基于語義結構和視覺焦點的場景目標識別.pdf

1、復雜場景中的目標檢測以及識別一直都是機器視覺、人工智能、模式識別和圖像處理領域的熱點研究技術之一，并且被廣泛的應用在軍事科技、工業(yè)安防、日常生活、醫(yī)療氣象等各個方面。像目前發(fā)展迅速的 Google和百度的無人車、大疆創(chuàng)新開發(fā)的無人機、愛奇藝的視頻廣告投放、高新興科技的智慧城市以及Magic Leap技術等，這些目標檢測識別的應用與我們的生活如影隨形。因此，提高復雜場景中目標的識別率和實時性就具有非常重要的意義。
　　本文所做的改進

2、工作主要包括以下兩個方面。
　　首先，經典的脈沖耦合神經網絡(PCNN)+ITTI模型值雖然可以確定整個場景的目標物體，但是分離而出的目標物體中還會將背景圖像也分離進去，并且無法將單個目標分別分離而出，因此會對后續(xù)要提取的特征向量有較大的影響，嚴重的影響了識別率。改進的MeanShift+ITTI模型，可以將整個目標分離而出，并且只帶有少量的背景信息，實現了很好的目標物的分離，但是同樣無法實現將多目標場景的分離。因此，本文提出了基

3、于視覺焦點的改進 ITTI模型，可以實現多目標復雜場景的目標物體分離，同時對于目標物與目標物之間的遮擋、粘連情況也具有較好的識別效果。
　　其次，本文提出了將自然語言處理中的的語義機制應用于SVM分類器模型中，對于SVM分類不滿足自然場景語義機制的打分,選取打分次高者作為判斷的類別，并以此類推，使得重新進行目標識別后可以給出滿足自然場景語義機制的識別結果，并且在時間上只有稍微的延時，同時，對識別率有了一定的提升。
　　綜上所