博 位论文
新型二阶统计描述子及其在物体检测与 跟踪方面的应用
A NEW SECOND ORDER STATISTICS BASED DESCRIPTOR AND ITS APPLICATION IN OBJECT DETECTION AND TRACKING
哈尔滨工业大学 2010 年 9 月
国内图书分类号：TP391.41 国际图书分类号：681.39
学校 ：10213 密级：公开
博 位论文
新型二阶统计描述子及其在物体检测与 跟踪方面的应用
博 士 研 究 生 导 师 申 请 学 位 学 科 、 专 业 所 在 单 位 答 辩 日 期 授予学位单位
： 洪晓鹏 ： 高文教授 ： 工学博 ： 机应用技术 ： 机科学与技术学院 ： 2010 年 9 月 ： 哈尔滨工业大学
Classified Index: TP391.41 U. D. C.: 681.39
Dissertation for the Doctoral Degree in Engineering
A NEW SECOND ORDER STATISTICS BASED DESCRIPTOR AND ITS APPLICATION IN OBJECT DETECTION AND TRACKING
Candidate Supervisor Academic Degree Applied for Specialty Affiliation
Xiaopeng Hong Prof. Wen Gao Doctor of Engineering Computer Application Technology School of Computer Science and Technology Date of Defence : September, 2010 Degree-Conferring-Institution : Harbin Institute of Technology
: : : : :
摘要
摘
要
随着在视频监控、自然人机交互系统和智能交通系统中越来越多地应用，物 体检测与跟踪技术已经成为计算机视觉领域的关键技术之一。本文针对物体检测 与跟踪任务中普遍存在的类内散度大和类间可区分度低的问题，选择了具有较好 判别力和鲁棒性的基于图像二阶统计特性的区域描述子作为技术路线。针对传统 二阶统计描述子计算效率较低的缺点，本文提出了一种新型的二阶统计图像区域 描述子，定义了该描述子之间的距离度量以及多个描述子的均值；在此基础上， 本文探讨了如何将所提区域描述子用于图像整体表达，并结合常用的分类学习算 法构造物体检测器；此外，本文研究了如何利用所提区域描述子对跟踪目标进行 有效建模；最后，本文探讨了在集成学习框架下如何设计与描述子之间距离定义 相对应的高效分类器。具体地，本论文的主要研究内容如下： 第一、二阶统计区域描述子包含了给定图像区域的多种特征（信息）的统计 信息，具有判别力较强、鲁棒性较好和维数较低的优点。但是传统的二阶统计描 述子，即协方差矩阵存在计算效率较低和对应的分类器设计过于复杂的问题。为 克服这些问题，本文提出了一种名为 Sigma set 的新型图像区域描述子。Sigma set 是由少量特征向量构成的集合，其和给定图像区域具有相同的二阶统 性。它 可以通过矩阵分解唯一高效地得到。为了使其成为可胜任多种 机视觉任 有效描述子，本文进一步为其定义了距离度量和描述子的均值。所提描述子具有 和传统协方差矩阵类似的强判别力和鲁棒性。集合形式使得描述子间的距离度量 最终转化为向量空间上的集合元素间距离，因此 效率要远高于传统二阶统计 描述子相应的黎曼流形距离的计算。结合近邻分类器在纹理分类任务中验证了所 提描述子的有效性。 第二、 本文致力于将所提区域描述子应用到物体检测任务。 为此， 本文将 Sigma set 区域描述子扩展到对包含物体的整个图像进行描述，称为 Sigma set 图像表示。 和协方差矩阵图像表示相似，Sigma set 图像表示同样具有对图像区域信息较强的 概括和描述能力。 Sigma set 描述子的特定距离定义使得 Sigma set 物体表示可以向 量表示并直接与常用学习算法相结合，与协方差矩阵物体表示的黎曼流形分类器 相比更为高效。物体检测的实验表明，Sigma set 物体表示结合常用分类器能够以 更高的效率获得与传统协方差矩阵物体表示及相应黎曼流形分类器类似的性能。

下一页