少纹理目标的检测与识别

来源 :电子科技大学 | 被引量 : 1次 | 上传用户:cnforyou2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
让计算机和人一样拥有目标检测与识别能力,一直都是人类的梦想。现实生活中目标可以分为有丰富纹理的目标和少纹理目标,丰富纹理的目标检测识别技术已经比较成熟,因此本文着重研究少纹理目标检测识别。目标检测识别技术通常需要适应复杂的环境,存在背景杂乱、光照变化、目标尺度和视角变化、目标被遮挡等问题。针对这些问题,研究人员提出了许多目标检测与识别算法。本文试图实现对少纹理目标进行实时鲁棒检测识别,主要进行了以下几方面工作:(1)提取包含一般目标类别的候选区域加速目标检测识别过程。传统的目标检测识别方式是在输入图像上通过滑动窗口方式,识别每一个窗口是否包含目标。通常输入图像中会存在大量不包含目标的背景区域,在这些区域中检测目标会浪费大量时间。本文改进已有的候选窗口提取方法Selective Search,并利用改进的算法提取包含一般目标的候选区域,最后只在这些候选区域中识别是否存在目标,大大提高目标检测效率。(2)通过模板匹配进行少纹理目标检测识别。少纹理目标主要在目标轮廓上提取特征进行匹配。DOT方法通过在少纹理目标轮廓上提取主梯度方向作为特征,将目标模板以滑动窗口方式和输入图像进行匹配。但是在输入图像背景杂乱或者存在与目标轮廓相似的干扰物体时,DOT方法目标检测性能很低。本文在已有DOT方法上进行扩展,先为DOT方法模板匹配相似度设置一个阈值,返回输入图像中匹配相似度大于该阈值的所有窗口,在模板上区分度大的局部区域提取颜色特征,和返回的窗口进行二次匹配,排除不包含目标的干扰窗口。(3)通过卷积神经网络进行少纹理目标检测识别。目前卷积神经网络(CNN)应用研究主要集中在深度模型区域,然而在目标类别比较少、训练数据有限时可以采用浅层网络。本文通过训练两个浅层CNN实现少纹理目标的检测识别。第一个网络用于对目标进行分类,第二个网络则用于将目标特征映射到低维空间中,利用最近邻方法在低维空间中找到与待检测图像目标视角最接近的模板,从而实现在输入图像中不仅检测出目标位置,同时识别目标的三维姿态。为了验证本文方法的效果,本文在多个数据库中进行了实验,这些数据库分别包含复杂背景、部分遮挡、存在相似轮廓物体等复杂情况。测试结果表明,本文方法能实现复杂环境下少纹理目标检测识别。
其他文献
随着现代汽车技术的日益发展,人们对于汽车的要求也越来越高,汽车电子设备不断增加,汽车的电子化、智能化、网络化逐步成为现代汽车发展的重要标志之一。   本文首先分析了汽
  人体行为识别指对人的运动模式进行分析和识别,并利用自然语言等加以描述,它是计算机视觉领域的研究热点。人体异常行为检测和识别是人体行为识别的一个重要的研究方向,同时
随着物流发展的日益加快和物流活动战略地位的不断提高,物流产业快速壮大,物流组织形态及其管理活动也日渐复杂多样。面对物流发展中体现的诸多新特性,如何解释这种变化,找到物流
小型四轴飞行器是一种可以垂直起降、机械结构简单并且易于维护的无人飞行器,具有非常重要的军事和民用价值。近年来,随着新材料、微机电系统(MEMS)、微型惯性测量单元(MIMU)
组合开关监控系统的控制功能和保护功能均由微机实现,选择可编程控制器(PLC)作为监控系统的控制核心。该系统具有短路、过载、断相、过流,过压等保护功能。针对先导电路的本安特
  随着社会安全的需要,对监控视频的挖掘技术越来越重要。但是监控视频数据是大量的,每段视频小则几兆,大则几百甚至几千兆。通过人眼从这些大量的视频中找到有关键信息的视频
针对中国西部部分地区以及东南沿海海岛用电难的问题,利用当地资源优势建立新能源分布式微电网成为最佳方案。建立能量管理系统能实现微电网安全、节能、高效运作。而短期负荷预测是实现能量管理的前提。文章以珠海东澳岛兆瓦级风光柴蓄分布式微电网为研究对象。简单介绍了该系统的组件接线和布局等。分析了能量流动所有可能性。文章使用了BP算法进行微电网短期负荷预测。采用三层网络结构,建立相似度计算规则,根据相似度建立输
计算机视觉是计算机科学与人工智能的一个重要分支,上世纪80年代开始,Marr计算机视觉理论、摄像机自标定和分层重建思想先后问世,使得计算机视觉在近三十多年有了突飞猛进的
机械手臂是机器人的关键部件之一,也是一类非常实用的机器人系统,因而得到了广泛的关注与研究。在传统领域中,机械手臂被用于机床加工与配备、电路印制、零器件组装、危险物
血管是人体血液流过的管道,遍及全身,在人体内发挥着巨大的作用。而脑部血管作为动脉血管的分支,与人体内其他血管一起承担着物质和氧气的输送工作。三维磁共振血管造影数据