基于PCA和可变部件模型的大量重复目标检测方法

摘要：

为了对大量重复目标进行准确检测和计数,提出一种基于可变部件模型(DPM)的自动检测方法.首先,提取图像中反复出现的分块,并分析分块间的空间相关性;然后,利用线性分类器判定DPM指向目标的所在位置,并将这些相关关系转换到平面坐标集中,运用随机抽样一致性对位置进行聚类;最后,为区分不同群体间的目标,对每个簇中的分块向量集应用主成分分析(PCA)法进行分类.基准数据集中16个图像的测试结果表明:与其他优秀方法相比,所提方法能够实现更准确的估计,采用用户交互系统更容易达到较高的准确度,且减少了用于目标检测训练过程中涉及的计算成本.

关键词：重复目标检测、分块相关分析、可变部件模型、线性分类器、主成分分析法

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：山东省自然科学基金面上资助项目ZR2014AM034

在线出版日期：2022-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：138-141,145