原文传递
基于图像视觉的属性学习应用研究
| 论文题名： | 基于图像视觉的属性学习应用研究 |
| 关键词： | 计算机视觉;属性学习;目标跟踪;车辆检测;拥挤度标签 |
| 摘要： | 近年来，属性学习一直是计算机视觉领域的研究热点，尤其是属性学习在各方面的实际应用，很多学者都提出了具体的应用方案。在年龄预测上，传统识别方法的语义级描述能力较弱，不能准确地表示特征含量的多少；在公共场所拥挤度检测方面，全天候、全地域的检测算法也不够成熟。论文针对这些不足，结合属性学习的思想提出了改进算法。 本文介绍了属性学习的研究背景和应用现状，还介绍了常用的目标检测方法，属性学习的理论依据和框架结构，详细描述了相对属性学习的步骤方法，最后是排序学习的三种技术：点级Pointwise方法、对级Pairwise方法、列表级Listwise方法，并对这三种方法进行了简单比较。 论文在对基于“属性学习”的图像年龄预估方法分析的基础上，提出了累积属性复原模型，解决了稀疏数据的可用性问题，将累积属性作为中间桥梁来连接底层特征和回归模型，减少稀疏性“语义鸿沟”的影响。该模型包含明确的语义含义，计算更加高效，而且不需要附加的注释。实验表明相比于其他经典方法，累积属性的误差大大减小，可以看出累积属性在年龄预估方面的优势。 论文提出了基于“属性学习”的公共场所拥挤度排序模型，主要是学习平均密度和平均速度两个属性，用改进后的混合高斯模型提取移动物体的密度属性，用帧间差分法提取移动物体的速度属性，然后提取Gist特征，借助相对属性学习思想，使用改进后的Ranking SVM算法对人群、车流和人车混合三种情况下的拥挤度进行模拟排序。把数据序列作为拥挤度标签，将公共场所拥挤度问题转化成排序问题，根据拥挤度标签相对位置来确定相对的拥挤度，一定程度上可以解决拥挤度算法的模糊性问题，实验取得了良好的效果。 论文最后设计并实现了基于“属性学习”的公共场所拥挤度检测系统，该系统首先采集数据源，然后使用属性算法来分析、处理车流信息，从而统计出车辆的数目。经过简单测试，该系统检测的正确率较高，在一般恶劣的环境下也能稳定地工作。 |
| 作者： | 程炜 |
| 专业： | 计算机技术 |
| 导师： | 林庆 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
