物体识别——精选推荐 .pdfVIP

1.1论文研究背景

大千世界的物体种类繁多，人们主要通过视觉系统对形形色色的物体进行分类

和辨别，统称为物体识别。通过模拟人类视觉系统的视觉信息获取和处理功能以便

于计算机具有人类识别物体的能力，出现了计算机视觉和模式识别等研究领域。物

体识别(ObjectRecognition)是当前国内外计算机视觉与模式识别领域的一个活跃的

研究方向，在很多方面有了很大的进步。比如对人类的视觉系统有了更进一步的认

识、数学工具更高级、计算效率越来越高、越来越多的具有挑战性的数据库收集

等，这些进步使得物体识别越来越引起人们的关注。

物体识别是机器智能的基本功能之一，它是任何一个以图像或视频作为输入的

实际应用系统中的核心问题和关键技术。这类系统的性能和应用前景都依赖于其中

物体的知识表示和分类识别所能达到的水平。物体识别技术无论是在军事还是在民

用中都有着广泛需求和应用。如智能视频监控、视觉导航、人机交互、计算机取

证、各类身份识别和认证系统、数字图书馆和Internet中的在海量图像库和视频中

的基于内容的检索、编码与压缩等等。

基于图像的物体识别的过程通常表现为：首先建立待识别物体图像的一种知识

表示模型，在一定量的训练样本中学习得到一组满足预定要求的模型参数;同时根

据物体图像的表示模型，建立一套从实际图像中进行推理的识别算法，通过在实际

图像中测试可获得系统的泛化能力对其进行性能评估。

由此可见，物体识别技术的提高，无论在军事还是民用方面都有非常重要的意

义。

所谓一般物体识别，通俗来说即是使得计算机具有和人类一样的，对于在任意

环境下观察到的任意物体进行检测、分割和识别的能力。它作为计算机视觉领域的

一个特定然而极为重要的任务，要求在给予一定量的训练样本的前提下，计算机能

够学习有关指定物体类别的知识，并在观察到从属于旧类别的新物体时，给出识别

的结果。

研究一般物体识别，无论对于理论还是实践都有极其重大的意义。计算机视觉

的核心在于识别，而一般物体识别又是识别中最为复杂核心的问题，对于神经科学

而言，破解了一般物体识别就相当于将神秘莫测的人脑工作机制拉开了帷幕一角，

由此展开此后进一步的深入研究，意义不言而喻。在实践中，一般物体识别的研究

则能给人类生活的方方面面，尤其是交通、国防、教育带来极为重大的影响，甚至

改变人们生活的方式，对整个社会有着深远的意义。

一般物体识别与特定物体识别(SpecificObjectRecognition)的主要区别在于，特

定物体识别通过构造高度特化的特征提取及机器学习方法，使用海量的训练样本进

行训练，仅仅处理某种物体或是某类物体，典型例子如汽车检测及人脸检测，而一

般物体识别面对的问题则要困难得多，概括地来说，它必须使用物体类间通用的一

般特征，而不能为某个特定类别定义特征；它必须能处理多类分类及增量学习，在

此前提下无法使用给定类别的海量样本进行训练。

1.2.2物体识别巫待解决的问题

已有的大多数物体表示与识别方法是针对特定的物体实例和表现形式，如字

符、人脸、车和车牌等。这种情况下，建模、学习、推理与数据都有很强的针对

性，从而也就缺少了通用性和可扩充性。

要识别几百类常见物体时将导致物体识别在建模、学习、推理与数据四个方面

都遇到很大的挑战，具体而言有以下几点：

(1)不同姿态和视角：因为物体在图像中出现的姿态和视角是任意变化的，系

统也无法预先知道物体的详细姿态和视角，在不同姿态和视角下，对识别能起到作

用的特征是大不相同的。

(2)光照的影响：在不同的光照条件下，物体的正确识别率将会急剧下降。其

主要原因是硬件的成像与光照的关系并不是线性的。当光线太强时会出现饱和问

题；当光线较弱时，阴影部分就会出现信噪比较低的问题。因此，对于如何设计一

种有效地避免光线影响对物体识别的影响来说，解决光线问题是关键。

(3)遮挡问题：这也是物体识别中无法回避的问题之一。在真实图像中，待识

别的物体很有可能被其他物体部分遮挡，就会丧失一些非常重要的信息，使得准确

识别目标物体的难度增大。设计一种在目标物体图像因部分遮挡和部分缺失的情况

下也能被正确识别的方法，包括最小特征集的确定和选择、特征信息缺失时的识别

方法以及遮挡率与识别有效性之间关系的研究就显得十分重要。

(4)尺度变化问题：同一类物体可能在大小方面存在较大的差异。图像的各种

结构只存在一定的尺度范围内。如何解决尺度变化问题也是物体识别所要解决的一

大问难。这就给同一类物体的识别带来了很大的困难。