基于模板匹配和SVM模型的快速目标检测算法

发布时间：2022-02-19 08:23

　　为了完成样本较少及低配运行环境下的目标检测任务,提出一种快速高精度的目标检测算法:融合Chamfer距离与边缘线条角度作为新的相似性度量,用以衡量两个形状的相似性;使用随机模板训练SVM分类模型,用以判别候选位姿的真伪;构建待搜索图像的多层金字塔并应用提前终止搜索策略在顶层寻找候选位姿,然后将正确位姿映射至下一层进行更精细的匹配定位,重复此过程直至底层。实验结果表明,此算法在复杂场景下仍能快速精准地检测出正确位姿并统计目标个数,坐标定位平均误差在1像素以内,旋转角度平均误差在0.5°以内,对500万像素的图像处理时长在35 ms以内,具有较好的应用价值。 

【文章来源】：电视技术. 2019,43(03)

【文章页数】：7 页

【文章目录】：
1 基于随机模板的高精度快速模板匹配算法
    1.1 特征融合
    1.2 制作随机模板与SVM训练
    1.3 匹配过程加速策略
        (1) 减少非匹配点的计算
        (2) 金字塔分级搜索算法
2 算法效果分析与对比
    2.1 稳定性实验
        (1) 光照变换
        (2) 遮挡
        (3) 旋转与缩放
        (4) 多种目标
    2.2 精度比较实验
    2.3 时间复杂度实验
3 小结


【参考文献】：
期刊论文
[1]深度学习在视频目标跟踪中的应用进展与展望[J]. 管皓,薛向阳,安志勇.  自动化学报. 2016(06)
[2]基于深度卷积神经网络的行人检测[J]. 芮挺,费建超,周遊,方虎生,朱经纬.  计算机工程与应用. 2016(13)
[3]深度学习及其在目标和行为识别中的新进展[J]. 郑胤,陈权崎,章毓晋.  中国图象图形学报. 2014(02)
[4]基于支持向量机的目标检测算法综述[J]. 郭明玮,赵宇宙,项俊平,张陈斌,陈宗海.  控制与决策. 2014(02)
[5]基于形状模板匹配的印刷品缺陷检测[J]. 张代林,陈文广,谢经明,陈幼平.  机械与电子. 2013(12)
[6]工件图像识别的边缘匹配方法研究[J]. 王红涛,傅卫平,康业娜.  仪器仪表学报. 2008(05)
[7]最大类间方差车牌字符分割的模板匹配算法[J]. 王兴玲.  计算机工程. 2006(19)



本文编号：3632554