基于局部模式分析的特定目标检测方法研究

The technology of specified target detection has great significance in autonomous robot navigation, battlefield surveillance, vision-based guidance, and so on. Since the method of feature matching has low environmental adaptivity under clutter scenes, researchers usually employ template matching method to precisely localize the specified target currently. To reduce the searching range of template matching, some researchers ultilize visual attention mechanisms to get ROI (Region of Interest). However, these methods either ignore the specified target information which brings a risk of missing the interested target, or don't have a reasonable calculation model, thus can not meet the reqirement for real-time specified target detection.To solve these problems, this project proposes a specified target detection method based on local pattern analysis. The proposed method uses local patterns of the target as well as its environments in the reference image to build TVSM（Target Visual Saliency Model）. Based on the acquired TVSM, VSM (Visual Saliency Map)for a real-time image can be fastly obtained by indexing, from which ROI can be extrated. As for the precise target localization stage, we concatenate typical local pattern codes of the target in the reference image to get OCM (Object Code Model). Thus, the matching can be operated by Hamming distance efficiently to get the pricise target location in real-time image.In this project, we will make deep research on the main issues of the method including the buiding method of TVSM based on the reference image, the ROI extraction method based on TVSM, the constrction of OCM, and precise target localization method based on the OCM. We expect to promote the development of theoretical method of real-time specific object detection，which is worth of research and has vast potential applications.

特定目标检测在机器人自主导航、战场区域监测、视觉制导等方面具有重要的意义。由于特征匹配在复杂环境下适应能力差，目前通常采用模板匹配的方法。为减小模板匹配的搜索范围，部分研究者采用基于视觉注意机制的方法来提取ROI，但目前方法仍不能满足特定目标实时检测的需求。为此，本项目提出了一种基于局部模式分析的特定目标检测方法。该方法利用基准图像中目标和环境的局部模式分布建立目标视觉显著性模型，使得可以通过检索的方式快速得到实时图像的显著性图像，进而提取出ROI；利用基准图像目标区域典型局部模式的组合建立目标码模型，使得可以采用汉明距离匹配准则快速得到实时图像中目标的精确位置。本项目将对其中的目标显著性模型建立方法、基于目标显著性模型的ROI提取方法、目标码模型建立方法以及基于目标码模型的目标精确定位方法等方面展开深入地研究，以推动特定目标实时检测方法的进一步发展，具有重要的研究价值和应用前景。

特定目标检测是计算机视觉领域的一个基本问题。目前的视觉注意机制无法为特定目标的实时检测提高可靠的ROI，且计算复杂度较高；而模板匹配的效率及可靠性有待进一步提高。本项目提出一种基于局部模式分析的特定目标实时检测方法，力图形成在算法效率、定位精度及环境适应性方面综合性能较高的特定目标检测算法模块，为实时的特定目标检测技术在民用和国防事业中的应用奠定基础。.本项目的主要工作包括：（1）研究了结构模式表示和计算方法。本项目采用局部结构模式来描述结构和纹理特征，用来解决当前复杂特征存在的特征描述过程计算量大，特征匹配耗时高的问题。我们从采样方式和计算方法两个方面通过实验对比分析了各类结构模式，综合考虑以上各种情况，DAISY-LBP是结构模式的最佳选择。（2）研究了基于单幅基准图像的目标视觉显著性模型表示、计算方法。（3）提出了一种基于目标视觉显著性模型的ROI区域提取方法。（4）从编码和选码两个方面研究了基于局部模式的目标码模型的构建方法。（5）提出了一种基于目标码模型的目标精确定位方法。（6）提出了一种适用于实时处理平台的基于局部模式分析的特定目标检测方法，并搭建了实时视觉处理平台。实验结果表明，该方法具有优良的性能，算法效率能够满足实时处理的要求。.在本项目支持下，目前已在国内外高水平刊物与会议上发表录用论文9篇，申请发明专利1项；培养博士生2人、硕士生1人；完成了合同规定的任务。