一种基于结构随机森林的家庭日常工具部件功用性快速检测算法

家庭日常工具的部件功用性主动认知是家庭服务机器人智能提升的重要方面。为满足服务机器人实时自主作业的需要,提出了一种基于结构随机森林(SRF)的工具部件功用性快速检测算法。在离线训练阶段,利用SRF训练功用性边缘检测器与功用性检测器,并通过评估功用性检测结果的Fβ值确定工具各部件功用性对应的先粗糙后逐步精细化(coarse-to-fine)阈值。在线检测阶段,首先使用功用性边缘检测器计算功用性区域边缘的初步概率图,继而加以coarse-to-fine阈值滤波得到包含工具部件功用性的外接矩形区域,最后对该区域使用功用性检测器进行检测。实验结果表明,在普通非图形处理器系统下,相较于现有的全局搜索检测方法,本文方法对各功用性部件的检测效率均明显提升,且召回率和精度都有提高。

基于树结构分层随机森林在非约束环境下的头部姿态估计

头部姿态估计是人类行为和注意力的关键,受到光照、噪声、身份、遮挡等许多因素的影响。为了提高非约束环境下的估计准确率和鲁棒性,该论文提出了树结构分层随机森林在非约束环境下的多类头部姿态估计。首先,为了消除不同环境的噪声影响,提取人脸区域的组合纹理特征,对人脸区域进行积极人脸子区域的分类,分类结果作为树结构分层随机森林的先验知识输入;其次,提出了一种树结构分层随机森林算法,分层估计多自由度下的头部姿态;再次,为了增强算法的分类能力,使用自适应高斯混合模型作为多层次子森林叶子节点的投票模型。在多个公共数据集上的多种非约束实验环境下进行头部姿态估计,最终实验结果表明所提算法在不同质量的图像上都有很好的估计准确率和鲁棒性。

基于结构森林边缘检测和Hough变换的海天线检测

海天线是海面环境图像所具有的重要特征之一,海天线的检测对划分海空、海界区域以及目标检测有重要作用.提出了一种结合结构森林快速边缘检测和概率Hough变换的海天线检测方法.首先通过高斯低通滤波来减小海面浪纹、光照反射等局部纹理影响,然后使用已完成训练的结构化随机森林为每个像素贴上边缘标签——二值化,最后通过Hough变换原理拟合海天线.实验结果表明,该方法可以较好地忽略局部干扰边缘,强化边界提取,对复杂海天背景下的海天线检测具备鲁棒性和高准确性.

结合运动边界和稀疏光流的运动目标检测方法

近年来,光流法被广泛应用到运动目标检测中,但该类方法计算量大,不利于实时处理,且易受噪声影响.提出一种结合运动边界和稀疏光流的运动目标检测方法.该方法通过结构随机森林提取图像的运动边界,然后计算运动边界的光流矢量从而实现目标检测.由于运动边界不易受噪声影响且其光流矢量计算满足稀疏性,将运动边界和光流法结合,保证了算法的鲁棒性和实时性.实验结果表明,该方法可以精确地检测出完整的运动目标,且具有较低的计算复杂度,有利于实时性运动目标检测系统的构建.

多信息动态融合的运动目标检测方法

针对基于视觉显著性的运动目标检测算法存在时空信息简单融合及忽略运动信息的问题,提出一种动态融合视觉显著性信息和运动信息的运动目标检测方法。该方法首先计算每个像素的局部显著度和全局显著度,并通过贝叶斯准则生成空间显著图;然后,利用结构随机森林算法预测运动边界,生成运动边界图;其次,根据空间显著图和运动边界图属性的变化,动态确定最佳融合权值;最后,根据动态融合权值计算并标记运动目标。该方法既发挥了显著性算法和运动边界算法的优势,又克服了各自的不足,与传统背景差分法和三帧差分法相比,检出率和误检率的最大优化幅度超过40%。实验结果表明,该方法能够准确、完整地检测出运动目标,提升了对场景的适应性。

基于三维场景和图像边缘特征的浅浮雕建模

针对数字浅浮雕设计,通过对已有的浅浮雕建模方法进行分析,提出一种结合深度场边缘特征自动生成浅浮雕的方法。从三维场景中获取深度图,再将深度图分割成块,利用局部图像结构的优点,用随机结构化森林来学习精确且计算有效的边缘检测器,得到的边缘图再进行处理得到平滑且细节增强的浅浮雕轮廓;视边缘连续图为概率场,提出根据概率场对深度场的梯度域进行自适应的非线性压缩;通过求解泊松方程来恢复浅浮雕的高度场。实验结果表明,该方法对于大部分三维场景能在合理时间内自动生成效果良好的浅浮雕模型。

基于红外可见光图像配准的电力设备分割算法

电力设备故障会导致变电站大范围停电,造成巨大损失。根据电力设备运行时会发热的特点,提出一种基于红外可见光图像配准的电力设备分割方法,便于进行故障检测。该方法首先利用结构化随机森林对电力设备的红外和可见光图像进行边缘检测,构建可见光边缘图像的多尺度高斯金字塔,然后结合归一化互信息对红外和可见光图像进行配准,对红外图像进行Otsu阈值分割,结合配准结果分割出可见光图像中的电力设备。实验结果表明,该算法能精确地实现配准及分割,具有一定实用性。