【摘要】：救援機器人在戰(zhàn)場或災(zāi)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(guān)鍵,有著巨大的理論意義與應(yīng)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(fù)雜,其中最根本的不同在于人體目標與成像設(shè)備之間有著不確定的平面旋轉(zhuǎn)角度。論文分別以圖像特征構(gòu)建、分類策略優(yōu)化、旋轉(zhuǎn)不變語義描述為切入點,開展復(fù)雜目標的旋轉(zhuǎn)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(zhuǎn)問題,取得了如下研究成果:1.基于行人檢測領(lǐng)域中應(yīng)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(fù)雜目標旋轉(zhuǎn)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(zhuǎn)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(gòu)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(zhuǎn)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(quán)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(shè)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(jié)合,應(yīng)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(jié)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(jié)合,開展了適用于復(fù)雜目標的旋轉(zhuǎn)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(chǔ)上提出兩種目標旋轉(zhuǎn)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(zhuǎn)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(zhuǎn),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(yù)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(zhuǎn)問題處理能力進行評價。結(jié)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(jié)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(zhuǎn)目標,“方向估計”檢測策略則能夠預(yù)測更精確的目標位姿方向。3.結(jié)合旋轉(zhuǎn)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(fù)雜目標的旋轉(zhuǎn)不變語義描述方法研究。針對現(xiàn)有旋轉(zhuǎn)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(zhuǎn)不變描述的前提下,捕捉目標的局部特性,具有較其他旋轉(zhuǎn)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(jié)合,應(yīng)用于Freestyle Motocross公開數(shù)據(jù)集。實驗結(jié)果顯示,RIHOG-Bo VWs方法能夠在非旋轉(zhuǎn)目標檢測中獲得與HOG特征相當?shù)臋z測效果,并在旋轉(zhuǎn)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(fù)雜目標語義描述的可行性以及處理平面旋轉(zhuǎn)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(fù)雜度,大幅度提升檢測效率。4.針對災(zāi)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(zhuǎn)不變檢測實驗研究。分別模擬無人機和地面機器人的任務(wù)視角,構(gòu)建了兩個具有不同復(fù)雜度的搜救現(xiàn)場人體數(shù)據(jù)集,用于對前述旋轉(zhuǎn)不變檢測方法的評價。結(jié)果表明,linear SVM+RIHOG-Bo VWs和linear SVM+SRHOG的檢測結(jié)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(zhuǎn)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(zhuǎn)不變語義描述方法RIHOG-Bo VWs,并通過構(gòu)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(jié)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(jié)果,對于推動計算機視覺技術(shù)在救援機器人中的應(yīng)用研究、提高我國和我軍的應(yīng)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(guān)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(shù);2015年01期

2 李根;李文輝;;主方向旋轉(zhuǎn)LBP特征的平面旋轉(zhuǎn)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(shù)綜述[J];電子學報;2012年04期

相關(guān)碩士學位論文 前5條

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

2 劉萍萍;災(zāi)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(zāi)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(zāi)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(zāi)難現(xiàn)場中人體檢測[D];哈爾濱工程大學;2010年

，

本文編號：2352975