金立 王文 鄧?yán)?/p>

摘要：隨著科學(xué)技術(shù)的進(jìn)步，作為新一輪產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力，計(jì)算機(jī)視覺技術(shù)能在催生新技術(shù)、新產(chǎn)品的同時(shí)，對傳統(tǒng)行業(yè)也賦予了較強(qiáng)的發(fā)展動(dòng)力，引發(fā)了經(jīng)濟(jì)結(jié)構(gòu)的重大變革。本文將對基于模板的目標(biāo)識別、基于特征的目標(biāo)識別、基于分類器的目標(biāo)識別、基于運(yùn)動(dòng)的目標(biāo)識別這幾種識別模型進(jìn)行詳細(xì)介紹。

關(guān)鍵詞：人工智能;目標(biāo)識別;分類器

中圖分類號：F49 ? 文獻(xiàn)標(biāo)識碼：A ? 文章編號：1672-9129（2018）15-0154-01

Abstract： With the advancement of science and technology， as the core driving force of a new round of industrial transformation， computer vision technology can give birth to new technologies and new products， and also give strong development momentum to traditional industries， triggering economic structure. A major change. This paper will introduce the recognition models based on template-based target recognition， feature-based target recognition， classifier-based target recognition， and motion-based target recognition.

Keywords： artificial intelligence; target recognition; classifier

1 前言

機(jī)器視覺技術(shù)就是使用計(jì)算機(jī)技術(shù)來完成人的視覺作用。使用計(jì)算機(jī)模仿人類視覺系統(tǒng)的科學(xué)，讓計(jì)算機(jī)擁有類似人類的視覺系統(tǒng)。自動(dòng)駕駛、智能導(dǎo)航機(jī)器人、產(chǎn)品質(zhì)量監(jiān)測等領(lǐng)域均需要通過計(jì)算機(jī)視覺技術(shù)方能實(shí)現(xiàn)。近幾年來隨著深度學(xué)習(xí)的發(fā)展，圖像分割等算法的優(yōu)化，計(jì)算機(jī)視覺技術(shù)更是得到了飛速的發(fā)展。計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)流程大致可分為計(jì)算機(jī)圖像獲取、圖像處理、圖像處理、分類器處理這幾步。

2 目標(biāo)識別發(fā)展現(xiàn)狀

目前，目標(biāo)跟蹤的主要難點(diǎn)有復(fù)雜背景下的目標(biāo)提取、目標(biāo)與目標(biāo)以及目標(biāo)與背景之間的相互遮擋、陰影的處理、多攝像機(jī)的數(shù)據(jù)融合、目標(biāo)跟蹤的實(shí)時(shí)性等。目前，世界各國都非常重視計(jì)算機(jī)視覺的發(fā)展。從數(shù)量、規(guī)模等角度來看，機(jī)器人、目標(biāo)識別、自然語言處理是其中最為熱門的三個(gè)方向。

3 基于模板的目標(biāo)識別

目標(biāo)模板匹配有兩種方法：基于固定模板的匹配和基于變形模板的匹配。

在物體形狀相對于視覺傳感器視角不變的情況下，基于固定模板匹配的方法是非常有效的[1]?；诠潭０迤ヅ涞姆椒ㄊ怯?jì)算出固定的目標(biāo)模板和候選圖像區(qū)域之間的差異性，對該差異性結(jié)果閾值化之后判斷是否匹配。當(dāng)需要識別的目標(biāo)模式過于復(fù)雜而不能用單一模板建模時(shí)，可使用幾個(gè)相關(guān)的目標(biāo)局部模板來識別目標(biāo)。

變形模板（Deformable Template）匹配的目標(biāo)識別方法適用于會(huì)發(fā)生變形的視覺非剛性問題，由于在大多數(shù)視頻中要識別的目標(biāo)是可變形的視覺非剛性問題，因此變形模板匹配的目標(biāo)識別方法廣泛應(yīng)用于各種識別跟蹤任務(wù)中。變形模板是利用先驗(yàn)概率分布知識建立起來的參數(shù)化集合模型，模型中的參數(shù)按照一定的優(yōu)化準(zhǔn)則迭代運(yùn)算使模板最大限度地與目標(biāo)圖像相匹配，最終達(dá)到精確識別目標(biāo)的目的。其處理流程為：

3.1在提取特征輪廓時(shí)，圖元模型在圖像上一定范圍內(nèi)移動(dòng)，并動(dòng)態(tài)地調(diào)整模型的參數(shù);

3.2當(dāng)圖元模型的位置與參數(shù)達(dá)到最佳擬合時(shí)，能量函數(shù)應(yīng)達(dá)到極小，此時(shí)就認(rèn)為識別到了目標(biāo)。

4 基于形狀特征的目標(biāo)識別

最初的目標(biāo)識別是提取一個(gè)或多個(gè)特征用來對感興趣的目標(biāo)進(jìn)行建模，然后在目標(biāo)模型的基礎(chǔ)上進(jìn)行模板匹配，這些特征可以是目標(biāo)的形狀、大小、紋理和顏色等。

形狀模型利用形狀特征對目標(biāo)進(jìn)行描述和建模，其基本思想是：

4.1使用手工標(biāo)定物體的輪廓邊界點(diǎn)，構(gòu)成訓(xùn)練集;

4.2對這些樣本的形狀進(jìn)行配準(zhǔn)，使用主成分分析的方法對配準(zhǔn)后的形狀向量建立統(tǒng)計(jì)形狀模型;

4.3建立局部的灰度模型，得到初始形狀，根據(jù)已經(jīng)訓(xùn)練完成的模型對輸入的圖像加以匹配和搜索，對參數(shù)不斷進(jìn)行最優(yōu)化調(diào)整，迭代搜索出與物體最佳匹配的目標(biāo)輪廓，從而識別出目標(biāo)。

5 基于分類器的目標(biāo)識別

基于分類器的目標(biāo)識別算法，也稱作基于統(tǒng)計(jì)理論的方法，它把目標(biāo)識別問題看做是圖像中背景和帶識別目標(biāo)的分類問題。目前最常用的基于分類器的目標(biāo)識別算法有ANN（人工神經(jīng)網(wǎng)絡(luò)）算法、AdaBoost算法、SVM（支持向量機(jī)）學(xué)習(xí)算法等。這些方法處理流程如下：

5.1獲取大量用于訓(xùn)練分類器的正樣本（待檢測的目標(biāo)）和負(fù)樣本（圖像背景），分別計(jì)算其特征;

5.2利用各種分類算法（ANN、AdaBoost、SVM）對正、負(fù)樣本的特征進(jìn)行訓(xùn)練得到分類器;

5.3根據(jù)訓(xùn)練得到的分類器來判斷圖像中的檢測窗口是否包含待檢測的目標(biāo)。

6 基于運(yùn)動(dòng)的目標(biāo)識別

基于運(yùn)動(dòng)的目標(biāo)識別算法是指從圖像序列中將運(yùn)動(dòng)的目標(biāo)區(qū)域識別出來。通常情況下，目標(biāo)分類、跟蹤和行為理解等后處理過程僅僅考慮圖像中對應(yīng)的運(yùn)動(dòng)目標(biāo)像素區(qū)域，因此運(yùn)動(dòng)目標(biāo)的正確識別對后期處理非常重要。由于場景的動(dòng)態(tài)變化，如天氣、光照、陰影及雜亂背景干擾等，使得基于運(yùn)動(dòng)的目標(biāo)識別的精度和可靠性受場景影響大。目前常用的基于運(yùn)動(dòng)的目標(biāo)識別方法有幀差法、光流法和背景差分法[2]。

結(jié)語：目前，計(jì)算機(jī)視覺技術(shù)發(fā)展迅速，已具備初步的產(chǎn)業(yè)規(guī)模。在未來計(jì)算機(jī)視覺技術(shù)也將應(yīng)用于社會(huì)生產(chǎn)的各個(gè)地方。計(jì)算機(jī)視覺技術(shù)作為一項(xiàng)能引領(lǐng)未來的戰(zhàn)略技術(shù)，世界各國都紛紛圍繞人工智能出臺規(guī)劃和政策，加快促進(jìn)人工智能的技術(shù)和產(chǎn)業(yè)發(fā)展。所以目標(biāo)識別技術(shù)的研究是具有重要的理論意義與實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)：

[1]PAN J， HU B， ZHANG J Q. Robust and Accurate Object Tracking Under Various Types of Occlusions [J]. IEEE Transactions on Circuits and Systems for Video Technology， 2008， 18（2）： 223-36.

[2]周世威， 寇力強(qiáng)， 譚相錄. 基于OpenCV運(yùn)動(dòng)目標(biāo)的檢測研究 [J]. 電腦編程技巧與維護(hù)， 2011， No.230（08）： 88-9+91.