基于視覺記憶的目標(biāo)檢測算法：一個特征學(xué)習(xí)與特征聯(lián)想的過程.pdf

1、視覺目標(biāo)檢測是計算機視覺中最為基礎(chǔ)的研究方向，其任務(wù)在于從圖像中檢測并定位目標(biāo)物體。當(dāng)前，目標(biāo)檢測在視頻監(jiān)控、人機交互、智能交通、輔助駕駛、醫(yī)學(xué)圖像分析等領(lǐng)域都有著重要的應(yīng)用。大多目標(biāo)檢測算法將目標(biāo)檢測的問題簡化為一個二分類問題，即通過訓(xùn)練學(xué)習(xí)得到目標(biāo)的特征模型，然后判斷待檢測圖片中滑動窗口內(nèi)是否存在目標(biāo)，如果存在則定位該目標(biāo)位置。所以目標(biāo)檢測的主要步驟包括目標(biāo)模型構(gòu)建、目標(biāo)搜索和目標(biāo)分類。由于視覺圖像會受到光照變化、背景干擾、目標(biāo)遮擋

2、等方面的影響，很多目標(biāo)檢測算法存在魯棒性和實時性問題。但是，人類的視覺系統(tǒng)則可以在更為復(fù)雜的情況下完成目標(biāo)檢測任務(wù)。因此，模擬人類視覺完成目標(biāo)檢測的機理和機制，構(gòu)建具有人類視覺智能的目標(biāo)檢測算法，是改進目標(biāo)檢測算法和提高其性能的重要途徑。
　　本文深度分析了人類視覺記憶機制在完成目標(biāo)檢測時的工作機理，結(jié)合研究團隊提出的特征學(xué)習(xí)與特征聯(lián)想的概念，通過構(gòu)建基于視覺記憶的特征學(xué)習(xí)與特征聯(lián)想模型，開展模擬人的視覺智能的目標(biāo)檢測算法研究。文

3、章的主要工作及貢獻包括:
　　(1)構(gòu)建了基于視覺記憶的特征學(xué)習(xí)與特征聯(lián)想模型，并在此基礎(chǔ)上構(gòu)建了基于視覺記憶的目標(biāo)檢測算法框架。通過研究視覺記憶在完成目標(biāo)檢測時的工作機理，將視覺記憶描述為一個特征學(xué)習(xí)與特征聯(lián)想的過程。結(jié)合長期視覺記憶和視覺工作記憶的工作機理，采用特征處理方式和視覺記憶必要特征對視覺記憶進行了模擬。其中特征處理方式是人類視覺系統(tǒng)為方便快速的搜索目標(biāo)而提取特征時所采用的方法，視覺記憶必要特征則是對目標(biāo)進行分類判別時

4、所需的重要特征。
　　(2)提出了一種基于選擇性注意機制的顯著性檢測算法來模擬視覺記憶保存的特征處理方式。為了解決顯著性檢測算法會受到小尺度細節(jié)圖像干擾的問題，基于目標(biāo)的尺度、顏色和位置信息采用了分層的顯著性計算方法，從而提取輸入圖像的顯著圖。并在此基礎(chǔ)上，通過自適應(yīng)閾值對顯著圖進行二值化，然后從得到的二值圖中提取目標(biāo)檢測候選區(qū)域。
　　(3)基于特征學(xué)習(xí)與特征聯(lián)想的視覺記憶模型，構(gòu)建了模擬人類視覺智能的目標(biāo)檢測算法。該算法

5、采用了局部可變模型作為檢測器，以目標(biāo)的邊緣和強度特征作為主要特征來模擬視覺記憶必要特征;同時還采用了基于選擇性注意機制的顯著性檢測算法來提取目標(biāo)檢測候選區(qū)域，從而縮小了目標(biāo)檢測的搜索區(qū)域。通過多個數(shù)據(jù)集中對本文算法的測試和分析，結(jié)果顯示本文算法在保證目標(biāo)檢測準(zhǔn)確率的同時提高了目標(biāo)檢測算法的實時性，且對于不同場景的圖像均具有一定的適用性。
　　(4)針對目前大多視頻摘要生成算法無法提供目標(biāo)屬性信息且容易丟失目標(biāo)時間和空間信息的問題，

6、本文構(gòu)建了一種基于目標(biāo)檢測的視頻摘要生成算法。該算法基于目標(biāo)檢測提取目標(biāo)的關(guān)鍵幀，并由此生成包含目標(biāo)所有信息的視頻摘要，同時可根據(jù)目標(biāo)的屬性信息來進行檢索。通過該算法生成的視頻摘要，人們可以在實際視頻監(jiān)控平臺中方便快捷的瀏覽和搜索監(jiān)控視頻。
　　(5)構(gòu)建了基于目標(biāo)檢測的圖像質(zhì)量評價算法。該算法提取圖像的檢測器得分和顯著性得分來描述圖像的清晰度、背景復(fù)雜度和圖像中目標(biāo)的完整性，并由此對圖像質(zhì)量進行評價。通過多個數(shù)據(jù)集對本文圖像質(zhì)量