工學(xué)博士學(xué)位論文 基于局部紋理特征的物體檢測方法 N 洪明 哈爾濱工業(yè)大學(xué) 2006 年 2 月 .: N 5, 2006 要 - I - 摘要 從計(jì)算機(jī)誕生以來，讓計(jì)算機(jī)或機(jī)器 人像人類一樣具有視覺能力，是科研工作者一直不懈追求的目 標(biāo)。物體檢測是人類視覺中 的基本步驟和基本功能，為人類了解周圍的環(huán)境 和景物提供了至關(guān)重要的前 提。物體檢測是計(jì)算機(jī)視覺學(xué)科中極具挑戰(zhàn)性的 理論研究課題，而且在很多 領(lǐng)域具有廣闊的應(yīng)用前景，例如多媒體信息分析與搜索、 場景分析與理解、視頻編碼、視頻監(jiān)控、模式識別等。作為一個(gè)研究熱點(diǎn) ，物體檢測越來越受到研究者們的重視，研究深度和廣度在不斷地增強(qiáng)。 本文圍繞物體檢測展開研究，研究目 的是探索一種有效的物體特征表示方法并且應(yīng)用于物體檢測，從而提供 物體檢測的新方法。針對上述研究目標(biāo)，本文在基于局部紋理分 析的物體表示特征、有效特 征的選擇和基于局部紋理特征的物體檢測算法等 方面進(jìn)行了深入的研究和探 討。論文具體的研究內(nèi)容如下： 1本文基于物體的局部紋理分析，提出了改 進(jìn)的空間直方圖特征，用于物體檢測任務(wù)中的特征表示?？臻g 直方圖特征是圖像局部紋理的信息分布，它同時(shí)反映了物體在不 同尺度上的紋理和結(jié)構(gòu)信息 。改進(jìn)的空間直方圖特征與目標(biāo)物體類別相關(guān)聯(lián) ，具有對目標(biāo)物體的判別能 力，而且能夠適用于各種典型物體的表示。本文 以刻畫物體的紋理信息和結(jié) 構(gòu)信息為著眼點(diǎn)，建立了空間直方圖特征的提取 方法，并且對空間直方圖特 征的物體判別能力進(jìn)行了研究。 2提出了基于空間直方圖特征的層次化物體檢測算法。本文采用空間直方圖特征作為物體表示， 根據(jù)由粗到精的策略，綜合 利用兩種物體檢測技術(shù)：直方圖匹配方法和支持向量機(jī)分 類器，構(gòu)建了物體檢測的一種通用算法。該算法首先通過直方圖 匹配方法進(jìn)行粗檢測，達(dá)到 排除圖像中大量非目標(biāo)物體的目的；其次在精確 檢測過程中，采用支持向量 機(jī)分類器提高檢測精度。該算法有效的解決了物 體檢測問題，具有快速、魯 棒的特點(diǎn)。該算法可以處理不同類型的物體模式，包括剛 體物體模式、可變形的柔性非剛體物體、以及紋理模式物體。 3提出了一種結(jié)合類別可分性和特征相關(guān)性的特征選擇方法。傳統(tǒng)的特征選擇技術(shù)在處理高維數(shù) 據(jù)時(shí)，存在訓(xùn)練時(shí)間長或者 選擇所得到的特征子集分類性能不高的局限。本文方法使用 則度量特征的類別可分哈爾濱工業(yè)大學(xué)工學(xué)博士學(xué)位論文 - 性，采用互信息計(jì)算特征之間的相關(guān) 性，按照順序增加的方式產(chǎn)生候選特征，以分類器錯(cuò)誤率最小為 目標(biāo)，選擇分類性能高而互 相之間相關(guān)性弱的特征，構(gòu)成緊致而有效的特征 子集。該方法不但可以選擇 出有效的分類特征，而且在保證分類性能的條件 下降低了特征維數(shù)，提高了 分類效率。本文將所提出的特征選擇方法用于構(gòu) 造空間直方圖特征子集，作 為物體檢測中支持向量機(jī)分類器算法的輸入特征 。實(shí)驗(yàn)結(jié)果表明該方法可以 自動獲取與目標(biāo)物體類別相關(guān)聯(lián)的分類特征。 4提出了基于空間直方圖特征和糾錯(cuò)碼分類器的多姿態(tài)人臉檢測算法。首先，本文結(jié)合糾錯(cuò)碼 多類分類器算法，研究了如 何將基于空間直方圖特征的物體檢測算法擴(kuò)展到 多姿態(tài)人臉檢測。其次，針 對基于糾錯(cuò)碼多類分類算法中單分類器訓(xùn)練困難 的問題，本文提出了一種在 給定糾錯(cuò)碼碼本的前提下如何訓(xùn)練有效糾錯(cuò)碼多 類分類器的方法。該方法以 整體糾錯(cuò)碼多類分類器的錯(cuò)誤率最小為目標(biāo)，依 次選擇有效特征和訓(xùn)練單分 類器，從而訓(xùn)練得到整體分類性能更高的糾錯(cuò)碼 多類分類器。最后，本文對 基于糾錯(cuò)碼的多姿態(tài)人臉檢測方法進(jìn)行了實(shí)驗(yàn)驗(yàn) 證，實(shí)驗(yàn)結(jié)果表明該方法可 以有效的解決多姿態(tài)人臉檢測問題，取得了 良好的檢測性能。 關(guān)鍵詞 物體檢測；多姿態(tài)人臉檢測；空間直方圖特征；特征選擇；糾錯(cuò)碼多類分類器 t of to a to is of It to in As an In a is in to a by in of as on on of as 1. An on a of is in by as to As of of an at of be of of of 2. A on is as to an on a of a as 爾濱工業(yè)大學(xué)工學(xué)博士學(xué)位論文 - In In a is to or is to it be to 3. A on is in as of of to of to is by is to to is to 4. A on is we to to we an by of we to of 錄 - V - 目錄 摘要 . I . 1 章 緒論 . 1 題背景及研究意義 . 1 體檢測領(lǐng)域的研究現(xiàn)狀 . 3 體特征表示 . 3 體檢測方法 . 7 體檢測中的典型案例：人臉檢測 . 9 體檢測中存在的問題 . 12 文主要工作及結(jié)構(gòu)安排 . 12 文的主要工作 . 14 文的結(jié)構(gòu)安排 . 14 文的主要貢獻(xiàn) . 15 第 2 章 空間直方圖特征及其判別分析 . 17 言 . 17 間直方圖特征的提取 . 17 理直方圖 . 18 間直方圖特征 . 23 間直方圖特征的判別分析 . 24 別可分性的實(shí)例說明 . 24 別可分性的度量 . 28 間直方圖特征在彩色 圖像人臉檢測中的應(yīng)用 . 29 于彩色信息的空間直方圖特征 . 29 測方法 . 30 驗(yàn)評估 . 32 章小結(jié) . 34 第 3 章 基于空間直方圖特征的物體檢測 . 36 言 . 36 體檢測的系統(tǒng)框架 . 37 哈爾濱工業(yè)大學(xué)工學(xué)博士學(xué)位論文 - - 合直方圖匹配 . 38 合直方圖匹配的推導(dǎo) . 38 合直方圖匹配的訓(xùn)練方法 . 41 持向量機(jī)分類器及其特征選擇 . 44 間直方圖特征之間的相關(guān)性 . 45 間直方圖特征的有效選擇 . 45 驗(yàn)評估 . 50 面人臉檢測 . 51 面汽車檢測 . 57 頻文字檢測 . 63 于系統(tǒng)檢測速度的實(shí)驗(yàn) . 66 章小結(jié) . 68 第 4 章 基于糾錯(cuò)碼多類分類器的多姿態(tài)人臉檢測 . 69 言 . 69 關(guān)研究工作介紹 . 69 于糾錯(cuò)碼的多類分類方法 . 71 息傳輸系統(tǒng)模型與糾錯(cuò)碼 . 72 糾錯(cuò)碼應(yīng)用于多類分類方法 . 74 于糾錯(cuò)碼的多姿態(tài)人臉檢測 . 75 建基于空間直方圖特征的 . 77 驗(yàn)評估 . 80 錯(cuò)碼性能分析 . 82 標(biāo)準(zhǔn)測試集合上的實(shí)驗(yàn)結(jié)果 . 83 錯(cuò)碼與一對多編碼的比較 . 86 驗(yàn)結(jié)論 . 88 章小結(jié) . 88 結(jié)論 . 90 參考文獻(xiàn) . 92 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文 . 101 哈爾濱工業(yè)大學(xué)博士學(xué)位論文原創(chuàng)性聲明 . 103 哈爾濱工業(yè)大學(xué)博士學(xué)位論文使用授權(quán)書 . 103 致謝 . 104 個(gè)人簡歷 . 105 目錄 - . I . . 1 . 1 of of . 3 . 3 . 7 of . 9 of . 12 of . 12 of . 14 of . 14 of . 15 . 17 . 17 of . 17 . 18 . 23 of . 24 of . 24 of . 28 in . 29 . 29 . 30 . 32 . 34 . 36 . 36 of . 37 哈爾濱工業(yè)大學(xué)工學(xué)博士學(xué)位論文 - - . 38 of . 38 of . 41 . 44 of . 45 of . 45 . 50 . 51 . 57 . 63 . 66 . 68 . 69 . 69 . 69 . 71 . 72 to . 74 . 75 on . 77 . 80 . 82 on . 83 . 86 of . 88 . 88 . 90 . 92 . 101 . 103 . 103 . 104 . 105 目錄 - 圖表目錄 圖 1體檢測的示例 . 2 圖 1于局部紋理特征的物體檢 測方法的研究框架圖 . 13 圖 2. 18 圖 2算 . 19 圖 2臉 (a)和非人臉 (b)的圖像、 . 19 圖 2面汽車（前 3 行）和非汽車（后 3