【毕业学位论文】基于局部纹理特征的物体检测方法-计算机应用技术博士论文

工学博士学位论文 基于局部纹理特征的物体检测方法 N 洪明 哈尔滨工业大学 2006 年 2 月 .: N 5, 2006 要 - I - 摘要 从计算机诞生以来，让计算机或机器 人像人类一样具有视觉能力，是科研工作者一直不懈追求的目 标。物体检测是人类视觉中 的基本步骤和基本功能，为人类了解周围的环境 和景物提供了至关重要的前 提。物体检测是计算机视觉学科中极具挑战性的 理论研究课题，而且在很多 领域具有广阔的应用前景，例如多媒体信息分析与搜索、 场景分析与理解、视频编码、视频监控、模式识别等。作为一个研究热点 ，物体检测越来越受到研究者们的重视，研究深度和广度在不断地增强。 本文围绕物体检测展开研究，研究目 的是探索一种有效的物体特征表示方法并且应用于物体检测，从而提供 物体检测的新方法。针对上述研究目标，本文在基于局部纹理分 析的物体表示特征、有效特 征的选择和基于局部纹理特征的物体检测算法等 方面进行了深入的研究和探 讨。论文具体的研究内容如下： 1本文基于物体的局部纹理分析，提出了改 进的空间直方图特征，用于物体检测任务中的特征表示。空间 直方图特征是图像局部纹理的信息分布，它同时反映了物体在不 同尺度上的纹理和结构信息 。改进的空间直方图特征与目标物体类别相关联 ，具有对目标物体的判别能 力，而且能够适用于各种典型物体的表示。本文 以刻画物体的纹理信息和结 构信息为着眼点，建立了空间直方图特征的提取 方法，并且对空间直方图特 征的物体判别能力进行了研究。 2提出了基于空间直方图特征的层次化物体检测算法。本文采用空间直方图特征作为物体表示， 根据由粗到精的策略，综合 利用两种物体检测技术：直方图匹配方法和支持向量机分 类器，构建了物体检测的一种通用算法。该算法首先通过直方图 匹配方法进行粗检测，达到 排除图像中大量非目标物体的目的；其次在精确 检测过程中，采用支持向量 机分类器提高检测精度。该算法有效的解决了物 体检测问题，具有快速、鲁 棒的特点。该算法可以处理不同类型的物体模式，包括刚 体物体模式、可变形的柔性非刚体物体、以及纹理模式物体。 3提出了一种结合类别可分性和特征相关性的特征选择方法。传统的特征选择技术在处理高维数 据时，存在训练时间长或者 选择所得到的特征子集分类性能不高的局限。本文方法使用 则度量特征的类别可分哈尔滨工业大学工学博士学位论文 - 性，采用互信息计算特征之间的相关 性，按照顺序增加的方式产生候选特征，以分类器错误率最小为 目标，选择分类性能高而互 相之间相关性弱的特征，构成紧致而有效的特征 子集。该方法不但可以选择 出有效的分类特征，而且在保证分类性能的条件 下降低了特征维数，提高了 分类效率。本文将所提出的特征选择方法用于构 造空间直方图特征子集，作 为物体检测中支持向量机分类器算法的输入特征 。实验结果表明该方法可以 自动获取与目标物体类别相关联的分类特征。 4提出了基于空间直方图特征和纠错码分类器的多姿态人脸检测算法。首先，本文结合纠错码 多类分类器算法，研究了如 何将基于空间直方图特征的物体检测算法扩展到 多姿态人脸检测。其次，针 对基于纠错码多类分类算法中单分类器训练困难 的问题，本文提出了一种在 给定纠错码码本的前提下如何训练有效纠错码多 类分类器的方法。该方法以 整体纠错码多类分类器的错误率最小为目标，依 次选择有效特征和训练单分 类器，从而训练得到整体分类性能更高的纠错码 多类分类器。最后，本文对 基于纠错码的多姿态人脸检测方法进行了实验验 证，实验结果表明该方法可 以有效的解决多姿态人脸检测问题，取得了 良好的检测性能。 关键词 物体检测；多姿态人脸检测；空间直方图特征；特征选择；纠错码多类分类器 t of to a to is of It to in As an In a is in to a by in of as on on of as 1. An on a of is in by as to As of of an at of be of of of 2. A on is as to an on a of a as 尔滨工业大学工学博士学位论文 - In In a is to or is to it be to 3. A on is in as of of to of to is by is to to is to 4. A on is we to to we an by of we to of 录 - V - 目录 摘要 . I . 1 章 绪论 . 1 题背景及研究意义 . 1 体检测领域的研究现状 . 3 体特征表示 . 3 体检测方法 . 7 体检测中的典型案例：人脸检测 . 9 体检测中存在的问题 . 12 文主要工作及结构安排 . 12 文的主要工作 . 14 文的结构安排 . 14 文的主要贡献 . 15 第 2 章 空间直方图特征及其判别分析 . 17 言 . 17 间直方图特征的提取 . 17 理直方图 . 18 间直方图特征 . 23 间直方图特征的判别分析 . 24 别可分性的实例说明 . 24 别可分性的度量 . 28 间直方图特征在彩色 图像人脸检测中的应用 . 29 于彩色信息的空间直方图特征 . 29 测方法 . 30 验评估 . 32 章小结 . 34 第 3 章 基于空间直方图特征的物体检测 . 36 言 . 36 体检测的系统框架 . 37 哈尔滨工业大学工学博士学位论文 - - 合直方图匹配 . 38 合直方图匹配的推导 . 38 合直方图匹配的训练方法 . 41 持向量机分类器及其特征选择 . 44 间直方图特征之间的相关性 . 45 间直方图特征的有效选择 . 45 验评估 . 50 面人脸检测 . 51 面汽车检测 . 57 频文字检测 . 63 于系统检测速度的实验 . 66 章小结 . 68 第 4 章 基于纠错码多类分类器的多姿态人脸检测 . 69 言 . 69 关研究工作介绍 . 69 于纠错码的多类分类方法 . 71 息传输系统模型与纠错码 . 72 纠错码应用于多类分类方法 . 74 于纠错码的多姿态人脸检测 . 75 建基于空间直方图特征的 . 77 验评估 . 80 错码性能分析 . 82 标准测试集合上的实验结果 . 83 错码与一对多编码的比较 . 86 验结论 . 88 章小结 . 88 结论 . 90 参考文献 . 92 攻读学位期间发表的学术论文 . 101 哈尔滨工业大学博士学位论文原创性声明 . 103 哈尔滨工业大学博士学位论文使用授权书 . 103 致谢 . 104 个人简历 . 105 目录 - . I . . 1 . 1 of of . 3 . 3 . 7 of . 9 of . 12 of . 12 of . 14 of . 14 of . 15 . 17 . 17 of . 17 . 18 . 23 of . 24 of . 24 of . 28 in . 29 . 29 . 30 . 32 . 34 . 36 . 36 of . 37 哈尔滨工业大学工学博士学位论文 - - . 38 of . 38 of . 41 . 44 of . 45 of . 45 . 50 . 51 . 57 . 63 . 66 . 68 . 69 . 69 . 69 . 71 . 72 to . 74 . 75 on . 77 . 80 . 82 on . 83 . 86 of . 88 . 88 . 90 . 92 . 101 . 103 . 103 . 104 . 105 目录 - 图表目录 图 1体检测的示例 . 2 图 1于局部纹理特征的物体检 测方法的研究框架图 . 13 图 2. 18 图 2算 . 19 图 2脸 (a)和非人脸 (b)的图像、 . 19 图 2面汽车（前 3 行）和非汽车（后 3