特定場景下的可變形部件模型.pdf

1、物體檢測長期以來都是計算機視覺中的基本問題之一，是進行場景理解，行為分析的基礎，在視頻監(jiān)控、自動駕駛系統(tǒng)、機器人制造等問題中得到了廣泛的應用。當前主流的檢測算法采用基于滑動窗口的檢測策略：從滑動窗口中提取特征，將檢測問題轉(zhuǎn)化為二值分類問題，即判斷待檢測目標是否存在于當前窗口中。由于物體的視覺特征會隨著視角、光照、姿態(tài)等條件的變化而變化，給檢測任務帶來了很大的難度。大多數(shù)檢測算法關注的是靜態(tài)圖像的檢測，而特定場景下的物體檢測又帶來了新的挑

2、戰(zhàn)：首先，物體尺度范圍非常大，滑動窗口大小的選擇需要平衡，若窗口過大，則對小尺度目標容易產(chǎn)生漏檢；若窗口過小，則容易產(chǎn)生虛檢；其次，現(xiàn)實世界中的物體紛繁復雜，小尺度物體的視覺信息不足，極易產(chǎn)生漏檢或者與背景發(fā)生混淆。訓練時間也是檢測模型的一大瓶頸，模型的泛化能力有限，針對特定場景訓練的檢測難以遷移到新的場景。針對上述問題，我們擬利用特定場景提供的上下文信息，采用場景相關特征提高檢測精度，將可變形部件模型擴展到多尺度結(jié)構，使用概率圖模型結(jié)

3、合檢測模型和場景相關特征進行聯(lián)合估計。
　　本研究主要內(nèi)容包括：⑴分析了特定場景下物體檢測問題的難點：物體尺度變化及復雜背景帶來的干擾。針對特定場景，在傳統(tǒng)的基于局部圖像信息的檢測策略的基礎上，采用基于上下文信息的檢測思路，充分利用場景所提供的相關信息，提升檢測精度。提出了將可變形部件模型作為局部檢測器，使用概率圖模型將局部檢測器與場景相關的上下文特征結(jié)合的特定場景可變形部件模型。⑵對物體檢測加速算法進行了研究。通過性能分析發(fā)現(xiàn)，