基于背景属性的目标识别

《基于背景属性的目标识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2014年12月第40卷第12期北京航空航天大学学报JournalofBeijingUniversityofAeronauticsandAstronauticsDecember2014V01．40No．12基于背景属性的目标识别雒建卫姜志国(北京航空航天大学宇航学院，北京100191)摘要：属性是图像的语义描述，可以表示图像中某些内容的存在与否，它可以是物体的形状、材质、部件、类别以及功能，也可以是场景的类别以及上下文信息等．由于目标类别与所在背景存在相关关系，提出基于背景属性和目标属性相融合的前景目标识别方法，即对每种背景属性和目标属性分别训练支持向量机(SVM)分类器，并

2、将属性在对应分类器上的得分进行串联组成新的特征，并训练得到最终分类器．对a．Pascal数据库中每幅图像，人工标注了10种背景属性，结合已有的目标属性，进行目标识别实验．与传统方法、基于目标属性的分类方法以及其他前景、背景相结合算法的对比实验结果表明，所提算法比其他算法提高大约2％，背景属性有助于提高目标识别率．关键词：属性；目标识别；上下文信息；支持向量机；特征融合中图分类号：TP391文献标识码：A文章编号：1001．5965(2014)12．1702-05ObjectrecognitionbasedonbackgroundattributesLuoJianweiJian

3、gZhiguo(SchoolofAstronautics，BeijingUniversityofAeronauticsandAstronautics。Beijing100191，China)Abstract：Attributeisthesemanticdescriptionofanimage，whichdenotestheexistenceorabsenceofasemanticpropertyoftheimage，anditcannotonlybeshape，material，part，categoryorfunctionalityofanobject，butalsobel

4、abelorcontextofascene．Toimprovetheaccuracyofobjectclassification，consideringthatobjectcategoriesarerelatedtothebackgroundwheretheybelongto，anapproachforobjectrecognitionbasedonmodelingbackgroundattributesandforegroundobjectattributeswasproposed．Eachattributeofbackgroundandobjectwastrainedby

5、asupportvectormachine(SVM)classifier，andtheoutputvalueofeachattributeclassifierwasconcatenatedtoformanewfeature，basedonwhichthefinalSVMclassifierwastrained．10kindsofbackgroundattributesweremanuallyannotatedforeachimage．Comparedtothetradition-almethod，methodonlybasedonobjectattributesandothe

6、rmethodsconsideringdifferentconcatenatingschemesofbackgroundandobjectfeatures。experimentsonthea—Pascaldatasetshowthattheproposedmethodoutperformstheothersbyaround2％．andbackgroundattributescanbenefitobjectrecognitiontask．Keywords：attribute；objectrecognition；context；SVM；featurefusion1基于属性的目标识

7、别篓磊羹鬈羔寨墓￡毙麓翼雾蒜麓蓦星霎目标识别一直是计算机视觉研究的热门领示，代入分类器得到类别标签，如图1所示．这里域．给定一幅图像，目标识别的任务是要给出这幅的图像特征一般指的是低级特征，不具有语义信图像中目标所属的类别．它的研究方向主要包括息，这导致传统目标识别方法仅可以用来判断图收稿日期：20144)14)8；网络出版时间：2014-04-2514：38；DOI：10．13700／j．bh．1001-5965．2013．0750网络出版地址：WWW．cnki．net／kcms／doi／lO．137