基于统计分析Boosting的复杂场景目标识别方法研究.pdf

万方数据
基于统计分析的复杂场景目标识别方法研究木仪器表学报引言张骏,高隽,谢昭,吴良海:籵图像理解是以图像为对象、知识为核心,研究图像中有什么目标以及目标之间的相互关系、图像是什么场景以及如何应用场景的一门科学‘。场景中目标识别∞是图像理解的基本任务之一,根据认知科学的不完全统计,真实世界场景中存在万种目标类别描述,多视角变换、遮挡、光照、形变、背景干扰、类内多变性以及类间相似性已经成为图像理解中的视觉难题,也是场景中目标识别的难点所在。在场景的目标识别中,现有的研究方法主要有两大类:一是采用统计、匹配、相关等方法判断指定窗口区域的类别或背景¨欢枪菇勘昙的共生关系,对目标的表示、位置以及尺度进行鲁棒估第卷第年戏二业大学计算机与信息学院合肥摘要:复杂场景目标识别是图像理解领域的重点和难点。算法是机器学习中用于提高精度的算法,现已在简单目标识别中获得广泛应用。提出了一种针对复杂场景目标识别任务的统计学启发算法,补充了现有识别任务中方法所缺乏的理论分析依据。首先在统计学基础上,分析了的稳定性能,以此快速确定弱分类器数目,解决了算法性能的不可预测性,缩短厂算法设计时间。之后针对不同复杂程度的真实世界场景,设计稳定有效的识别算法,实验结果表明算法对存在光照、视角、干扰、遮挡和类内多变的场景目标均有较高的识别精度,具有鲁棒性。关键词:统计分析;;复杂场景;目标识别中图分类号:文献标识码:国家标准学科分类代码:珿琗,琀,,.猚;;.,瑆.·.,,:·基金项目:国家自然科学基金资助项目、.—:.
万方数据
鼽㈤∈。≯扫货肌号×热,,一日啤麓耳芧。魄黚;的统计本质榷ㄐ苑治计,完成具有上下文关系的目标位置及类别的强预5谴蠖喾椒ǘ加屑扑懔看蟆⒃怂愀丛拥热钡悖从以往文献看,它们多侧重于追寻复杂的后端识别模型或前端的特征提取算法,尚未找到一种鲁棒的方法用于方法【奔虻ナ涤茫僮餍郧浚魑<裳习方法的典型,代表了机器学习的发展方向。但是在更一般的识别任务中,方法往往作为后端的分类器直接使用,如热恕;袢∩锲舴⑹降男巫刺卣鳎最终输入分类器并获得了较好的效果,但是整个迭代过程相当耗时;也有研究关注于分类器本身的改9菇艘恢指怕蔅鳎髦械拿扛鼋点将一系列弱分类器合并为强分类器,但是当训练样本较少时会出现过拟合现象且算法较为复杂。从目前的研究来看,尚未有家族中算法之间的统计关联对目标识别影响的研究。此外,目标识别中的弱分类器数目问往往需要多次实验取得一个经验值。在图像数据较量较大的识别任务中,算法训练极为耗时,需要花费很多时间才能选定一个合适的弱分类器数目。因此,,及其与弱分类器数目的关系,从统计误差分析中找出分类精度较高且稳定性较好的迭代次数,减少实验复杂性,在此基础上提出一种有效的识别算法,完成复杂场景目标识别。本文方法可以有效处理场景中目标识别的多种视觉难点,具有稳定可靠的识别结果,达到了很高的执行效率,是一种鲁棒的识别方法。方法在每次迭代时关注前次的错分样本,赋予它们较大的权重,目的是将一系列比随机猜测略好的弱分类器名琱。加权组合为强分类器。算法思想概括如图尽鹌俗费熬ǘ群复杂度都很高的算法,这种特性受到了越来越多学者的重视,成为图像理解等领域的研究热点之一。针对统计学巾的回归问题¨,均值可以表示为。累加模型如下所示:式中: