【摘要】：救援機器人在戰(zhàn)場或災后救援工作中的作用日益凸顯,其廣泛采用的視覺傳感器能夠提供豐富的環(huán)境和目標信息。如何充分利用視覺傳感器這一最接近人類的感知媒介,輔以合理有效的算法實現(xiàn)搜救現(xiàn)場人體的自主檢測,是提高機器自主、提升作業(yè)效率的關鍵,有著巨大的理論意義與應用價值。與保持直立狀態(tài)的行人相比,搜救現(xiàn)場中的人體目標位姿變化更為復雜,其中最根本的不同在于人體目標與成像設備之間有著不確定的平面旋轉角度。論文分別以圖像特征構建、分類策略優(yōu)化、旋轉不變語義描述為切入點,開展復雜目標的旋轉不變檢測方法研究,有效解決了搜救現(xiàn)場人體檢測中的旋轉問題,取得了如下研究成果:1.基于行人檢測領域中應用最成功的方向梯度直方圖(Histograms of Oriented Gradients,HOG)特征,開展了適用于復雜目標旋轉不變檢測的圖像特征研究。首先,在梯度方向定義方面,摒棄了HOG特征中的固定坐標系,使用動態(tài)的局部徑向-切向坐標系作為像素點梯度方向計算的參考坐標系,使得各像素點梯度方向在圖像旋轉過程中保持不變;然后,在空域采樣方面,以檢測窗中心為原點構建極坐標系,使用扇環(huán)作為空域采樣的最小單元,使得圖像旋轉對最終特征的影響僅限于相位差異,而該差異可以通過向量的循環(huán)移位進行彌補;最后,對HOG特征中梯度插值和高斯權重窗口的實現(xiàn)過程進行調(diào)整,以適用于新特征的空域采樣設置。由于新特征的最小采樣單元為扇環(huán)形,因此稱為扇環(huán)狀方向梯度直方圖(Sector-ring HOG,SRHOG)。在實驗部分,我們將SRHOG特征與線性支持向量機(linear Support Vector Machine,linear SVM)結合,應用在INRIA行人數(shù)據(jù)集、INRIA128×128行人數(shù)據(jù)集以及VD01搜救現(xiàn)場人體數(shù)據(jù)集中。實驗結果表明:SRHOG特征具有與HOG特征相當?shù)男腥俗R別能力,并能在搜救現(xiàn)場人體檢測中優(yōu)于其他先進的行人檢測方法。2.將增強隨機蕨(Boosted Random Ferns,BRFs)算法與SRHOG特征相結合,開展了適用于復雜目標的旋轉不變檢測策略研究。首先,在SRHOG特征空間內(nèi)定義局部二值特征和特征蕨,并使用連續(xù)Adaboost算法篩選識別能力較強的蕨組成最終的強分類器,獲得SRHOG-based BRFs檢測方法。然后,在此基礎上提出兩種目標旋轉不變檢測策略:“多方向檢測”策略和“方向估計”檢測策略。其中前者完全基于SRHOG特征對旋轉目標語義描述的便利性,使用向量的循環(huán)移位代替圖像旋轉,完成對圖像的多方向檢測;后者引入了方向估計環(huán)節(jié),只在預測方向上對圖像進行檢測。最后,我們還在兩種檢測策略之初加入了窗口初篩環(huán)節(jié),用于對待測圖片的背景信息過濾,減少后續(xù)操作計算量。為了便于對比其他文獻研究,實驗在Freestyle Motocross公開數(shù)據(jù)集中開展,對SRHOG-based BRFs方法的目標識別能力以及兩種檢測策略的旋轉問題處理能力進行評價。結果表明,我們的方法均能獲得與其他先進方法相當?shù)臋z測結果,并且實現(xiàn)簡單,更加適用于搜救機器人等計算能力有限的輕型平臺;兩種檢測策略中,“多方向檢測”策略能夠搜尋到更多的旋轉目標,“方向估計”檢測策略則能夠預測更精確的目標位姿方向。3.結合旋轉不變HOG(Rotation-Invariant HOG,RIHOG)特征和視覺詞包(Bag of Visual Words,Bo VWs)模型,開展了適用于復雜目標的旋轉不變語義描述方法研究。針對現(xiàn)有旋轉不變特征識別力不強的特點,借鑒了HOG特征從局部特征中獲取全局描述的思想,將全局特征描述分成底層特征計算和中層語義提取兩個環(huán)節(jié),分別采用RIHOG特征和Bo VWs模型進行實現(xiàn)。RIHOG-Bo VWs方法能夠在保證旋轉不變描述的前提下,捕捉目標的局部特性,具有較其他旋轉不變特征更強的識別能力。實驗部分,將RIHOG-Bo VWs語義描述方法與linear SVM結合,應用于Freestyle Motocross公開數(shù)據(jù)集。實驗結果顯示,RIHOG-Bo VWs方法能夠在非旋轉目標檢測中獲得與HOG特征相當?shù)臋z測效果,并在旋轉目標檢測中遠優(yōu)于HOG特征,充分驗證了RIHOG-Bo VWs方法用于復雜目標語義描述的可行性以及處理平面旋轉問題的優(yōu)越性。同時,RIHOG-Bo VWs方法具有良好的區(qū)域特征平移不變性,能夠降低對待測圖片進行滑窗搜尋時的計算復雜度,大幅度提升檢測效率。4.針對災后傷員搜尋的實用化需求,開展了搜救現(xiàn)場中的人體旋轉不變檢測實驗研究。分別模擬無人機和地面機器人的任務視角,構建了兩個具有不同復雜度的搜救現(xiàn)場人體數(shù)據(jù)集,用于對前述旋轉不變檢測方法的評價。結果表明,linear SVM+RIHOG-Bo VWs和linear SVM+SRHOG的檢測結果均優(yōu)于其他方法。由于無人機和地面機器人視角下人體形態(tài)特點的差異,兩數(shù)據(jù)集中各方法的表現(xiàn)也不甚相同。對于無人機視角下的搜救現(xiàn)場人體數(shù)據(jù)集,linear SVM+RIHOG-Bo VWs和linear SVM+SRHOG方法檢測效果相當,遠優(yōu)于其他方法;對于地面機器人視角下的搜救現(xiàn)場人體數(shù)據(jù)集,linear SVM+SRHOG方法則表現(xiàn)最好。此外,在所有方法中,linear SVM+RIHOG-Bo VWs檢測速度最快,檢測耗時僅為HOG特征的一半左右。綜上所述,本論文圍繞搜救現(xiàn)場中的人體旋轉不變檢測問題,提出了一種圖像特征SRHOG,兩種使用SRHOG-based BRFs方法的檢測策略,以及一種旋轉不變語義描述方法RIHOG-Bo VWs,并通過構建無人機視角和地面機器人視角下的搜救現(xiàn)場人體數(shù)據(jù)集對各檢測方法進行評價。結果顯示,本論文中提出的檢測方法均能獲得較其它方法更優(yōu)秀的檢測結果,對于推動計算機視覺技術在救援機器人中的應用研究、提高我國和我軍的應急救援能力有著重要意義。
[Abstract]:......
【學位授予單位】：中國人民解放軍軍事醫(yī)學科學院
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TP391.41;TP242

【參考文獻】

相關期刊論文 前5條

1 袁登廳;朱偉興;李新城;;基于Zernike矩及支持向量機的豬的姿態(tài)識別[J];信息技術;2015年01期

2 李根;李文輝;;主方向旋轉LBP特征的平面旋轉人臉檢測[J];電子學報;2015年01期

3 蘇衛(wèi)華;吳航;張西正;劉志國;孫景工;;救援機器人研究起源、發(fā)展歷程與問題[J];軍事醫(yī)學;2014年12期

4 王燦進;孫濤;陳娟;;一種新的快速局部不變特征算法[J];紅外與激光工程;2014年06期

5 蘇松志;李紹滋;陳淑媛;蔡國榕;吳云東;;行人檢測技術綜述[J];電子學報;2012年04期

相關碩士學位論文 前5條

1 康戰(zhàn)波;災難現(xiàn)場的人體檢測技術研究[D];哈爾濱工程大學;2011年

2 劉萍萍;災難現(xiàn)場人手部分檢測方法研究[D];哈爾濱工程大學;2010年

3 趙宏;災難現(xiàn)場中人體腿腳部檢測[D];哈爾濱工程大學;2010年

4 崔立剛;災難現(xiàn)場人體頭部檢測方法研究[D];哈爾濱工程大學;2010年

5 劉晨;災難現(xiàn)場中人體檢測[D];哈爾濱工程大學;2010年

，

本文編號：2352975