基于几何证据收集的物体检测

人造物体通常具有非常稳定的形状特征,这种几何上较为持久和稳定的属性为物体识别提供了证据,并且它们相对于外观特征、颜色特征或灰度梯度特征等更具有稳定性和分辨力。基于形状特征对物体进行识别的难点在于物体的颜色、光照、尺寸、位置、姿态和背景干扰总是在不断变化的,且不可能事先预测到所有可能的环境。这种物体本身和环境的多样性使得基于几何形状的物体识别成为一个非常具有挑战性的难题。通过定义一种基于形状模板、对边缘线段化之后的图像进行几何证据筛选、收集和组合判断的方法,实现从背景环境中精确找到目标物体,并能够指出组成物体的线段的语义属性。该方法的实质是解一个全局最优的组合优化问题。虽然全局最优组合优化问题看似复杂度很高,但它无需定义复杂的特征向量,无需高代价的样本训练过程,具有非常好的泛化能力和环境适应性,并且能够使用几何特征来提高组合效率,具有更可靠的认知心理学依据。此外,几何证据收集过程简洁明了及具有普适性的特点使其表现出极大的应用前景。实验结果证明该方法在应对环境变化、不变性识别、精确指出物体的几何构造、搜索效率与计算量等方面表现出显著的优势。这一尝试有助于理清发生在物体识别过程中的一些带有普遍性的加工环节。

Object Detection Based on Geometric Evidence Collecting