基于组件词表的物体识别

提出一种基于组件词表的物体识别方法,通过AdaBoost从物体样本图像的组件中选取一些最具区分性的组件,构成组件词表。每幅图像都用词表中的组件来表征,在此基础上用稀疏神经网络来训练分类器。实验结果表明,该方法识别精度较高,对于遮挡和复杂背景有较强的鲁棒性。     

Statistical Image Object Recognition using Mixture Densities

In this paper, we present a mixture density based approach to invariant image object recognition. To allow for a reliable estimation of the mixture parameters, the dimensionality of the feature space is optionally reduced by applying a robust variant of linear discriminant analysis. Invariance to affine transformations is achieved by incorporating invariant distance measures such as tangent distance. We propose an approach to estimating covariance matrices with respect to image variabilities as well as a new approach to combined classification, called the virtual test sample method. Application of the proposed classifier to the well known US Postal Service handwritten digits recognition task (USPS) yields an excellent error rate of 2.2%. We also propose a simple, but effective approach to compensate for local image transformations, which significantly increases the performance of tangent distance on a database of 1,617 medical radiographs taken from clinical daily routine.     

一种层次化的联合识别模型

目标检测与姿态估计在当前视觉研究中分属不同的任务,但两者在研究方法和现实应用上具有较强的互补性.提出了一种混合的层次树模型,该模型包含3类结点,分别描述整体目标、判别部件和组件(即语义部件).中间层的判别部件兼顾承上(目标)与启下(组件)的功能,一方面刻画整体目标的局部特征,另一方面隐含多组件的共现信息.相比当前最新的联合模型,层次树模型能够并行化处理检测与估计,避免串联化联合引发的错误传播.采用基于隐变量的结构化支持向量机训练模型,同时提出了一种新的部件学习方法以自动地初始化和优化判别部件.实验设计了多任务识别和单任务识别2种评估场景,对比了本文模型与当前主流的联合识别模型,实验结果说明层次化模型具有更强的识别性能以及更高的时效性.     

Probabilistic 3D Object Recognition

A probabilistic 3D object recognition algorithm is presented. In order to guide the recognition process the probability that match hypotheses between image features and model features are correct is computed. A model is developed which uses the probabilistic peaking effect of measured angles and ratios of lengths by tracing iso-angle and iso-ratio curves on the viewing sphere. The model also accounts for various types of uncertainty in the input such as incomplete and inexact edge detection. For each match hypothesis the pose of the object and the pose uncertainty which is due to the uncertainty in vertex position are recovered. This is used to find sets of hypotheses which reinforce each other by matching features of the same object with compatible uncertainty regions. A probabilistic expression is used to rank these hypothesis sets. The hypothesis sets with the highest rank are output. The algorithm has been fully implemented, and tested on real images.     

采用快速SIFT算法实现目标识别①

在基于原始SIFT算法的目标识别中,特征描述符的计算复杂,特征点的匹配时间较长,为此提出一种快速SIFT算法。该算法采用同心圆形窗口内的灰度累加值和差分值构建16维的简化描述符,并且在目标识别时,按照金字塔结构由粗至精进行特征点匹配。实验表明,在保证目标识别准确率的前提下,快速算法的运算时间比原始SIFT算法减少了两个数量级,具有很好的实时性能。     

自然场景中多类目标识别的算法研究

为了实现复杂自然场景中多类目标的识别与分割,本文利用条件概率模型(CM)对目标特征进行建模,融合了纹理特征、纹理环境特征和位置特征,并采用场景类别对各类目标间的相互约束关系进行建模,在此基础上研究基于场景类别的条件概率模型(sCM)在多类目标识别与分割中的应用。本文选用Oliva&Torralba数据库对模型进行实验并与国外其他方法进行了比较。实验结果表明,该算法在多类目标识别与分割中取得很好的结果,在提高总体识别率的同时提高了物体边缘部分识别与分割的正确率,更有效地提高了视觉效果。     

Android移动平台上的目标识别

随着计算机视觉的发展和移动平台处理能力的不断提高,将计算机视觉应用搬到移动平台上的需求将日益增长.其中基于移动平台的目标识别引起了大家极大的兴趣,这主要是因为目标识别算法取得了进步和移动手机已经有能力建立起一个适宜的系统.移动平台开发者们试着使用目标识别技术来建立良好的人机交互接口.这就需要合适的应用程序框架一客户服务器,在新兴的Android移动平台上来实现并测试框架,给出了一个案例学习及其测试结果.实验结果表明了这种框架的可行性.     

结合兴趣点和边缘的建筑物和物体识别方法

提出了多种图像特征相结合的建筑物和物体识别方法．使用尺度不变特征描述器描述的Harris-Laplace兴趣点以及边缘颜色直方图描述的边缘特征表示图像．边缘和兴趣点包含图像的重要信息．对2种特征的抽取同时进行：基于Harris检测器可以直接得到边缘特征;在多个尺度下进行Harris兴趣点检测,利用Laplace公式得到Harris-Laplace兴趣点．进行物体识别时,根据兴趣点的数目自适应地改变兴趣点和边缘特征的相似性权重．与同类方法相比较表明,该方法具有更高的识别正确率,在视点变化、光照条件变化等情况下具有较好的性能．     

Object Recognition and Selective Handling by a Robot

A small flexible production cell has been built around a selectively compliant articulated robot arm. Moving on a conveyor belt, boxes marked with different labels are presented to the robot in a random order. Using a camera and a vision card, the labels on the boxes are recognized. Each one of the labels can be rotated, translated or scaled. Three different invariant feature extraction methods (signature, invariant moments of Hu and Zernike) are compared. A neural net is used to classify the labels. The task of the SCARA robot is to pick up the moving boxes and to sort them according to their labels.     

采用精选Gabor小波和SVM分类的物体识别

提出了一种基于Gabor小波和支持向量机的物体识别通用框架. 在该框架中, 特征抽取采用选取的Gabor小波在物体的最佳位置卷积实现, 而分类则通过支持向量机实现. 相比传统的基于Gabor特征的识别系统, 该方法能够同时达到准确而快速的分类目的. 本论文成功地将该框架应用于两个实际的物体识别例子: 物体/非物体分类和人脸识别. 实验结果证明了所提出的方法相对于其它方法的优越性.     

面向目标检测与姿态估计的联合文法模型

针对部件模型在描述目标上的局限性,提出了一种判别化的视觉文法模型.该模型利用文法的可描述性和可扩展性能够对通用目标类别进行描述并且处理一般化的识别任务.根据目标检测和姿态估计的特点将文法模型实例化为两个单任务文法,同时对比了文法的异同.通过分析检测与姿态估计在应用背景和研究方法上的互补性,进一步提出了一种联合识别文法.联合文法由一组判别符号合并两个单任务文法,其特点是实现了并行化的目标检测与姿态估计,而且能同时提升检测和估计性能.鉴于参数训练所面临的弱监督环境,引入带隐变量的结构化学习框架优化文法参数.实验分别在单任务和多任务场景下对比了部件模型与提出的联合文法.实验结果说明联合文法在性能上优于当前主流的检测模型和姿态估计模型.     

POP: Patchwork of Parts Models for Object Recognition

We formulate a deformable template model for objects with an efficient mechanism for computation and parameter estimation. The data consists of binary oriented edge features, robust to photometric variation and small local deformations. The template is defined in terms of probability arrays for each edge type. A primary contribution of this paper is the definition of the instantiation of an object in terms of shifts of a moderate number local submodels—parts—which are subsequently recombined using a patchwork operation, to define a coherent statistical model of the data. Object classes are modeled as mixtures of patchwork of parts POP models that are discovered sequentially as more class data is observed. We define the notion of the support associated to an instantiation, and use this to formulate statistical models for multi-object configurations including possible occlusions. All decisions on the labeling of the objects in the image are based on comparing likelihoods. The combination of a deformable model with an efficient estimation procedure yields competitive results in a variety of applications with very small training sets, without need to train decision boundaries—only data from the class being trained is used. Experiments are presented on the MNIST database, reading zipcodes, and face detection.     

基于全向视觉和前向视觉的足球机器人目标识别

为了快速正确地进行机器人的目标识别，首先介绍了RoboCup中型组足球机器人NuBot使用的全向视觉系统及其目标识别方法；然后通过引入一套简单的前向视觉系统来弥补全向视觉的不足，以提高机器人对其前方目标球的感知识别精度，同时给出了一种简单有效的前向视觉系统标定方法；最后介绍两套视觉系统共同工作的实现机制，以提高机器人的目标识别处理速度。实验结果表明，两套视觉系统能够很好地共同完成机器人的目标识别。     

道路场景物体识别模型研究

随着科技的发展与进步,人工智能已逐渐成为新一轮产业变革的核心驱动力,其中自动驾驶领域被给予了前所未有的关注。基于深度学习算法,设计了一个道路场景物体识别模型。首先为数据集制作,收集道路场景数据,做数据增强操作;其次,设计道路场景物体识别方案,选取深度学习网络VGG16和SSD框架进行构建;再次,将传统的车道线检测算法与深度学习物体识别算法相结合,使得模型在识别车辆、行人、动物等物体的同时,进行车道线检测,增加了模型检测功能;最后,在不同的天气,光照环境下,对模型进行测试。测试结果表明,设计的道路场景物体识别模型具有较好的检测识别效果,在光照变化和天气影响下,亦能达到较高的准确率。     

小波系数特征的目标识别方法

提出一种基于小波系数特征的目标识别方法.通过对图像的小波变换系数进行有选择的保留和抛弃,并对保留的系数进行非线性的处理来突出目标的主要轮廓信息,归一化处理后提取出目标的特征向量;将该特征向量应用于支持向量机进行分类识别.实验证明该方法有效的改进了目标识别效果.     

基于极线约束的图像目标识别可信度评价方法

在图像辅助的惯性末制导系统中,提出了一种基于极线约束的图像目标识别可信度评价方法.当惯导系统给出的摄像机姿态或图像中目标的像素点位置存在误差时,为了平衡极线约束方程需要引入一个冗余量(residual),该冗余量可由惯导系统给出的摄像机两位置的相对运动及相应图像中目标点的像素位置计算得到.当惯导系统的姿态误差小于0.3°时,冗余量可以用来评价图像目标识别的可信度.理论推导及仿真实验证明,冗余量作为图像目标识别可信度的评价指标,具有良好的特性.     

不变矩稳定性及基于多级特征模型的目标识别研究

从成像过程和实际应用角度研究影响目标不变矩稳定性的各种因素,包括有限观测区域、高斯模糊和离散化处理以及在这些因素影响下不变矩的变化规律和误差．理论分析和实验还证明各不变矩自身的稳定特性不仅与阶数而且与其次数有关．这些研究和分析表明建立多尺度目标特征模型的必要性,可为不变矩在实际成像识别系统中正确有效地应用提供重要的理论和实验依据．     

一种基于特征捆绑计算模型的物体识别方法

利用一种特征捆绑计算模型,以Gabor特征作为模型的初级特征,将相关统计量作为实现特征捆绑的基础,提出了一种物体识别方法.并实现了一组物体识别实验,结果显示,该方法能够进行较快速而准确地识别,说明了此方法和所使用的特征捆绑计算模型的有效性.     

目标多种多值属性的端端快速识别网络

为提高图像目标多种多值属性的识别速度,提出一种端到端的识别算法.采用修正的YoloV3网络作为主网络,确定目标的boundingbox;依据属性独立特性构造子网络,多个子网络共享由boundingbox确定的主网络深层次特征,进行推断,并采用多值输出满足多值属性的识别.在训练过程中,采用了三阶段分目标训练.实验结果验证...     

基于区域CSIFT特征的目标识别算法

无重叠多摄像机监控系统在使用局部形状特征进行目标识别时,会忽略颜色信息,且对光学变换具有不稳定性.为此,提出一种基于区域彩色尺度不变特征变换的目标识别算法.通过修正的双色反射模型,提取对光照特性和物体几何特性具有不变性的颜色特征,得到尺度不变特征变换描述予,利用颜色特征和形状特征建立目标模型.实验结果表明,该算法对刚体和非刚体目标的识别都能取得较好的效果.