基于關(guān)鍵特征點的廣義霍夫變換物體檢測.pdf

1、從車輛檢測、視頻檢索到微軟推出的Xbox360，基于計算機視覺的應(yīng)用給人們的生活帶來了革命性的變化。物體檢測作為這類應(yīng)用的基礎(chǔ)，是目前的模式識別和計算機視覺的重要研究內(nèi)容。物體檢測任務(wù)不僅要考慮檢測的準確性，還需滿足應(yīng)用的實時性要求。然而，高準確性的檢測通常都是建立在高復(fù)雜算法的基礎(chǔ)上，實時性較低，不利于實際的應(yīng)用。傳統(tǒng)的霍夫變換只能檢測簡單幾何形狀，并且速度較慢。為了適應(yīng)復(fù)雜物體檢測的需要，本文在判別式的廣義霍夫變換機制上，搭建了基于

2、關(guān)鍵特征點的物體檢測框架。主要工作集中于如下兩個方面：
　　 1、基于關(guān)鍵點的圖像特征提取。圖像特征是物體檢測的基礎(chǔ)，性能優(yōu)異的圖像特征能更好的描述物體的信息，提高檢測的準確性。本文在分析圖像的顏色、紋理、形狀和空間關(guān)系等特征的基礎(chǔ)上，對近年來比較常用的關(guān)鍵點特征SIFT、HOG和BRISK等進行了闡述。研究了基于關(guān)鍵點的圖像特征：1)對常用關(guān)鍵點提取結(jié)果進行了對比分析；2)選取了FAST關(guān)鍵點提取的閾值；3)提出了全仿射不變S

3、URF特征；4)提出了優(yōu)化的DAISY特征等。全仿射不變SURF特征通過精選的仿射變換參數(shù)生成仿射變換圖像集，并利用改進的SURF算法提取特征，有效地結(jié)合ASIFT的全仿射不變和SURF的快速計算優(yōu)點，圖像匹配的實驗結(jié)果驗證了該算法的有效性。DAISY特征對圖像的非極值點描述更具一般性，對旋轉(zhuǎn)和光照等具有較強的魯棒性，并且利用圖像多個方向的卷積圖快速地提取特征。本文針對DAISY特征進行了參數(shù)優(yōu)化，取二個環(huán)八個方向。實驗結(jié)果表明，經(jīng)過參

4、數(shù)優(yōu)化后的DAISY特征在保證性能的前提下，大大降低了計算復(fù)雜度，更利于實際應(yīng)用。
　　 2、基于廣義霍夫變換的物體檢測。在傳統(tǒng)物體檢測技術(shù)分析的基礎(chǔ)上，本文研究了隱形狀模型及判別式的霍夫投票機制，搭建了基于關(guān)鍵特征點的廣義霍夫變換物體檢測框架。傳統(tǒng)的霍夫投票方法，候選點多，速度慢。針對這個問題，本文提出的框架，在圖像進行關(guān)鍵點特征提取前，先對圖像進行了預(yù)處理，有效地減少了投票的候選點個數(shù)。同時，框架采用優(yōu)化的DAISY特征作為