学位论文 > 优秀研究生学位论文题录展示
复杂场景中的实时目标识别
作 者: 孙伟斌
导 师: 肖双九
学 校: 上海交通大学
专 业: 计算机软件与理论
关键词: 目标识别 目标检测 计算机视觉 增强现实 特征检测 特征描述 分类
分类号: TP391.41
类 型: 硕士论文
年 份: 2009年
下 载: 98次
引 用: 0次
阅 读: 论文下载
内容摘要
目标识别(Object Recognition)作为计算机视觉中高层视觉的一个重要的研究问题,是人工智能领域中使得计算机能够拥有感知能力的一种最主要的方法。目标识别使得智能系统能够感觉并认识周围的环境,对机器人系统、计算机辅助医疗、智能化人机交互以及所有其它需要计算机具有感知能力的系统都是至关重要的能力。近几年来,作为计算机视觉的一个研究热点,目标识别在方法与模型方面都有了重要的发展,并逐渐由研究开始走向工业应用。本文以基于投影的增强现实研究项目为背景,着眼于可以应用于增强现实系统中的目标识别技术。增强现实(Augmented Reality)是一种可以将虚拟的物体结合到现实场景中的技术,能够支持用户与其进行交互,从而给用户以身临其境的体验。上世纪九十年代以来,增强现实已经成为虚拟现实研究的一个重要研究领域,同时对于人机交互也是一个最新的发展方向。针对增强现实系统需要实时交互的特点,本文对快速目标学习以及快速目标识别理论研究进行了总结与探索。本文首先对目标识别以及相关领域的当前研究与发展进行完整的总结与具体优劣的阐述;然后针对项目背景,分析增强现实系统中应用目标识别技术的需求与问题,针对具体的需求和问题,确定了本文研究的主要目标和要求:快速学习、快速(实时)识别、日常环境(复杂场景)以及弱分类(大类间差,小类内差);随后在对目标识别模型与技术的探讨中,依据上述研究目标与要求提出一种创新的结合目标检测与弱分类的目标识别模型SOAW (Small Object As Words含义是使用小型目标作为特征的模型),并在此模型框架下,基于最新的目标识别研究,包括本人在项目研究中对目标特征提取与描述的一项创新成果进行快速目标识别研究,最终达到在日常环境中实时的目标识别。实验结果表明,在本文提出的模型框架下,基于文中提出的新型目标特征与描述,以及相应的适合SOAW模型的快速学习算法,本文所构建的两套实验系统都能够达到小样本下快速学习、实时高效的目标识别。
|
全文目录
相似论文
- K公司计划及预测改进对于合理库存配置的研究,F224
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 基于词义及语义分析的问答技术研究,TP391.1
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
- 双传感器图像联合目标检测及系统实现研究,TP391.41
- 基于串核的蛋白质分类算法的研究与实现,TP301.6
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 上下文相关的词汇复述研究,TP391.1
- 基于仿生模式识别的文本分类技术研究,TP391.1
- 图像实时采集、存储与处理方法研究,TP391.41
- 基于学习的低阶视觉问题研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 空中目标抗干扰识别跟踪系统,TN215
- 基于中国土壤系统分类的土壤类型和界线确定研究,S155
- 弯孢属种分子鉴定体系的建立及其在疑难种上的应用,Q949.32
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 面向公众的教育视频共建共享平台的设计与实践研究,G434
- 基于土壤系统分类的土壤调查方法研究,S155
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|