基于几何证据收集的目标检测

人造物体通常具有非常稳定的形状特征，这些是几何中稳定、持久的属性。它们可为物体识别提供证据。形状特征比外观特征、颜色特征、灰度特征或梯度特征更稳定且更具区分性。基于形状特征的物体识别的困难在于，物体可能在颜色、光照、尺寸、位置、姿态和背景干扰上有所不同，且目前无法预测所有可能条件。物体与条件的多样性使得基于几何特征的物体识别极具挑战性。本文提供一种基于形状模板的方法，涉及图像边缘线段几何证据的选择、收集与组合判别，以从背景中准确找出目标物体，并能够识别目标物体各线段的语义属性。本质上，该方法涉及求解一个全局最优组合优化问题。尽管全局最优组合优化问题的复杂度看似很高，但无需定义复杂特征向量，也无需任何昂贵的训练过程。它具有良好的泛化能力和环境适应性，且比其他方法具有更坚实的认知心理学基础。收集几何证据的过程简单且通用，展现出可观的实际应用前景。实验结果证明，该方法在应对环境变化、不变识别、精确定位物体几何、搜索效率和高效计算方面具有巨大优势。这一尝试有助于理解物体识别过程中的某些通用处理类型。