目标识别与检测相关概念.pdfVIP

⽬标识别与检测相关概念 ⼀. 明确⼏个概念 ： 1. ⽬标分割 （Target Segme tatio ） ：任务是把 ⽬标对应部分分割出来。 像素级的前景与背景的分类问题，将背景剔除。 举例 ： （以对视频中的⼩明同学进⾏跟踪为例，列举处理过程） 第⼀步进⾏ ⽬标分割，采集第⼀帧视频图像，因为⼈脸部的肤⾊偏黄，因此可以通过颜⾊特征将⼈脸与背景分割出来。 2. ⽬标检测 （Target Detectio ） ： 定位 ⽬标，确定⽬标位置和⼤⼩。检测 ⽬标的有⽆。 检测有明确 ⽬的性，需要检测什么就去获取样本，然后训练得到模型，最后直接去图像上进⾏匹配，其实也是识别的过程。 举例 ：第⼆步进⾏ ⽬标识别，分割出来后的图像有可能不仅仅包含⼈脸，可能还有部分环境中颜⾊也偏黄的物体，此时可以通过⼀定的形状 特征将图像中所有的⼈脸准确找出来，确定其位置及范围。 3.⽬标识别 （Target Recog itio ） ：定性 ⽬标，确定⽬标的具体模式 （类别）。 举例 ：第三步进⾏ ⽬标识别，将图像中的所有⼈脸与⼩明的⼈脸特征进⾏对⽐，找到匹配度最好的，从⽽确定哪个是⼩明。 4.⽬标跟踪 （Target Tracki g） ：追踪 ⽬标运动轨迹。 举例 ：第四步进⾏ ⽬标跟踪，之后的每⼀帧就不需要像第⼀帧那样在全图中对⼩明进⾏检测，⽽是可以根据⼩明的运动轨迹建⽴运动模型， 通过模型对下⼀帧⼩明的位置进⾏预测，从⽽提升跟踪的效率。 ⼆. ⽬⽬标标识识别别 （⼀） ⽬标识别的任务 ： 识别出图像中有什么物体，并报告出这个物体在图像表⽰的场景中的位置和⽅向。对⼀个给定的图⽚进⾏ ⽬标识别，⾸先要判断⽬标有没 有，如果 ⽬标没有，则检测和识别结束，如果有 ⽬标，就要进⼀步判断有⼏个⽬标，⽬标分别所在的位置，然后对 ⽬标进⾏分割，判断哪些 像素点属于该 ⽬标。 （⼆） ⽬标识别的过程 ： 1. ⽬标识别框架 ⽬标识别往包含以下⼏个阶段 ：预处理，特征提取，特征选择，建模，匹配，定位。⽬前物体识别⽅法可以归为两类 ：⼀类是基于模型的或者基于上下⽂ 识别的⽅法，另⼀类是⼆维物体识别或者三维物体识别⽅法。对于物体识别⽅法的评价标准，Grimso 总结出了⼤多数研究者主要认可的4个标准 ：健壮性 （robust ess）、正确性 （correct ess）、效率 （efficie cy）和范围 （scope）。 2. 训练样本的创建 训练样本包括正样本和负样本 ；其中正例样本是指待检 ⽬标样本(例如⼈脸或汽车等)，负样本指其它不包含 ⽬标的任意图⽚ （如背景等）， 所有的样本图⽚都被归⼀化为同样的尺⼨⼤⼩(例如，20x20)。 3. 预处理 预处理通常包括五种基本运算 ： (1)编码 ：实现模式的有效描述，适合计算机运算。 (2)阀值或者滤波运算 ：按需要选出某些函数，抑制另⼀些。 (3)模式改善 ：排除或修正模式中的错误，或不必要的函数值。 (4)正规化 ：使某些参数值适应标准值，或标准值域。 (5)离散模式运算 ：离散模式处理中的特殊运算。 4.特特征征提提取取 ⼀般我们把原始数据组成的空间叫测量空间，把分类识别赖以进⾏的空间叫做特征空间，通过变换，可把在维数较⾼的测量空间中表⽰的模式变为在维数较低的 特征空间中表⽰的模式。特征提取是物体识别的第⼀步，也是识别⽅法的⼀个重要组成部分，好的图像特征使得不同的物体对象在⾼维特征空间中有着较好的分 离性，从⽽能够有效地减轻识别算法后续步骤的负担，达到事半功倍的效果，下⾯是对⼀些常⽤的特征提取⽅法 ： （1）颜⾊特征。颜⾊特征描述了图像或图像区域所对应的景物的表⾯性质，常⽤的颜⾊特征有图像⽚特征、颜⾊通道直⽅图特征等。 （2）纹理特征。纹理通常定义为图像的某种局部性质，或是对局部区域中像素之间关系的⼀种度量。纹理特征提取的⼀种有效⽅法是以灰度级的空间相关矩阵 即共⽣矩阵为基础的，其他⽅法还有基于图像友度差值直⽅图的特征提取和基于图像灰度共⽣矩阵的特征提取。 （3）形状特征。形状是刻画物体的基本特征之⼀，⽤形状特征区别物体⾮常直观，利⽤形状特征检索图像可以提⾼检索的准确性和效率，形状特征分析在模式 识别和视觉检测中具有重要的作⽤。通常情况下，形状特征有两类表⽰⽅法，⼀类是形状轮廓特征描述，另⼀类是形状区域特征。形状轮廓特征主要有 ：直线段 描述、样条拟合曲线、博⽴叶描述⼦、内⾓直⽅图以及⾼斯参数曲线等等，