基于部件的三维目标检测算法新进展

三维目标检测问题是计算机视觉领域的一个基础而重要的问题, 如何解决部分遮挡、类内变化、复杂背景以及视角变化的问题是这类算法的研究重点. 近年来,随着部分遮挡、类内变化等问题的逐步解决,越来越多的研究者针对视角问题 展开研究.本文对三维目标检测问题进行了较为详细的分析,并且主要针对近几年的 热点问题—视角问题展开讨论,介绍并总结了当前该领域的主要算法. 通过对比说明了各种方法的优势与不足.     

多方向线积分的梯度特征

典型的梯度特征包括HOG(梯度方向直方图)、Shapelet及Edgelet等,这些特征被广泛用于目标检测、目标识别、图像检索及场景分类等领域。针对HOG特征运算复杂度高的问题,提出了一种新的多方向线积分的梯度特征(MDIG)。通过避免计算梯度方向并利用积分图,该特征简化了计算过程,提高了计算速度,因而便于在DSP等硬件上实现。实验中新特征被应用于人体头肩检测。实验结果表明当使用AdaBoost算法训练分类器时,该特征的描述能力与HOG相当,同时其计算时间仅为HOG的1/3,整体性能优于HOG。最后,针对梯度特征的适用范围对其未来应用的发展方向进行了讨论。