現(xiàn)代目標(biāo)識(shí)別算法綜述

付俊　楊治國(guó)

摘要： 近年來(lái)，目標(biāo)識(shí)別技術(shù)已成為當(dāng)今研究的熱點(diǎn)之一。隨著科技的發(fā)展，目標(biāo)識(shí)別從初始的人工方法發(fā)展為計(jì)算機(jī)自動(dòng)識(shí)別算法，極大地提高了識(shí)別的精度和效率。目標(biāo)識(shí)別是計(jì)算機(jī)視覺(jué)技術(shù)的重要應(yīng)用，目前在各個(gè)領(lǐng)域行業(yè)中都得到了廣泛的應(yīng)用。由于目標(biāo)識(shí)別的具體環(huán)境和干擾情況十分復(fù)雜，目前仍沒(méi)有一種適用于多種環(huán)境的通用算法。目標(biāo)識(shí)別的主流算法包括基于全局特征的目標(biāo)識(shí)別、基于區(qū)域特征的目標(biāo)識(shí)別、基于模板匹配的目標(biāo)識(shí)別、基于幀差的目標(biāo)識(shí)別。通過(guò)介紹目前的主流算法，分析了相應(yīng)的優(yōu)缺點(diǎn)，并對(duì)各種算法做了較為詳細(xì)的綜述。

關(guān)鍵詞： 計(jì)算機(jī)視覺(jué)； 全局特征； 區(qū)域特征； 模板匹配； 幀差

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）13-0173-02

Abstract：In recent years， the target recognition technology has become one of the hot researches. With the development of science and technology， target recognition from the artificial method of initial development of computer automatic recognition algorithm， greatly improves the precision and efficiency of detection. Target recognition is an important application of computer vision technology， currently in various fields has been widely used. Because of the specific environment of target recognition and interference is very complex， there is not a general algorithm suitable for multi application environment. The mainstream algorithms of target recognition include object recognition based on global feature， object recognition based on region feature， target recognition based on template matching， target recognition based on frame difference. By introducing the current mainstream algorithms， the corresponding advantages and disadvantages are analyzed， and a detailed overview of the various algorithms is made.

Key words：computer vision； global feature； regional feature； template matching； frame difference

1 概述

目標(biāo)識(shí)別[1]是近年來(lái)研究的熱點(diǎn)課題之一。如今在各個(gè)領(lǐng)域，目標(biāo)識(shí)別具有廣泛的用途：在智能交通領(lǐng)域，采用目標(biāo)識(shí)別技術(shù)識(shí)別出各種車(chē)輛及其號(hào)碼，可以方便、準(zhǔn)確地記錄公路上違紀(jì)車(chē)輛情況；衛(wèi)星導(dǎo)航領(lǐng)域，采用目標(biāo)識(shí)別及跟蹤技術(shù)，能夠準(zhǔn)確跟蹤客船、客機(jī)的航行情況，減少故障的發(fā)生；公安監(jiān)控領(lǐng)域，通過(guò)目標(biāo)識(shí)別技術(shù)容易識(shí)別出嫌疑人，從而方便刑偵部門(mén)對(duì)嫌疑人的定位和追蹤；在軍事領(lǐng)域，通過(guò)目標(biāo)識(shí)別技術(shù)可以自動(dòng)判別敵我雙方目標(biāo)，有利于軍事技術(shù)的自動(dòng)化。在目標(biāo)識(shí)別的過(guò)程中，目標(biāo)會(huì)受到多種干擾因素的影響，包括天氣變化、噪聲干擾以及目標(biāo)自身的形變或遮擋，因而識(shí)別過(guò)程及其困難，目前仍沒(méi)有一種通用的目標(biāo)識(shí)別算法，后續(xù)研究仍有廣闊的空間。

2 主流算法

根據(jù)識(shí)別算法的原理，目前主流的目標(biāo)識(shí)別算法包括以下方法。

2.1 基于全局特征的目標(biāo)識(shí)別

基于全局特征的目標(biāo)識(shí)別方法主要通過(guò)提取目標(biāo)的各種全局特征，然后進(jìn)行特征匹配實(shí)現(xiàn)目標(biāo)識(shí)別。這種方法需要預(yù)先提取目標(biāo)的全局特征，因此提取的特征效果對(duì)目標(biāo)識(shí)別有一定的影響。目前，常用于目標(biāo)識(shí)別的全局特征包括顏色特征、形狀特征、紋理特征。顏色特征[2-3]是自然界最常見(jiàn)的特征之一，可以通過(guò)辨別目標(biāo)的顏色來(lái)實(shí)現(xiàn)目標(biāo)的識(shí)別。在目標(biāo)顏色存在明顯區(qū)別的時(shí)候效果很好，但是，如果目標(biāo)的顏色大致相同，差別不明顯，這種識(shí)別方法效果往往很差。形狀特征[4-6]是指目標(biāo)自身具備的幾何形狀，通過(guò)辨別目標(biāo)的形狀差別可以實(shí)現(xiàn)目標(biāo)的識(shí)別。這種識(shí)別方法不需要考慮目標(biāo)的顏色差別，識(shí)別效果比顏色特征好，但是如果目標(biāo)的形狀趨于一致時(shí)也會(huì)失效。紋理特征[7-8]也是自然界的常見(jiàn)特征，一些物質(zhì)具有豐富的紋理，比如花崗巖、樹(shù)葉、布料等。但是，并不是各種目標(biāo)都具有紋理，若目標(biāo)沒(méi)有紋理便不能使用這種方法識(shí)別了。此外，特征提取的效果還會(huì)受到天氣、光照情況變化的影響。當(dāng)目標(biāo)發(fā)生遮擋或形變時(shí)，提取效果并不理想。

2.2 基于區(qū)域特征的目標(biāo)識(shí)別

基于區(qū)域的目標(biāo)識(shí)別方法[9-11]是將待識(shí)別的目標(biāo)圖像分割若干個(gè)區(qū)域，通過(guò)提取各區(qū)域的特征進(jìn)行描述，然后采用特征匹配來(lái)實(shí)現(xiàn)目標(biāo)識(shí)別的方法。這種方法的優(yōu)點(diǎn)在于即使目標(biāo)發(fā)生了局部遮擋情況，仍然能提取其他區(qū)域的特征進(jìn)行識(shí)別。在目標(biāo)遮擋情況下，該算法識(shí)別的效果相當(dāng)明顯。但是，該方法的效果也會(huì)受到區(qū)域分割和特征描述的影響。當(dāng)區(qū)域分割面積較大時(shí)，計(jì)算時(shí)間較少，但是用于描述目標(biāo)的特征也少，因而識(shí)別效果也較差。當(dāng)區(qū)域分割面積較小時(shí)，用于描述目標(biāo)的特征也較多，識(shí)別效果也相對(duì)好，但是用于特征提取及匹配的時(shí)間消耗也較大。此外，采用不同的區(qū)域特征描述方法也有很大影響。魯棒性較高、描述性能好的方法識(shí)別效果良好，相反，描述性能較差的方法識(shí)別效果有待提高。

2.3 基于模板匹配的目標(biāo)識(shí)別

基于模板的目標(biāo)識(shí)別[12-14]相對(duì)比較簡(jiǎn)單，通過(guò)預(yù)先設(shè)定目標(biāo)模板，然后使用模板和待識(shí)別圖像進(jìn)行匹配，將相似度大于設(shè)定閾值的圖像認(rèn)定為已識(shí)別的目標(biāo)。該方法原理簡(jiǎn)單，但是往往要計(jì)算圖像的全局特征，耗時(shí)量很大，效率較低。當(dāng)目標(biāo)形狀、拍攝角度發(fā)生改變、或者發(fā)生遮擋時(shí)，模板匹配的效果往往較差。其次，相似性閾值是一個(gè)很難確定的參數(shù)，閾值太大或太小都會(huì)對(duì)匹配的精度產(chǎn)生一定的影響，最佳閾值很難確定。目前，閾值都是通過(guò)大量實(shí)驗(yàn)對(duì)比，然后取一合適的經(jīng)驗(yàn)值作為參數(shù)。因而算法的可靠性和理論性仍有待驗(yàn)證。

2.4 基于幀差的目標(biāo)識(shí)別

幀差法[15-18]是目標(biāo)識(shí)別常用的方法之一。該方法通過(guò)計(jì)算視頻圖像中相鄰兩幀的灰度差，然后根據(jù)先驗(yàn)知識(shí)對(duì)幀差圖像進(jìn)行處理，將符合目標(biāo)模型的圖像定為識(shí)別目標(biāo)。這種方法計(jì)算方便，原理簡(jiǎn)單，能夠同時(shí)識(shí)別多種目標(biāo)。但是，該方法的難點(diǎn)在于如何建立一個(gè)適用性較好的目標(biāo)模型，由于目標(biāo)所處的環(huán)境極為復(fù)雜，存在大量的背景干擾，因此對(duì)目標(biāo)模型的通用性提出了很高的要求。常用的建模方法包括高斯背景模型、物體形狀模型、幾何特征模型等。由于幀差法的應(yīng)用范圍較廣，常用于動(dòng)態(tài)目標(biāo)的識(shí)別與跟蹤。但是，幀差法建模復(fù)雜、計(jì)算復(fù)雜度高、耗時(shí)量大，從而也限制了其使用范圍，這也是該算法的缺點(diǎn)。

3 結(jié)束語(yǔ)

目標(biāo)識(shí)別技術(shù)對(duì)社會(huì)生活、工業(yè)生產(chǎn)等各領(lǐng)域都產(chǎn)生了深遠(yuǎn)的影響。近年來(lái)，目標(biāo)識(shí)別算法取得了很大的進(jìn)步，但仍處于研究發(fā)展階段，仍有很多善待解決的技術(shù)難題。目前主流的目標(biāo)識(shí)別算法大都基于特定理論，只能適用于特定環(huán)境或應(yīng)用領(lǐng)域之中。隨著科技的發(fā)展，將來(lái)的目標(biāo)識(shí)別算法一定有著更好的魯棒性、通用性和應(yīng)用范圍。

參考文獻(xiàn)：

[1] 李善青，唐亮，劉科研，等. 一種快速的自適應(yīng)目標(biāo)跟蹤方法[J]. 計(jì)算機(jī)研究與發(fā)展，2012，49（2）：383-391.

[2] 韓云生，劉國(guó)棟. 一種自適應(yīng)顏色特征的目標(biāo)識(shí)別與跟蹤法[J]. 江南大學(xué)學(xué)報(bào)，2009，8（2）：164-168.

[3]楊莉，杜艷紅，隋金雪. 一種基于顏色特征的目標(biāo)識(shí)別算法[J]. 微計(jì)算機(jī)信息，2007，3（5）：195-196.

[4] 高晶，孫繼銀，吳昆，等. 基于形狀特征的紅外目標(biāo)檢測(cè)方法[J]. 紅外技術(shù)及應(yīng)用，2013，43（1）：49-53.

[5] 潘泓，夏良正. 基于形狀特征的小波神經(jīng)網(wǎng)絡(luò)目標(biāo)識(shí)別方法[J]. 數(shù)據(jù)采集與處理，2008，23（1）：27-34.

[6] 王剛，賀偉，董衛(wèi)斌，等. 一種基于形態(tài)點(diǎn)特征的目標(biāo)識(shí)別方法[J]. 探測(cè)與控制學(xué)報(bào)， 2010， 32（6）：18-22.

[7]張敏，許廷發(fā). 基于Gabor小波紋理特征的目標(biāo)識(shí)別新方法[J]. 物理實(shí)驗(yàn)，2004， 24（4）：12-15.

[8]宋新，羅軍，王魯平，等. 一種基于小波紋理特征的目標(biāo)檢測(cè)方法[J]. 紅外技術(shù)， 2006， 28（9）：545-548.

[9] 曹 健，王武軍，韓飛，等. 基于局部特征的目標(biāo)識(shí)別技術(shù)研究[J]. 計(jì)算機(jī)工程，2010，36（10）：203-205.

[10] 高晶，孫繼銀，劉婧，等. 基于區(qū)域模糊閾值的前視紅外目標(biāo)識(shí)別[J]. 光學(xué)精密工程，2011，19（12）：3056-3063.

[11] 黃文清，汪亞明. 基于自適應(yīng)混合模型和區(qū)域特征的多目標(biāo)跟蹤與檢測(cè)[J]. 計(jì)算機(jī)測(cè)量與控制， 2003，11（9）：648-650.

[12] 王強(qiáng)，宋京民，胡建平，等. 一種快速模板匹配目標(biāo)識(shí)別算法[J]. 計(jì)算機(jī)工程與應(yīng)用，2000，36（6）：42-43.

[13] 許清泉，陳功，鄧玉良. 基于多模板矢量量化的戰(zhàn)場(chǎng)目標(biāo)識(shí)別的算法[J]. 四川兵工學(xué)報(bào)，2006， 27（3）：41-43.

[14] 張義廣，馮志高，張?zhí)煨?，? 基于可見(jiàn)光圖像模板匹配的目標(biāo)識(shí)別算法[J]. 激光與紅外，2007， 37（12）：1322-1324.

[15] 高凱亮，覃團(tuán)發(fā)，王逸之，等. 一種基于幀差法與背景減法的運(yùn)動(dòng)目標(biāo)檢測(cè)新方法[J]. 電訊技術(shù)，2011， 51（10）：86-91.

[16] 湯中澤，張春燕，申傳家，孟曉. 幀差法和Mean-shift相結(jié)合的運(yùn)動(dòng)目標(biāo)自動(dòng)檢測(cè)與跟蹤[J]. 科學(xué)技術(shù)與工程，2010，10（24）：5895-5899.

[17] 王孝艷，張艷珠，董慧穎，等. 運(yùn)動(dòng)目標(biāo)檢測(cè)的三幀差法算法研究[J]. 沈陽(yáng)理工大學(xué)學(xué)報(bào)， 2011，30（6）：82-85.

[18] 甘明剛，陳杰，劉勁，等. 一種基于三幀差分和邊緣信息的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 電子與信息學(xué)報(bào)， 2010， 32（4）：894-897.