得 ０　引　言 了较好的目标定位效果，但目标区域的选取依然不够 准确，会产生较多的错误检测。为此，文献［４］首先通 目标识别技术在安全监控、人机交互、医学、国防 过一次粗糙的分割得到候选目标集，然后对这些候选 及公共安全领域具有十分重要的应用价值和发展前 集上的检测结果使用监督下降方法进行一次自上而下 景。图像目标识别，旨在从二维图像或视频中精准地 的搜索，进而获得更准确的目标定位；而文献［５］使用 定位目标对象的位置，并自动赋予类别标签。 贝叶斯优化调整选择性搜索方法得到的候选集的位 目标识别的过程主要包括提取候选目标和对目标 置，得到更准确的候选集。然而，上述方法仍然是根据 进行分类。其中，如何准确地定位目标物体是目标识 图像外观特征，对原始候选集进行位置调整，忽略了图 别技术的重要组成部分。基于梯度方向直方图