16．2物体识别的复杂度-Read.doc

第十六章 物体识别 目前，物体识别的基本方法是建立物体模型，然后使用各种匹配算法从真实的图像中识别出与物体模型最相似的物体。物体识别的正式定义如下：给定一幅包含一个或多个物体的 16．1识别系统的基本组成 可以认为，物体识别系统包括四个主要模块：即模型库、特征检测器、假设生成(hypothesis formation)和假设验证(hypothesis verification)等模块。图16.1给出了系统不同模块之间的作用和信息流图。 模型库包含有所有的已知模型。模型库的信息取决于物体识别方法，可以是定量、定性或函数描述，也可以是精确的几何曲面信息。在大多数情况下，物体的模型是抽象的特征矢量。特征是物体的一种属性，比如，尺度、色彩和形状等，特征在描述和识别物体过程中起着十分重要的作用。 图16.1物体识别系统组成示意图 输入图象可以是灰度图象、彩色图象、深度图象或它们的组合。特征检测器对输入图象的特征进行检测，并对特征进行定位，这样有助于假设生成。物体特征的选取取决于待识别物体的类型和模型库数据结构。假设生成模块使用图像特征来给场景中的物体分配一个似然值，这一步可以大大减小物体识别的有哪些信誉好的足球投注网站空间。一般来说，模型库是一种索引图，它有利于从所有可能的物体集合中去除那些不可能的候选者。假设验证模块使用物体模型来验证假设，并进一步给出精确似然值。在所有证据的基础上，选用具有最大似然值的物体作为识别结果。 假设生成和假设验证在不同的识别方法中，其重要性是不一样的。一些系统仅仅使用假设生成，然后选择具有最高似然值的物体作为识别结果。模式分类方法是此种方法的一个很好的例子。另一方面，许多智能系统很少依靠假设生成，更多的工作是在验证阶段。实际上，经典模式识别方法之一的模板匹配方法就没有假设生成阶段。 为了实现上述步骤，物体识别系统必须选择合适的手段和方法。对于特定的应用，在选择合适的方法时，必须考虑许多因素和问题。在设计物体识别系统时必须考虑的问题有： 模型表示 模型表示涉及到物体具有那些重要属性或特征以及这些特征如何在模型库中表示。对 于大多数物体来说，几何特征描述是可以很有效的；但对于另外一些物体，可能需要更一般的特征或函数来表示。物体的表示应该包含所有相关信息，但没用任何冗余信息，并且将这些信息以某种方式组织起来，使得物体识别系统的不同组元能够容易访问这些信息。 特征提取 特征提取的算法有很多，根据应用对象，应选择可靠的特征检测方法和特征定位方法。许多特征可以在二维图像中计算出来，但它们与物体的三维特征有关。由于图像生成过程的特性，有些特征可以很容易地计算出来，而其它特征计算起来则非常困难。 特征模式匹配 特征模式匹配是指图像中的物体特征同模型库中的模型相匹配。在许多物体识别任务中，待识别的物体的数量较多，每一个物体拥有的特征也有许多。显然，穷举匹配方法可以解决识别问题，但识别效率太低，不是很实用。因此，在建立匹配方法时，必须考虑特征的有效性和匹配算法的高效率。 假设生成 为了有效地提高识别效率，可以根据物体特征首先建立可能的物体集合，并给每一可能的物体分配置概率值。“假设生成”过程基本上是一种启发式过程，由此可以减小有哪些信誉好的足球投注网站空间。假设生成过程特别注重使用应用域知识，将某种置信概率值分配给该应用域中的不同物体。 物体验证 如何使用物体模型，从给定图像中的可能物体集合中选择最有可能的物体？每一个可能物体的存在可以用它们的模型来证明。我们必须测试每一个可能的假设来验证一个物体的存在或忽略这个物体的存在。如果模型是几何模型，则很容易用摄像机的位置和其它场景参数来验证物体。 按照问题的复杂性，图16.1的一个或多个模块可能变得不重要，这主要取决于问题的复杂度。举例来说，基于模式识别的物体识别系统不使用任何基于特征的匹配或物体验证；它们直接给物体指定概率并选择具有最大概率的物体。 16．2物体识别的复杂度 我们知道，场景图像与照明、摄像机参数、摄像机位置等因素有关，因此，要从一幅图象中识别物体，特别是从包含多个物体的图像中识别特定的物体，必须考虑这些因素。物体识别的复杂度依赖于以下几个因素： 场景的不变性 场景的复杂度取决于获取图像时的条件(照明、背景、摄像机参数和观察点 )是否同模型建立条件相似。如前几章所置述，场景的条件显著地影响同一物体的图像。在不同的场景条件下，不同特征检测器的性能显著不同。因此必须考虑背景、其它物体以及照明的特性，以决定哪种特征可以得到有效而可靠地检测。 图像模型空间 在某些应用中，三维物体可以近似地认为是二维物体，此时的物体模型可以用二维特征来表示。如果模型是三维且不能忽略透视效应，那样情况就变得很复杂。在