物體識(shí)別

物體識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域中的一項(xiàng)基礎(chǔ)研究，它的任務(wù)是識(shí)別出圖像中有什么物體，并報(bào)告出這個(gè)物體在圖像表示的場(chǎng)景中的位置和方向。目前物體識(shí)別方法可以歸為兩類：基于模型的或者基于上下文識(shí)別的方法，二維物體識(shí)別或者三維物體識(shí)別方法。對(duì)于物體識(shí)別方法的評(píng)價(jià)標(biāo)準(zhǔn)，Grimson 總結(jié)出了大多數(shù)研究者主要認(rèn)可的 4 個(gè)標(biāo)準(zhǔn)：健壯性（robustness）、正確性（correctness）、效率（efficiency）和范圍（scope）。

物體識(shí)別

此時(shí)的主流方法是只從圖像本身考慮，而不去管物體原來(lái)的三維形狀。這類方法統(tǒng)一叫做appearance based techniques。所謂appearance， 從模式識(shí)別的角度去描述的話，就是圖像特征（feature），即對(duì)圖像的一種抽象描述。有了圖像特征，就可以在這個(gè)特征空間內(nèi)做匹配，或者分類。然 而這個(gè)方法還是存在很多問(wèn)題，首先它需要我們對(duì)所有的圖片進(jìn)行對(duì)齊，像人臉圖像，就要求每一幅圖中五官基本在固定的位置。但是很多應(yīng)用場(chǎng)景下，目標(biāo)并不是 像人臉那么規(guī)整，很難去做統(tǒng)一對(duì)齊，而且這種基于全局特征和簡(jiǎn)單歐式距離的檢索方法，對(duì)復(fù)雜背景，遮擋，和幾何變化等并不適用。

物體識(shí)別的步驟

圖片的預(yù)處理

預(yù)處理幾乎是所有計(jì)算機(jī)視覺(jué)算法的一步，其動(dòng)機(jī)是盡可能在不改變圖像 承載的本質(zhì)信息的前提下，使得每張圖像的表觀特性（如顏色分布，整體明暗， 尺寸大小等）盡可能的一致，主要完成模式的采集、模數(shù)轉(zhuǎn)換、濾波、消除模糊、減少噪聲、糾正幾何失真等操作。

預(yù)處理經(jīng)常與具體的采樣設(shè)備和所處理的問(wèn)題有關(guān)。例如，從圖象中將汽車車牌的號(hào)碼識(shí)別出來(lái)，就需要先將車牌從圖像中找出來(lái)，再對(duì)車牌進(jìn)行劃分，將每個(gè)數(shù)字分別劃分開(kāi)。做到這一步以后，才能對(duì)每個(gè)數(shù)字進(jìn)行識(shí)別。以上工作都應(yīng)該在預(yù)處理階段完成。在物體識(shí)別中所用到的典型的預(yù)處理方法不外乎直方圖均衡及濾波幾種。像高斯模糊可以使之后的梯度計(jì)算更為準(zhǔn)確；而直方圖均衡可以克服一定程度的光照影響。值得注意的是，有些特征本身已經(jīng)帶有預(yù)處理的屬性，因此不需要再進(jìn)行預(yù)處理操作。