基于空间约束模型的目标识别

目标识别技术在现实生活中的很多领域都有广泛的应用，但是由于遮挡，视角变换等因素的影响，目标识别技术仍面临着巨大的挑战。局部特征由于其本身固有的局部性，引起了人们的重视。结合空间分布约束，局部特征可以包含高层的语义信息，能够提高目标识别算法抗遮挡和视角变化的能力。本文分析对比了当前流行的局部特征检测方法，描述方法以及空间分布约束方法，并提出了一种“中心-特征”结构模型以及相应的目标识别方法。 首先介绍局部特征检测方法，深入研究局部特征描述方法，并从原理，不变性，匹配速度，适用情形等方面进行了比较分析。 综合显式模型和隐式模型的优缺点，提出了一种“中心-特征”结构的模型。该模型以目标中心作为衡量所有局部特征之间位置关系的参考点，既保留了星形模型等的准确性，同时又去掉了特殊结点，避免了特殊结点缺失带来的不利影响，提高了算法的稳定性。 基于上述空间分布约束模型提出了相应的目标识别算法。该算法同时考虑表面特征和空间位置之间的匹配程度。基于模板中目标的表面特征和形状因素构造空间分布约束模型，利用待检测目标的表面特征信息形成相关假设，通过假设检验定量衡量目标出现的位置及可能性，并提出了一种搜索目标中心位置的加速算法。实验验证了算法在相似变换及仿射变换下的有效性，且具有一定的抗缺失能力。