深度图像的目标潜在区域提取算法

摘要：

目标检测和识别算法通常使用复杂特征以多尺度滑动窗的方式进行分析,运算效率往往非常低.因此,目标性被引入进行目标潜在区域的快速预判断,减少复杂特征需要分析的窗数,从而达到加速算法效率的目的.针对逐步普及的Kinect深度像机,该文提出了一种基于深度图像的目标性分析算法,以提升深度图像的目标检测识别算法的效率.首先基于深度图像的法向量,提出能够有效描述深度图像边缘信息的边缘检测方法,然后通过支撑向量机学习目标性的分类器,以得分的形式给出候选区域中存在目标的概率,最后基于人眼的视觉机理对不同尺度的目标进行加权.通过深度图公共数据库(UW和NYU)的实验对比,该算法给定1000个候选区域时分别达到94.1％和92.9％的召回率,保证了准确率的同时大大减少了区域数量,能有效的提升目标检测识别算法的效率.

关键词：目标检测、深度图像、边缘检测、支撑向量机、目标性

所属期刊栏目：32

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863计划2015AA015904;中国博士后科学基金资助项目2014M562028;湖南省教育厅资助科研项目14C0599;中央高校基本科研业务费资助HUST2014QNRC035和2015QN036

在线出版日期：2016-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：193-202