基于DSP的一般性對(duì)象識(shí)別方法研究與實(shí)現(xiàn).pdf

1、對(duì)于智能化的視頻處理而言，對(duì)象識(shí)別是理解視頻語(yǔ)義信息的基礎(chǔ)。在當(dāng)前市場(chǎng)的諸多領(lǐng)域如自動(dòng)化，智能輔助，機(jī)器人，自動(dòng)駕駛等已經(jīng)越來(lái)越多的依賴對(duì)象識(shí)別技術(shù)。對(duì)象識(shí)別算法是一類智能化程度很高也非常復(fù)雜的算法。隨著對(duì)象識(shí)別的物體類別不斷增多，很難找到一種通用的分類模型。
　　一般性對(duì)象識(shí)別研究各對(duì)象的共同特點(diǎn)，主流的做法是使用矩形框標(biāo)記出圖像中的各個(gè)對(duì)象所在位置。很多一般性對(duì)象識(shí)別算法，從各種角度考慮不同對(duì)象個(gè)體之間的共同性，部分解決了對(duì)象

2、識(shí)別算法無(wú)法快速識(shí)別很多種類對(duì)象的缺點(diǎn)，從一定程度上促進(jìn)了對(duì)象識(shí)別算法的實(shí)際應(yīng)用。由于不同對(duì)象之間的差異性很大，對(duì)象種類繁多，一般性對(duì)象識(shí)別算法仍然具有很多缺點(diǎn)與不足?，F(xiàn)有的一般性對(duì)象識(shí)別算法大多基于訓(xùn)練的方式，大量的訓(xùn)練參數(shù)不適合嵌入式應(yīng)用；受環(huán)境影響大，難以適應(yīng)復(fù)雜多變的應(yīng)用場(chǎng)景；運(yùn)算復(fù)雜，難以滿足嵌入式的實(shí)時(shí)性要求。本文主要從實(shí)際應(yīng)用出發(fā)，圍繞如何高效的評(píng)估一般性對(duì)象，主要做了以下工作：
　　1.針對(duì)現(xiàn)有的算法存在的問(wèn)題與不

3、足，本文提出了一個(gè)新的邊緣輪廓性評(píng)估方法。該方法以一般性對(duì)象共有的凸性特點(diǎn)作為突破點(diǎn)，構(gòu)建起基于無(wú)監(jiān)督的方法。該方法不需要訓(xùn)練集，因此適應(yīng)性強(qiáng)。基于凸性的特點(diǎn)，速度快。在實(shí)時(shí)性方面，新算法比以前的方法有很大的提升和改善。
　　2.針對(duì)現(xiàn)有的候選框評(píng)估算法速度慢的特點(diǎn)，本文提出了一個(gè)新的基于動(dòng)態(tài)規(guī)劃的方法。在準(zhǔn)確度和速度上，本文提出的方法提供了更好的平衡。
　　3.為了將上述的邊緣輪廓性評(píng)分方法和候選框評(píng)估算法移植到DSP上，