本文選題：目標(biāo)檢測(cè) + 上下文��； 參考：《電子科技大學(xué)》2016年博士論文

【摘要】：目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域的重點(diǎn)和難點(diǎn)問(wèn)題,廣泛地應(yīng)用于諸如智能監(jiān)控、圖片搜索、人機(jī)交互等多個(gè)領(lǐng)域。由于目標(biāo)外觀信息不足或光照、遮擋、視角等造成的目標(biāo)外觀變化,導(dǎo)致了目標(biāo)表征的不確定性,降低了目標(biāo)檢測(cè)的準(zhǔn)確率。而上下文信息能夠描述目標(biāo)的內(nèi)在聯(lián)系,所以借助上下文信息,能有效消除或減少這種不確定性對(duì)目標(biāo)檢測(cè)的影響,提高目標(biāo)檢測(cè)的準(zhǔn)確度。目前,基于上下文的目標(biāo)檢測(cè)研究雖然取得了一定的進(jìn)展,但由于目標(biāo)表征與人類視覺(jué)語(yǔ)義鴻溝的存在,目標(biāo)檢測(cè)的準(zhǔn)確度仍亟需大幅提升。為此,圍繞這一主題,我們開(kāi)展了上下文信息的目標(biāo)檢測(cè)研究。本文針對(duì)目標(biāo)檢測(cè)中的不同問(wèn)題,從多個(gè)角度,充分挖掘和利用圖像中的上下文信息,進(jìn)行目標(biāo)檢測(cè)。在研究不同上下文表示的基礎(chǔ)上,結(jié)合諸如卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)等機(jī)器學(xué)習(xí)方法,提出了多個(gè)新的目標(biāo)檢測(cè)模型,提升了目標(biāo)檢測(cè)的準(zhǔn)確度。本文主要工作和貢獻(xiàn)如下:(1)針對(duì)圖像中的目標(biāo)檢測(cè)問(wèn)題,提出了一種通用的基于霍夫上下文的目標(biāo)檢測(cè)模型。該模型摒棄傳統(tǒng)的利用特征對(duì)目標(biāo)中心投票的方式,以圖像中每個(gè)像素點(diǎn)為投票中心構(gòu)建新的橢圓形霍夫上下文�；谔岢龅幕舴蛏舷挛�,通過(guò)有限次采樣,巧妙的利用單一特征和聯(lián)合特征的空間和外觀關(guān)系,形成了一種新的局部上下文表示。為了充分利用該局部上下文信息,提出了一種包含獨(dú)立和聯(lián)合投票函數(shù)的新的加權(quán)投票函數(shù)。實(shí)驗(yàn)結(jié)果表明,該方法基于單一和聯(lián)合特征,充分挖掘了目標(biāo)自身包含的局部上下文信息,進(jìn)一步加強(qiáng)了目標(biāo)表征的準(zhǔn)確性,提高了目標(biāo)檢測(cè)的準(zhǔn)確性。(2)針對(duì)圖像中存在兩個(gè)同時(shí)出現(xiàn)的目標(biāo)的檢測(cè)問(wèn)題,基于一種新的表示目標(biāo)間牢固語(yǔ)義關(guān)系的局部上下文表示,構(gòu)建了一種新的基于上下文信息的多層目標(biāo)檢測(cè)模型。首先,基于混合專家思想,在利用全局上下文特征劃分的子場(chǎng)景下,基于不同目標(biāo)之間的位置、尺度、以及角度的相互一致關(guān)系,提出了一種和場(chǎng)景相關(guān)的,包含豐富目標(biāo)間語(yǔ)義關(guān)系的局部上下文表示,即一致性目標(biāo)對(duì)。然后,利用這種局部語(yǔ)義的上下文信息,改變樹(shù)形模型結(jié)構(gòu),生成相應(yīng)場(chǎng)景下的子樹(shù),完成基于上下文信息的多層目標(biāo)檢測(cè)模型的建立。實(shí)驗(yàn)結(jié)果表明,這種新的局部上下文信息,增強(qiáng)了目標(biāo)間相互約束,為目標(biāo)表征,提供了更豐富的信息,進(jìn)一步提高了目標(biāo)檢測(cè)的準(zhǔn)確性。(3)針對(duì)視頻的目標(biāo)檢測(cè)問(wèn)題,基于目標(biāo)在時(shí)空域的動(dòng)態(tài)變化,構(gòu)建時(shí)空上下文表示,在此基礎(chǔ)上,提出了新的基于時(shí)空上下文信息的火焰檢測(cè)模型和人數(shù)統(tǒng)計(jì)模型。針對(duì)火焰檢測(cè)模型,在多個(gè)層面上,利用光流法獲取的火焰方向信息,構(gòu)造了一種新的時(shí)空上下文表示,并用該表示形成了新的火焰運(yùn)動(dòng)特征。在此基礎(chǔ)上,結(jié)合Kernel SVM建立火焰檢測(cè)模型。實(shí)驗(yàn)結(jié)果表明,該特征融合了火焰目標(biāo)的時(shí)空上下文表示,能準(zhǔn)確刻畫(huà)火焰表征,所以能顯著提高火焰檢測(cè)的準(zhǔn)確性和降低誤報(bào)率。針對(duì)人數(shù)統(tǒng)計(jì)模型,首先,描述了一種包含團(tuán)塊運(yùn)動(dòng)的光流強(qiáng)度信息和團(tuán)塊面積信息等新的時(shí)空上下文表示,并用該表示形成新的團(tuán)塊特征;然后,利用該特征,結(jié)合人數(shù)統(tǒng)計(jì)的特點(diǎn),設(shè)計(jì)了一種新的跟蹤算法;最后,利用SVM進(jìn)行線性擬合建立人數(shù)統(tǒng)計(jì)模型。實(shí)驗(yàn)結(jié)果表明,這種團(tuán)塊的時(shí)空上下文表示,可有效地刻畫(huà)團(tuán)塊特征,提高了人數(shù)統(tǒng)計(jì)的準(zhǔn)確性。(4)針對(duì)特定場(chǎng)景的目標(biāo)檢測(cè)問(wèn)題,基于CNN學(xué)習(xí)的高層圖像表達(dá),構(gòu)建了一種針對(duì)特定場(chǎng)景的上下文表示,在此基礎(chǔ)上,建立了一種基于自適應(yīng)上下文信息的CNN目標(biāo)檢測(cè)模型。首先,在特定場(chǎng)景下,基于CNN分別學(xué)習(xí)目標(biāo)及其上下文的特征圖。在同一尺度下,通過(guò)度量?jī)山M特征圖間差異,保留有效上下文特征圖的位置索引,獲得一種新的上下文信息表示。然后,利用該表示,獲取有效的上下文信息。融合目標(biāo)和上下文信息,學(xué)習(xí)建立基于自適應(yīng)上下文信息的CNN目標(biāo)檢測(cè)模型。實(shí)驗(yàn)結(jié)果表明,這種新的基于高層圖像表達(dá)的上下文信息,增強(qiáng)了目標(biāo)表征,有效的提高了目標(biāo)檢測(cè)的準(zhǔn)確性。
[Abstract]:In order to improve the accuracy of target detection , this paper proposes a new weighted voting function based on the context information , which can effectively eliminate or reduce the influence of the target detection and improve the accuracy of the target detection . In this paper , a new multi - layer target detection model based on context information is proposed based on a new local context representation of the strong semantic relationship between objects . A new temporal and temporal context representation based on temporal and temporal context information is presented , and a new tracking algorithm is proposed based on the feature of space - time context . The results show that the new method can improve the accuracy of flame detection and reduce the false alarm rate .

【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊清;;電網(wǎng)異常檢測(cè)模型方法設(shè)計(jì)[J];電測(cè)與儀表;2009年S2期

2 紀(jì)祥敏;陳秋妹;景林;;面向下一代互聯(lián)網(wǎng)的異常檢測(cè)模型研究[J];福建電腦;2013年01期

3 崔艷娜;;一種網(wǎng)絡(luò)流量異常檢測(cè)模型[J];計(jì)算機(jī)與現(xiàn)代化;2013年08期

4 涂旭平;金海;何麗莉;楊志玲;陶智飛;;一種新的網(wǎng)絡(luò)異常流量檢測(cè)模型[J];計(jì)算機(jī)科學(xué);2005年08期

5 呂洪柱;張建平;鄧文新;;基于數(shù)據(jù)挖掘技術(shù)的異常檢測(cè)模型設(shè)計(jì)[J];高師理科學(xué)刊;2007年06期

6 馬琳;蘇一丹;莫錦萍;;協(xié)同推薦系統(tǒng)檢測(cè)模型的一種優(yōu)化方法[J];微計(jì)算機(jī)信息;2010年03期

7 楊清;;基于模糊序列電網(wǎng)異常檢測(cè)建模方法與研究[J];山西電子技術(shù);2009年05期

8 李雪琴;;基于模糊C均值的異常流量檢測(cè)模型[J];贛南師范學(xué)院學(xué)報(bào);2009年06期

9 唐彰國(guó);李煥洲;鐘明全;張健;;改進(jìn)的進(jìn)程行為檢測(cè)模型及實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用;2010年01期

10 申利民;李峰;孫鵬飛;牛景春;;開(kāi)放企業(yè)計(jì)算環(huán)境下基于信任的行為檢測(cè)模型[J];計(jì)算機(jī)集成制造系統(tǒng);2013年01期

相關(guān)會(huì)議論文 前7條

1 劉俊榮;王文槿;劉寶旭;;一種基于網(wǎng)絡(luò)行為分析的木馬檢測(cè)模型[A];第十六屆全國(guó)核電子學(xué)與核探測(cè)技術(shù)學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2012年

2 馬文忠;郭江艷;陳科成;楊珊;王艷麗;;基于神經(jīng)網(wǎng)絡(luò)的供熱燃燒系統(tǒng)檢測(cè)模型的研究[A];2011中國(guó)電工技術(shù)學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2011年

3 張廣軍;賀俊吉;;基于圓結(jié)構(gòu)光的內(nèi)表面三維視覺(jué)檢測(cè)模型[A];中國(guó)儀器儀表學(xué)會(huì)學(xué)術(shù)論文集[C];2004年

4 王建平;張自立;魏華;;戰(zhàn)術(shù)空域沖突檢測(cè)模型研究[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

5 武照東;劉英凱;劉春;吳秀峰;;Overlay網(wǎng)絡(luò)的鏈路故障檢測(cè)模型[A];2008通信理論與技術(shù)新發(fā)展——第十三屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（下）[C];2008年

6 李京鵬;楊林;劉世棟;;防火墻狀態(tài)檢測(cè)模型研究[A];第十八次全國(guó)計(jì)算機(jī)安全學(xué)術(shù)交流會(huì)論文集[C];2003年

7 周雙娥;熊?chē)?guó)平;;基于Petri網(wǎng)的故障檢測(cè)模型的設(shè)計(jì)與分析[A];第六屆中國(guó)測(cè)試學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前6條

1 蔣鵬;圖像內(nèi)容顯著性檢測(cè)的理論和方法研究[D];山東大學(xué);2016年

2 李濤;基于上下文的目標(biāo)檢測(cè)研究[D];電子科技大學(xué);2016年

3 趙靜;網(wǎng)絡(luò)協(xié)議異常檢測(cè)模型的研究與應(yīng)用[D];北京交通大學(xué);2010年

4 趙斌;基于圖模型的微博數(shù)據(jù)分析與管理[D];華東師范大學(xué);2012年

5 牛清寧;基于信息融合的疲勞駕駛檢測(cè)方法研究[D];吉林大學(xué);2014年

6 劉鵬飛;鋁合金點(diǎn)焊質(zhì)量的逆過(guò)程檢測(cè)方法研究[D];天津大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 劉琦;卷積檢測(cè)模型的GPU加速研究[D];上海交通大學(xué);2015年

2 張穎華;特定場(chǎng)景下的可變形部件模型[D];上海交通大學(xué);2015年

3 黃咨;基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)模型的研究[D];上海交通大學(xué);2015年

4 陳璐艷;基于范例集成的目標(biāo)檢測(cè)模型研究[D];上海交通大學(xué);2015年

5 許劍;基于andriod平臺(tái)手機(jī)的老人跌倒檢測(cè)識(shí)別方法研究[D];東南大學(xué);2015年

6 孫翔;在線社交網(wǎng)絡(luò)上的高效事件檢測(cè)模型[D];江蘇大學(xué);2016年

7 卓可秋;基于Spark的突發(fā)事件檢測(cè)實(shí)現(xiàn)研究[D];南京大學(xué);2016年

8 張文清;惡意RFID閱讀器檢測(cè)技術(shù)研究與應(yīng)用[D];電子科技大學(xué);2016年

9 趙永福;基于行為特征的Windows Bootkit檢測(cè)模型的研究及其系統(tǒng)實(shí)現(xiàn)[D];電子科技大學(xué);2016年

10 江鷗;部分遮擋情況下的行人檢測(cè)[D];電子科技大學(xué);2016年

，

本文編號(hào)：1844269