局部描述算子在视频序列目标检测应用中的研究-通信与信息系统专业论文.docxVIP

万方数据 万方数据 RESEARCH ON LOCAL DESCRIPTOR APPLIED TO TARGET DETECTION IN VIDEO SEQUENCE A Master Thesis Submitted to University of Electronic Science and Technology of China Major: Communication and Information System Author: Mengtao Pan Advisor: Zhou Ning Associate Professor School: School of Communication and Information Engineering 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 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，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 为获得电子科技大学或其它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 确的说明并表示谢意。 作者签名： 日期： 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技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，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 作者签名： 导师签名： 日期： 年 月 日 摘 要 摘 要 近些年来，图像局部特征检测和描述受到越来越多的关注。其基本思想是首 先检测出图像中对于一类转换具有不变性的感兴趣区域，然后对于每一个检测到 的区域建立一个稳定的描述子。在计算得到描述子以后，我们就能进行图像间的 兴趣区域匹配。这种局部特征描述方法有很多优点，比如，局部特征对于光照变 化、视角变化、图像模糊、图像缩放等变化不敏感。局部特征在许多计算机视觉 比如目标检测，图像检索，物体识别，纹理识别，机器人定位等应用中表现出色。 图像的局部特征具有一定的稳定性，很高的重复性以及各种环境下的不变性，因 此对于部分遮挡、重叠、仿射变换有良好的鲁棒性。 本文首先介绍了局部描述技术的研究现状，并以主流描述子为例介绍了兴趣 点的提取，描述子的生成，特征向量集的匹配等相关知识。在此基础上实现对 SURF 算法的两点改进，并通过实验验证了改进后的效果。最后，本文将特征描述算子 应用于视频序列目标检测当中，取得了较好的检测效果。 本文的主要工作如下： 1．在深入细致分析当前主流局部描述算子的基础上，针对当前图像兴趣点提 取算法一般都是先将待处理图像转化为灰度图像容易丢失图像的颜色信息的不 足，本文提出了基于颜色不变量的 SURF 算法。实验表明这一改进能有效地保留 图像的颜色信息，提高了算法的稳定性。 2．针对 SURF 描述子检测环节对高斯二阶微分进行简化时，模板填充值过于 单一，导致丢失图像信息的问题，本文尝试改进简化模板填充值，使简化模板变 化趋势更接近于高斯二阶微分函数变化趋势。实验表明，本文的改进算法有助于 保留更多的图像信息并提取到更多的特征点，同时也能实现两幅图像之间更多的 正确的特征点匹配。 3．针对在视频序列中检测已知目标人脸的问题，本文结合局部描述算子设计 了一整套的检测方法。实验表明，本文的方法能在一定程度上降低不同表情对于 检测准确率的影响，同时降低了计算复杂度和特征匹配时间。最后，本文设计并 实现了一个视频序列中目标人脸的检测系统。 关键词：局部描述算子，SURF，AdaBoost，视频序列 I ABSTRACT ABSTRACT Image local feature detection and description have received a lot of attention in recent years. The basic idea is to first detect interested regions that are invariance to a class of transformations. Then, for each detected region, an invariant descriptor is built. Once we have the descriptors computed, we can match interested regions between images. This