一种接近于人类视觉机制的目标检测方法研究

当前的目标检测系统一般采用的是基于Marr视觉计算理论的方法、基于滑动窗口的方法、基于Hough变换的方法、或其组合，这些方法在目标检测的发展历程中发挥了重要作用，逐步接近人类的视觉感知机制。但由于处理方式在机制上的局限性，以上方法在面对多姿态、多尺度的目标检测时均面临计算复杂度高的问题。本项目提出了一种接近于人类视觉机制的目标检测方法- - 基于模式分布比对的方法，力求从机制上克服现有方法的局限性，以实现实时地从图像中检测出不同姿态、不同尺度下的目标，并期望在人类视觉机制认识和研究方面获得一些有益的结果。本项目的研究重点是建立基于模式分布比对的目标检测方法的理论体系，并对其中的结构模式表示方法、模型表示和建立方法、模式分布比对方式、多目标建模与检测技术进行深入的研究和探讨，为实时的多目标检测技术在国民经济和国防事业中的应用奠定理论基础。

尽管人的数值计算能力不如计算机，但人类通常都能够比计算机更高效更准确的检测到目标。当前的目标检测方法通常依赖于特征检测与匹配，耗时巨大，造成现有目标检测方法效率普遍较低，无法应用于对实时性要求较高的场合。借鉴人类擅长比较和判断的特点，本项目提出利用模式来表征目标的局部特征、利用模式分布比对的方法检测目标的新思路。由于模式可以量化为整数，目标模式的置信度可以通过检索的方式快速得到，提高了算法的实时性。.本项目的主要工作包括：（1）由于模式是对特征的极度压缩，其区分性对目标检测的性能有重要影响。本项目提出了一种具有较强区分性的DAISY-LBP模式。（2）对基于模式分布的目标检测方法的合理性进行了理论分析。（3）提出了一种基于DASIY-LBP的目标检测方法，可以快速从图像中检测出感兴趣的目标。（4）提出了一种基于颜色和纹理模式融合的目标检测方法，进一步提高了算法的环境适应能力。（5）提出了一种基于目标码的目标检测方法，提高了算法在复杂环境下的适应能力。（6）提出了一种基于模式分布比对的运动目标检测方法，提高了运动目标分割的精度。（7）提出了一种基于模式分布比对的运动目标跟踪方法，提高了跟踪算法在不同运动速度下的适应能力。实验结果表明，模式分布比对的思想在这些应用中具有优良的性能，且大大提高了相关算法的效率。.在本项目支持下，目前已在国内外高水平刊物与会议上发表录用论文13篇，其中国际著名期刊SCI论文3篇，国内顶级期刊或国际会议EI论文9篇；培养博士生2人、硕士生1人；完成了合同规定的任务。