演示學習中物體檢測與跟蹤算法研究.pdf

1、家庭服務機器人是人類進入21世紀以來最熱門的研究方向之一。家庭環(huán)境復雜多變，強調的是快速學習以適應新的變化。演示學習指的是機器人通過觀察人的演示來學習，可以通過對比學習來減少所需的訓練示例個數(shù)，特別適用于家庭環(huán)境下機器人的學習。其中基于視覺的演示學習是一種發(fā)展趨勢，具有成本低，學習效率高等優(yōu)點。然而復雜的家庭環(huán)境給當前的視覺算法帶來了很大的挑戰(zhàn)，尤其是復雜背景下的物體檢測和跟蹤。
　　 本文以家庭環(huán)境下機器人物體檢測與跟蹤為例，

2、重點研究了復雜家庭環(huán)境下特定物體的實時檢測算法和跟蹤算法，并針對具體的數(shù)據(jù)進行算法驗證。
　　 本文的主要研究工作和貢獻如下:
　　 1，提出了一種采用物體綜合信息預處理的快速多類物體檢測方法。使用物體的HSI信息進行預處理，去除大量的背景干擾信息;使用共享積分圖的方式進行多類物體的檢測，減少了積分圖的重復計算。該方法有效地提高了多類物體的檢測速度。
　　 2，提出了一種可以有效克服快速運動，遮擋和目標漂移的物體

3、跟蹤方法。首先計算中值流，并預測目標的位置偏移，以此計算高斯權重;然后修正搜索區(qū)域，并使用在線多示例分類器進行目標搜索，計算似然度;最后使用貝葉斯框架對結果進行融合，使用窮舉搜索得到最優(yōu)的預測位置，并更新在線分類器。該方法對快速運動和目標漂移具有更強的魯棒性，而且可以達到實時跟蹤。
　　 3.設計了機器人演示學習物體檢測與跟蹤系統(tǒng)框架;對多組演示示例進行了算法驗證;結果表明本文的物體檢測和跟蹤算法是有效可行的。
　　 本