基于稀疏表示的多視角目標檢測技術(shù)研究.pdf

1、多視角目標檢測是計算機視覺領(lǐng)域的一個難點問題，在智能監(jiān)控、自主駕駛、機器人等多個領(lǐng)域具有廣泛的應(yīng)用價值。如何有效地構(gòu)造多視角目標模型，并在圖像中快速地定位處于不同觀測視角的目標，是多視角目標檢測需要解決的兩個核心問題。稀疏表示（sparse representation）作為一種新型有效的描述方法，近年來受到廣泛關(guān)注并成功應(yīng)用于多個問題中。本文基于稀疏表示理論分別從多視角目標的全局描述、局部描述以及多尺度描述三個方面分別開展多視角目標檢

2、測研究，進行的主要工作和取得的主要研究成果如下：
　?。?）針對基于稀疏表示框架多視角目標模型學(xué)習存在的訓(xùn)練樣本數(shù)量大，無法反映多個視角的差異性和算法有效性差的問題，提出一種基于元樣本稀疏表示的多視角目標檢測算法。首先提取多視角目標樣本的元樣本構(gòu)造字典，然后通過目標和背景在元樣本字典上的稀疏表示系數(shù)來檢測目標。實驗結(jié)果表明，與基于原始樣本字典的稀疏表示算法相比，檢測速度和性能都有所提升。
　?。?）針對多視角目標模型描述中存

3、在的局部遮擋和信息缺失問題，提出一種基于有監(jiān)督共享字典學(xué)習的多視角目標檢測算法。首先采用非負矩陣分解的方法提取了多視角目標的共享特征，并利用有監(jiān)督字典學(xué)習的方法生成共享字典。通過待測圖像在共享字典上的稀疏表示系數(shù)來判別其是否為目標并且估計其視角信息。實驗結(jié)果表明，算法對于部分遮擋魯棒性較好，并且對中間視角的目標檢測性能有一定提升。
　?。?）針對多視角目標模型描述中存在的局部信息和全局信息的結(jié)合問題，提出一種基于多尺度稀疏表示的多