人工智能及识别技术
本栏目责任编辑：唐一东
付俊1，杨治国2
（1.遵义师范学院计算机与信息科学学院，贵州遵义563002；2.遵义师范学院计算机与信息科学学院，贵州遵义563002）
摘要：近年来，目标识别技术已成为当今研究的热点之一。随着科技的发展，目标识别从初始的人工方法发展为计算机自
动识别算法，极大地提高了识别的精度和效率。目标识别是计算机视觉技术的重要应用，目前在各个领域行业中都得到了广泛的应用。由于目标识别的具体环境和干扰情况十分复杂，目前仍没有一种适用于多种环境的通用算法。目标识别的主流算法包括基于全局特征的目标识别、基于区域特征的目标识别、
基于模板匹配的目标识别、基于帧差的目标识别。通过介绍目前的主流算法，分析了相应的优缺点，并对各种算法做了较为详细的综述。关键词：计算机视觉；全局特征；区域特征；模板匹配；帧差中图分类号：TP391
文献标识码：A
文章编号：1009-3044(2016)13-0173-02
A Survey of Modern Target Recognition Algorithms FU Jun 1，YANG Zhi-guo 2
(1.School of Computer and Information Science,Zunyi Normal College,Zunyi 563002,China;2.School of Computer and In-formation Science,Zunyi Normal College,Zunyi 563002,China)
Abstract ：In recent years,the target recognition technology has become one of the hot researches.With the development of sci-ence and technology,target recognition from the artificial method of initial development of computer automatic recognition algo-rithm,greatly improves the precision and efficiency of detection.Target recognition is an important application of computer vi-sion 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 algo-rithms 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 al-gorithms,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
目标识别[1]是近年来研究的热点课题之一。如今在各个领域，目标识别具有广泛的用途：在智能交通领域，采用目标识别技术识别出各种车辆及其号码，可以方便、准确地记录公路上违纪车辆情况；卫星导航领域，采用目标识别及跟踪技术，能够准确跟踪客船、客机的航行情况，减少故障的发生；公安监控领域，通过目标识别技术容易识别出嫌疑人，从而方便刑侦部门对嫌疑人的定位和追踪；在军事领域，通过目标识别技术可以自动判别敌我双方目标，有利于军事技术的自动化。在目标识别的过程中，目标会受到多种干扰因素的影响，包括天气变化、噪声干扰以及目标自身的形变或遮挡，因而识别过程及其困难，目前仍没有一种通用的目标识别算法，后续研究仍有广阔的空间。
2主流算法
根据识别算法的原理，目前主流的目标识别算法包括以下方法。
2.1基于全局特征的目标识别
基于全局特征的目标识别方法主要通过提取目标的各种全局特征，然后进行特征匹配实现目标识别。这种方法需要预先提取目标的全局特征，因此提取的特征效果对目标识别有一定的影响。目前，常用于目标识别的全局特征包括颜特征、形状特征、纹理特征。颜特征[2-3]是自然界最常见的特征之一，可以通过辨别目标的颜来实现目标的识别。在目标颜存在明显区别的时候效果很好，但是，如果目标的颜大致相同，差别不明显，这种识别方法效果往往很差。形状特征[4-6]是指目标自身具备的几何形状，通过辨别目标的形状差别可以实
收稿日期：2016-03-15
基金项目：复杂场景下多目标的识别与跟踪关键技术研究（黔科合LH 字[2015]7052号）作者简介：付俊（1987—），男，江西铅山县人，讲师，硕士，主要研究方向为人工智能、神经网络、模式识别、物联网；杨治国
（1983—），男，湖南邵东县人，讲师，硕士，主要研究方向为通信系统，模式识别。
173
本栏目责任编辑：唐一东
人工智能及识别技术
Computer Knowledge and Technology 电脑知识与技术第12卷第13期(2016年5月)
现目标的识别。这种识别方法不需要考虑目标的颜差别，识别效果比颜特征好，但是如果目标的形状趋于一致时也会失
效。纹理特征[7-8]
也是自然界的常见特征，一些物质具有丰富的纹理，比如花岗岩、树叶、布料等。但是，并不是各种目标都具有纹理，若目标没有纹理便不能使用这种方法识别了。此外，特征提取的效果还会受到天气、光照情况变化的影响。当目标发生遮挡或形变时，提取效果并不理想。2.2基于区域特征的目标识别
基于区域的目标识别方法[9-11]是将待识别的目标图像分割
若干个区域，通过提取各区域的特征进行描述，然后采用特征匹配来实现目标识别的方法。这种方法的优点在于即使目标发生了局部遮挡情况，仍然能提取其他区域的特征进行识别。在目标遮挡情况下，
现代该算法识别的效果相当明显。但是，该方法的效果也会受到区域分割和特征描述的影响。当区域分割面积较大时，计算时间较少，但是用于描述目标的特征也少，因而识别效果也较差。当区域分割面积较小时，用于描述目标的特征也较多，识别效果也相对好，但是用于特征提取及匹配的时间消耗也较大。此外，采用不同的区域特征描述方法也有很大影响。鲁棒性较高、描述性能好的方法识别效果良好，相反，描述性能较差的方法识别效果有待提高。2.3基于模板匹配的目标识别
基于模板的目标识别[12-14]相对比较简单，通过预先设定目标模板，然后使用模板和待识别图像进行匹配，将相似度大于设定阈值的图像认定为已识别的目标。该方法原理简单，但是往往要计算图像的全局特征，耗时量很大，效率较低。当目标形状、拍摄角度发生改变、或者发生遮挡时，模板匹配的效果往往较差。其次，相似性阈值是一个很难确定的参数，阈值太大或太小都会对匹配的精度产生一定的影响，最佳阈值很难确定。目前，阈值都是通过大量实验对比，然后取一合适的经验值作为参数。因而算法的可靠性和理论性仍有待验证。2.4基于帧差的目标识别
帧差法[15-18]是目标识别常用的方法之一。该方法通过计算视频图像中相邻两帧的灰度差，然后根据先验知识对帧差图像进行处理，将符合目标模型的图像定为识别目标。这种方法计算方便，原理简单，能够同时识别多种目标。但是，该方法的难点在于如何建立一个适用性较好的目标模型，由于目标所处的环境极为复杂，存在大量的背景干扰，因此对目标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、物体形状模型、几何特征模型等。由于帧差法的应用范围较广，常用于
动态目标的识别与跟踪。但是，帧差法建模复杂、计算复杂度高、耗时量大，从而也限制了其使用范围，这也是该算法的缺点。
3结束语
目标识别技术对社会生活、工业生产等各领域都产生了深
远的影响。近年来，目标识别算法取得了很大的进步，但仍处
于研究发展阶段，仍有很多善待解决的技术难题。目前主流的目标识别算法大都基于特定理论，只能适用于特定环境或应用领域之中。随着科技的发展，将来的目标识别算法一定有着更好的鲁棒性、通用性和应用范围。
参考文献:
[1]李善青，唐亮，刘科研，等.一种快速的自适应目标跟踪方法[J].计算机研究与发展，2012，49（2）：383-391.[2]韩云生，刘国栋.一种自适应颜特征的目标识别与跟踪法[J].江南大学学报，2009，8（2）：164-168.[3]杨莉，杜艳红，隋金雪.一种基于颜特征的目标识别算法[J].微计算机信息，2007，3（5）：195-196.[4]高晶，孙继银，吴昆，等.基于形状特征的红外目标检测方法[J].红外技术及应用，2013，43（1）：49-53.[5]潘泓，夏良正.基于形状特征的小波神经网络目标识别方法[J].
数据采集与处理，2008，23（1）：27-34.[6]王刚，贺伟，董卫斌，等.一种基于形态点特征的目标识别方法[J].探测与控制学报，2010，32（6）：18-22.[7]张敏，许廷发.基于Gabor 小波纹理特征的目标识别新方法[J].物理实验，2004，24（4）：12-15.[8]宋新，罗军，王鲁平，等.一种基于小波纹理特征的目标检测方法[J].红外技术，2006，28（9）：545-548.[9]曹健，王武军，韩飞，等.基于局部特征的目标识别技术研究[J].计算机工程，2010，36（10）：203-205.[10]高晶，孙继银，刘婧，等.基于区域模糊阈值的前视红外目标识别[J].光学精密工程，2011，19（12）：3056-3063.[11]黄文清，汪亚明.基于自适应混合模型和区域特征的多目标跟踪与检测[J].计算机测量与控制，2003，11（9）：648-650.[12]王强，宋京民，胡建平，等.一种快速模板匹配目标识别算法[J].计算机工程与应用，2000，36（6）：42-43.[13]许清泉，陈功，邓玉良.基于多模板矢量量化的战场目标识别的算法[J].四川兵工学报，2006，27（3）：41-43.[14]张义广，冯志高，张天序，等.基于可见光图像模板匹配的目标识别算法[J].激光与红外，2007，37（12）：1322-1324.[15]高凯亮，覃团发，王逸之，等.一种基于帧差法与背景减法的运动目标检测新方法[J].电讯技术，2011，51（10）：86-91.[16]汤中泽，张春燕，申传家，孟晓.帧差法和Mean-shift 相结合的运动目标自动检测与跟踪[J].科学技术与工程，2010，10（24）：5895-5899.[17]王孝艳，张艳珠，董慧颖，等.运动目标检测的三帧差法算法研究[J].沈阳理工大学学报，2011，30（6）：82-85.[18]甘明刚，陈杰，刘劲，等.一种基于三帧差分和边缘信息的运动目标检测方法[J].电子与信息学报，2010，32（4）：894-897.
174
发布评论