面向逆反射体检测的特征显著性研究

Retroreflection object is widely used in license plate, road sign, and other auxiliary sign. Realizing automatic detection of these signs in uncontrollable traffic condition is the core technology for comprehensive state analysis of men, vehicle, and road in Intelligent Traffic Systems. Since the more salient a feature is, the greater contribution it makes to successful detection, salient feature fusion plays an important role in enhancing detection robustness. And retroreflection characteristic of traffic sign is much more salient and discriminable. Hence, we focus on the retroreflection characteristic quantification and feature salience modelings orienting towards object detection in this research. By an active imaging machnism, retroreflection characteristic is quantified as luminance information that is easier to be extracted and analyzed. The minimum probabilities of false calssification caused by retroreflection characteristic, color, and shape are calculated as quantitative descriptions of feature salience, respectively, relying on probability statistics criterion. And a detection algorithm based on multi feature fusion is devised according to this salience. Finally, performances of the quantifization model, the salience computation model, and the detection algorithm are analyzed and estimated, so as to providing a method of retroreflection object detection, suitable for complex conditions. These achievements may profit detection and recognition of some other optical-cooperative objects.

回归反射体被广泛应用于车牌、道路标识、以及其他辅助标识。在不可控交通环境中实现这些标识的自动检测是智能交通系统中人、车、路综合状态分析的核心支撑技术。越显著的特征对成功检测的贡献越大，显著性特征融合是提高检测鲁棒性的重要手段，而逆反射特性是交通标识更具有本原性和可分性的特征。因此，本课题拟重点研究面向目标检测的逆反射特性量化与特征显著性建模。通过主动成像机制将目标的逆反射特性量化为易于提取和分析的亮度信息。利用概率统计为度量标准，分别计算逆反射特性、颜色、形状三种特征导致错误分类的最小概率，作为特征显著性的定量描述。依据显著性设计多特征融合检测算法。最后，分析和评价量化模型、显著性计算模型、以及检测算法的性能，总结出适合复杂条件下逆反射体检测的方法。研究成果有望为其他光学合作目标的检测与识别提供一定的借鉴。

回归反射体被广泛应用于车牌、道路标识、以及其他辅助标识。在不可控交通环境中实现这些标识的自动检测是智能交通系统中人、车、路综合状态分析的核心支撑技术。目标识检测需要关注三方面的问题：1）逆反射特性是一种更具有本原性的显著特征；2）特征显著性是引导特征选择和组合的有效手段；3）同时有效应对各种复杂条件是检测任务的核心目标。基于逆反射特性的显著性特征融合是提高检测鲁棒性的重要手段。因此，本课题拟重点研究面向目标检测的逆反射特性量化与特征显著性建模。在逆反射特性量化模型的指导下设计并实现了一种主被动成像平台。通过主动成像机制将目标的逆反射特性量化为易于提取和分析的亮度信息。成像实验表明，在各种复杂光照条件下均能获得目标和背景具有显著对比度的高质量图像源。然后，利用概率统计为度量标准，分别计算逆反射特性、联通特性、边缘密度三种特征导致错误分类的最小概率，作为特征显著性的定量描述，成功将特征显著性定量描述转化为概率计算问题。依据显著性设计多特征融合检测算法，实验表明，检测算法在应对光照变化、部分遮挡、字符残缺等不利因素下均保持了较强的鲁棒性。在分析和评价量化模型、显著性计算模型、以及检测算法的性能的基础上总结出了适合复杂条件下逆反射体检测的方法，研究成果有望为其他光学合作目标的检测与识别提供一定的借鉴。