基于部件模型的多类目标检测算法研究-软件工程专业论文.docxVIP

万方数据 万方数据 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取 得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得 天津理工大 学 或 其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研 究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 天津理工大学 有关保留、使用学位论文 的规定。特授权 天津理工大 学 可以将学位论文的全部或部分内容编入 有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编， 以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复本和电子 文件。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 摘要 目标检测作为计算机视觉领域的研究热点，应用十分广泛，其在图像检索、智能交 通等多个领域扮演着重要的角色。在静态图像中目标检测的困难主要是由于各类对象的 外观变化非常大，这些变化不仅包括光照和视角的变化而且还包括物体非刚性变形和类 间形状及其它视觉特性差异。 虽然有很多方法可以实现目标检测，但是由于检测环境的复杂性以及目标的多变性， 目标检测仍然存在很多困难。近年来可变形部件模型在很多领域有重要应用，它能够充 分利用目标的信息来提高检测性能，即使是复杂的环境下或复杂的待检测目标，该模型 都能表现出良好的性能。虽然可变形部件模型较以前的模型有较高的检测精度，但是基 于可变形部件模型的目标检测算法的计算复杂度比较高，仍然存在以下两个问题：第一， 传统的目标检测是基于滑动窗口搜索的方法，利用分类器对图像中不同位置、尺度的区 域进行判断，从而确定该位置是否存在目标。这种方法需要对大量候选窗(区域)做判断， 目标的检索空间大，因此需要较大的计算量；第二，在多类目标检测时，多个类别的模 型对检测位置处的分数计算过程是非常耗时的，尤其是使用非常复杂的分类模型时。例 如使用可变形部件模型进行检测时，需要有大量的滤波器与图像特征金字塔进行卷积， 计算代价高。针对以上问题，本文提出了基于分级判断的方法和稀疏部件模型公共字典 的方法，具体工作内容如下： (1)针对传统的基于滑动窗口的目标检测方法中目标的检索空间太大的问题，本文提 出了一种基于分级判断的方法，逐级减少需要判断的候选区域，可以大量减少复杂特征 的计算量和分类器需要判断的候选窗数量，进而减少整个检测算法的计算量。在 INRIA 数据集上，实验结果表明基于分级判断的方法可以降低目标检测的误检数目，提高检测 的整体性能。 (2)针对多类目标检测时，需要有大量的滤波器和图像特征金字塔进行卷积运算造成 卷积的计算代价比较高的问题，本文提出了将部件模型进行稀疏化表示，训练一个公共 字典和稀疏激活向量，加快多类目标的检测。在 PASCAL VOC 2007 数据集上，实验结 果表明稀疏部件模型公共字典的方法可以缩短多类目标检测的时间。 关键词：分级判断 检测候选区域 梯度方向直方图 可变形部件模型 稀疏部件模型 Abstract Object detection, as a hot research topic in the field of computer vision, is widely used. It plays an important role in many fields, such as image retrieval, intelligent transportation and so on. The difficulty of detecting objects in static images is that the appearance of objects changes a lot. These changes not only come from the light and view condition, but also from the non-rigid deformation and the shape and other visual characteristics of the objects. Although there are many ways to achieve the object detection, because of the complexity of the detection environment and the variability of the objects, there are still many di