基于局部边缘特征的快速目标检测

为了实现复杂环境下形状、尺度变化较大的目标检测,提出一种在复杂背景图片中快速目标检测的算法.该算法采用新的局部边缘匹配特征,通过积分图像技术实现快速计算;通过机器学习算法自动提取样本的局部边缘特征来构建目标模板,且不需要任何手工分割和人工筛选的过程.在UIUC通用图像测试库上的实验结果表明,文中算法可在平移、尺度变化、...     

基于模糊多重分形特征的人造目标检测

图像灰度的奇异性和多重分形谱特征反映了图像内容的不同属性,并且可以用于在自然背景下对人造目标的检测。基于图像的多重分形谱,多重分形征和多重分形符合误差特征进行了模糊化处理,并且通过对80幅模拟图像的处理和分析获得了两个特征的模糊成员函数,提出了多传感器模糊特征综合函数和判别准则,对80幅样本图像进行目标检测的正确概率可以达到近90%。     

一种新的基于局部轮廓特征的目标检测方法

针对复杂场景中背景复杂、目标周围噪声多及目标只占图像中较小部分而难于检测的问题,提出一种新的基于局部轮廓特征的检测目标方法.该方法首先利用改进的全局概率边界算法 (Globalized probability of boundary, gPb) 算法提取图像的轮廓,然后应用最大类间方差法 (Otsu)进行自动阈值处理得到图像的显著性轮廓; 再提取显著性轮廓的k邻近大致直线轮廓段(k connected roughly straight contour segments, kAS),并以kAS作为局部特征,用于复杂场景中的目标检测.该算法结合 gPb 算法和 Otsu 提取轮廓的显著性轮廓,去除了目标附近的大量噪声边界,有效地提高了检测效率.同时,在检测阶段,测试集与 训练集中提取的不相关特征数目也得到较大减少,从而提高了检测的精度.多组实验结果均表明本文方法的有效性.     

融合纹理和颜色特征的显著目标检测

针对在无监督情况下,图像中显著性目标的不确定问题,提出了一种基于纹理和颜色特征的显著目标检测算法.首先,利用Gabor滤波器提取图像的纹理特征,构造背景模型.结合图像边缘信息更新背景先验信息.其次,利用颜色对比度来获取显著特征,利用贝叶斯增强来提高检测效果.最后,在MSRA和ECSSD两个公开数据集上,将论文算法与其他...     

基于区域提取与改进LBP特征的运动目标检测

树叶晃动、光照变化等自然场景下的动态背景会影响运动目标检测的准确性,区分动态背景和前景目标的变化是复杂场景下运动目标检测的首要任务.针对现有的前景提取算法逐点提取前景从而导致计算资源浪费的问题,提出了一种区域提取与改进LBP(Local Binary Patterns)纹理特征相结合的运动目标检测算法.首先,将图像分为...     

基于多尺度特征与角度信息的无锚框目标检测方法

遥感目标检测是从遥感图像中对目标进行类别识别与定位的过程,它是遥感图像处理领域中一个重要的研究分支。目标尺度变化大和目标姿态旋转多变是制约遥感图像目标检测性能的重要因素之一。针对上述难点,本文提出了基于多尺度特征与角度信息的无锚定框目标检测方法。首先,该方法在经典特征金字塔网络中嵌入特征选择与对齐模块解决现有的特征金字塔网络存在的特征错位和通道信息丢失两种缺陷,从特征层面提升检测模型多尺度学习能力;其次,针对现有基于锚定框的旋转目标检测方法存在超参数敏感的问题,在基于无锚定框目标检测网络基础上加入了旋转边界框定位方式,无需对检测性能敏感的锚定框超参数进行设置;最后,为了解决旋转边界框存在边界突变问题,该方法将旋转边界框转换为二维高斯分布表示,并引入基于二维高斯分布的旋转回归定位损失函数来驱动检测网络学习目标的方向信息。实验结果表明,在多尺度和旋转目标检测方面,该方法的性能优于近几年提出的遥感目标检测方法。     

工业场景中背景特征的建模要素分析

随着现代制造业对产品质量、生产效率和操作安全性要求的提高,视频监控在现代制造业中的应用越来越广泛,对视频处理的精度与速度要求也越来越高.运动目标检测是视频理解和分析的基础,因此面向工业场景的运动目标检测算法一直是一个研究热点.作为算法的重要组成部分,运动目标检测所用到的背景特征在以往并没有受到足够的重视.为此本文,从像素数据和已有算法中获取背景特征,给出相关特征和数据的可视形态表示,支持更直观的方式辅助获取这些背景特征之间的关系,进一步给出背景特征模型,同时本文得到的背景特征关系可以指导算法设计.     

一种基于纹理和颜色置信融合的运动目标检测方法

针对运动目标检测中单特征背景模型存在的局限性,如基于颜色特征的背景模型对光照和阴影敏感,基于纹理特征的背景模型易产生空洞,提出了一种以置信度融合RGB颜色特征和SILTP(Scale Invariant Local Ternary Pattern)纹理特征的运动目标检测方法。以像素点SILTP纹理信息值和RGB颜色信息值及他们各自的置信度构建背景模型。分别计算当前像素点与背景模型的纹理差异度和颜色差异度,通过置信度融合的方法计算当前像素与背景模型的总体差异度,以达到更好的融合效果。采用ViBe算法的更新策略更新背景模型。通过前景像素点8邻域内的背景像素点的统计方法去噪点。wallflower和Data2014数据集上的实验结果表明,所提出的融合方法能有效抑制阴影,对光照有良好的鲁棒性,在复杂动态背景下能取得良好的效果。     

保持尖锐特征的隐式曲线绘制算法

隐式曲线在生物、医学、气象、地学、石油勘探及物探等领域有着广泛的应用。 提出一种绘制带有尖锐特征的平面隐式曲线的算法,能有效地提取隐式曲线的尖锐特征。该算 法首先确定曲线的绘制区域,采用自上而下的方式生成绘制区域的四叉树表示,并在四叉树节 点表示的每个单元格内生成一个数值场特征点;然后连接特征点生成对偶网格;最后,利用 Marching Squares 算法生成曲线。实验结果表明,该算法能在网格较稀松的情况下绘制出隐式 曲线,并且可以实现曲线的尖锐特征。     

多分辨率形态学目标检测

用形态小波变换得到图像的塔式表示,并从最低分辨率到原始分辨率由粗到精地提取目标区域.在每个分辨率上,先应用分水岭变换分割该分辨率下的低频分量（或上一级分辨率得到的标记图）,得到一个标记图;再用一个区域搜索策略来更新该标记图.对多类目标的实验结果验证了该算法具有速度快、精度高和对噪声不敏感的优点.     

Instance-level Object relation module for one-stage Object Detection

Leveraging the contextual information at instance-level can improve the accuracy in object detection. However, the-state-of-the-art object detection systems still detect each target individually without using contextual information. One reason is that contextual information is difficult to model. To solve this problem, the object relation module based on one-stage object detectors helps the object detectors learn the correlations between objects. It extracts and fuses the feature maps from various layers, including geometric features, categorical features, and appearance features, a transformation driven by visual attention mechanism are then performed to generate instance-level primary object relation features. Furthermore, a lightweight subnet is used to generate new feature prediction layer based on primary relation features and fused with the original detection layer to improve the detection ability. It does not require excessive amounts of computations and additional supervision and it can be easily ported to different one-stage object detection frameworks. The relation module is added to several one-stage object detectors (YOLO, Retinanet, and FCOS) as demonstrations and evaluate it on MS-COCO benchmark dataset after training. The results show that the relation module effectively improves the accuracy in one-stage object detection pipelines. Specifically, the relation module gives a 2.4 AP improvement for YOLOv3, 1.8 AP improvement for Retinanet and 1.6 AP improvement for FCOS.

     

Contextual Priming for Object Detection

There is general consensus that context can be a rich source of information about an object's identity, location and scale. In fact, the structure of many real-world scenes is governed by strong configurational rules akin to those that apply to a single object. Here we introduce a simple framework for modeling the relationship between context and object properties based on the correlation between the statistics of low-level features across the entire scene and the objects that it contains. The resulting scheme serves as an effective procedure for object priming, context driven focus of attention and automatic scale-selection on real-world scenes.     

小样本图像目标检测研究综述

近年来,以深度学习为基础的图像目标检测技术取得了显著成就,并涌现了许多成熟的检测模型,但这些模型均需要利用大量的标注样本进行训练,而在实际场景当中,往往很难获取到相应规模的高质量标注样本,从而限制了其在特定领域的应用和推广.由于对样本数量的依赖性小,小样本条件下的图像目标检测技术逐渐得到研究和发展.基于小样本图像目标检...     

一种面向目标检测的部件学习方法

基于部件的目标检测模型主要研究如何利用部件获得目标的局部判别特征,而极少关注部件形式及选取策略对检测性能的影响.首先从特征学习的角度分析了部件选取策略对学习弱部件模型的影响,提出了一种自适应的部件学习方法.该方法无须部件层标注,在搜索判别部件的同时利用样本自身的图像分布特点自动定位到语义相关的部件,从而保证特征学习的判别性和有效性.其次,针对训练集的标注样本经常存在不完整或部分遮挡等事实,提出了一种简单有效的部件剪技策略以降低噪声部件的比例.实验面向PASCAL VOC 2007/2010数据集评估了4种形式的部件模型.实验结果验证了自适应部件学习算法在模型检测上的有效性,同时表明了弱部件模型经过剪技策略优化后具有更快的学习收敛性.     

基于几何特征的曲面物体识别

基于几何特征的曲面物体识别方法是通过从景物深度图象上提取景物表面的高斯曲率和平均曲率、曲率直方图,曲率的熵等几何信息,将景物用一个属性关系图ＡＲＧ来表示,并与模型库中的模型ＡＲＧ图进行优化匹配,从而来识别曲面景物。该方法主要是针对机器零部件等人造曲面物体的识别问题而设计的,其曲面几何特征的描述方法对二阶曲面比较有效,实验表明,应用该方法可成功地从深度图象中识别机器零部件等曲面物体,且有较好的识别结     

抗干扰的运动目标检测算法

针对实时场景中运动目标检测的问题,提出一种改进算法。结合背景差分与帧间差分判定图像是否存在运动目标的过程中,引入形态腐蚀算子抑制大量孤立小噪声,采用基于矩形块的目标判定方法提高检测准确度,通过实时背景更新提高自适应性。实验结果表明改进算法可靠性高、抗干扰性强、背景适应性强。     

显著性物体检测研究综述

人类的视觉系统能够迅速地、有选择地从视觉场景中检测出感兴趣的目标或者具有显著特征的物体,并根据更高层次的视觉任务目的对它们进行处理和理解,从而实现相应的行为或决策.将人类这种选择性视觉注意机制引入到计算机视觉的信息处理中,可以有效地减少视觉计算所需处理的数据量、加速整个处理过程,并进一步方便更高层次视觉任务的处理,因而...     

抗干扰的运动目标检测算法

针对改进族群进化算法(EGEA)中对族群模式的有效采样问题,提出以竞争指数为选择指标的常规选择、以族群为选择单位的常规选择以及基于竞争指数的模拟退火排序选择3种选择机制,并通过多维函数优化问题进行实验分析,结果表明3种选择机制都能够在一定程度上提高EGEA的搜索效率,且基于竞争指数的模拟退火排序选择算子的实现更简便,对EGEA综合性能的提高也更明显。     

基于骨骼特征和手部关联物体特征的人的姿态识别

在计算机视觉中,人的姿态识别是人的行为识别的重要组成部分。通常,人的行为是动态的过程,姿态是人的行为中的具体的某个静态动作。在人的姿态或行为识别研究中,多借助人体姿态特征,而忽略了与人体相互关联的物体信息。当借助骨骼信息描述人体姿态时,人体被简化为人体骨骼,不同的姿态可能会出现相同的骨骼形态。为了更好地识别姿态,提取人的姿态的骨骼信息特征和手部关联物体的深度信息特征,再使用支持向量机进行分类。最后借助公共数据库验证了方法的有效性。     

遮挡情况下目标局部特征在跟踪算法中的应用

为了解决视频目标跟踪中的遮挡问题,本文提出了一种新的目标局部形状特征——仿射不变三角形来对目标进行描述,所提取的仿射不变三角形特征具有平移、旋转和尺度不变的特性,在各种异常情况下仍然能够稳定地表征目标。本文采用仿射不变三角形特征量来进行有效的遮挡状态的判断,并将目标未被遮挡部分的局部形状特征量与运动预测结合起来进行基于模板的匹配跟踪,能够避免遮挡所导致的目标外观数据改变而引起的目标运动状态计算的错误,以解决目标在跟踪中的遮挡问题。实验结果证明,本文提出的局部形状特征能够比较准确地判断目标的遮挡状态,并且能够有效地提高跟踪算法的准确性和稳定性。