一种基于二值粒子群优化和支持向量机的目标检测算法

针对复杂场景下目标检测和目标检测中特征选择问题,该文将二值粒子群优化算法(BPSO)用于特征选择,结合支持向量机(SVM)技术提出了一种新颖的基于BPSO-SVM特征选择的自动目标检测算法。该算法将目标检测转化为目标识别问题,采用wrapper特征选择模型,以SVM为分类器,通过样本训练分类器,根据分类结果,利用BPSO算法在特征空间中进行全局搜索,选择最优特征集进行分类。基于BPSO-SVM

第3第 1 3卷期 21年 1 01月

电

子

与

信

息

学

报

Vo13 .3NO. 1

J u na f e t o i s& I f r to e h o o y o r l cr n c o El n o ma i n T c n l g

J n 2 1 a .0 1

一

种基于二值粒子群优化和支持向量机的目标检测算法 潘泓李晓兵金立左夏良正 (东南大学自动化学院南京 20 9 ) 1 0 6

摘

要：针对复杂场景下目标检测和目标检测中特征选择问题，该文将二值粒子群优化算法 (P O用于特征选择， BS)

结合支持向量机(V技术提出了一种新颖的基于 B S—V特征选择的自动目 S M) P OS M标检测算法。该算法将目标检测 转化为目标识别问题，采用 w a p r征选择模型，以 S rp e特 VM为分类器，通过样本训练分类器，根据分类结果，利

用B S P O算法在特征空间中进行全局搜索，选择最优特征集进行分类。基于 B O S PS—VM的特征选择方法降低了特 征维数，显著提高了分类器性能。实验结果表明，该文算法不仅有效提高了复杂场景下目标姿态、尺度、光照变化和局部被遮挡时的检测准确率，还大大缩短了检测时间。

关键词：目标检测；二值粒子群优化；支持向量机；特征选择

中图分类号：T 31 P 9. 4 D I 1. 2/PJ14 . 1. 20 O:0 74S . 16 00 06 3 . 2 0

文献标识码： A

文章编号：10—8621)1 17 5 0959 ( 1— 1— 0 00 0

A na y Pa tc e S r m tm i a i n a d S p r c o Bi r r i l wa Op i z to n u po t Ve t r

Ma hn - ae g rt m rObetDeet n c ieb sdAlo i h f jc tci o o Pa Hon n g LiXi o- ng a— bi Ji - UO n LiZ - Xi a - he a Li ng- ng z

( co l Auo t n S uhatU iest, nig2 0 9, hn ) Sh o tmai, o tes nvri Na j 10 6 C ia o y n AbtatThs a e rp ss oe bet eet nmeh d n me eB S S src: ip p r o oe n v l jc tci to, a l

t P O—VM—ae eet nagr h p a o d o yh b sdd tci loi m o t

ta o ie iayP ril S am t z t n( S h tcmbn sB n r at e w r Op i ai BP O)a d S p otV co c ie(VM)tc nq e o c mi o n u p r etrMa hn S eh iust cp t aueslcini u o betd tcinu d rcmpe cn r s I h rp sd a oi m, bet o e hf t r e t s efro jc eet n e o l se ai .nt ep o oe l r h o jc wi e e o s o x o g t d t c i n i e a d d a - l sc t g rz to r b e a d fa u es b e ss l c e sn a p rm o e,n e e to r g r e sa t s wo c a a e o i a i n p o l m n t r u s ti e e t d u i g awr p e d l i s e

wh c h ih t e BPS s a c e h o e fa u e s a e a d a S O e r h s t e wh l e t r p c n VM l sf r s r e n e a u t r f r t e g o n s f ca i e e v s a a v l a o h o d e s o s i s o t e f a u e s b e ee t d b h h e t r u s ts lc e y t e BPS . i g t e p o s d BPS S O Usn h r po e O— VM— a e e t r ee to c e e f a u e b s d f a u e s lc i n s h m, e t r d me so a i sr d c d a d ca sfc to e f r a c ft e S i n i n l y i e u e n l i a i n p ro m n e o h VM ls i e s g e ty e h nc d. p rm e t l t s i ca sf ri r a l n a e Ex e i n a i

rsl h w h n rae o eet n ac rc fte p o oe loi m ro jc eet n i o l eut so te ices n d tci cu ay o h rp sd a r h f betd tci n cmpe s o g t o o x b c g o n s wi

h p s, c l ) l m i a i n v ra i n n a ta c l so sa l a h i n f a ti p o e e t a k r u d t o e s a e i u n to a i to s a d p r i l c u i n swel t e sg i c n l o s i m rv m n o e e to p e n d t c i n s e d.

K yw rs O j tdtci; iayP r c w r pi zt n (P O; u p r V c rMah e(V; e od: be e t n Bnr at l S am O t ai B S ) S p ot e o ci S M) c e o ie mi o t n Fe t e s lc i a ur ee ton

1引言 目标检测是目标识别系统中的核心技术之一， 它利用图像处理算法对复杂场景中的目标进行自动检测，为后续目标识别算法提供相关信息。一个好

高检测器的处理速度。

目前，目标检测方法可分为两大类，即传统的 基于知识和图像分割的目标检N I]于统计学习 l及基， 2的目标检测[ 6。前者先对图像进行预处理，根据 a1 -上下文知识和目标的先验信息及特征搜索图像中感

的目标检测算法既要能提取目标本质特征，并考虑 外部环境变化、尺度差异和局部遮挡等方面因素对

兴趣区域( e i f neet R I R g no Itrs, O ) o ,再用图像分割 技术将这些 RO提取出来。这种方法简单快速，对 I建筑物【桥梁【特定目标取得了较好的检测效 】和 ]等果。但对目标先验知识的依赖性很强，缺乏推广性， 在复杂场景下、目标姿态变化或被遮挡时，通常无法准确检测到目标。后者利用机器学习技术建立起

目标外观的影响，解决好检测器与特征集之间的配 合程度，准确区分目标和非目标；又要能对特征进

行有效选择，在尽可能短的时间内检测出目标，提 2 1 -—8 0 0 3 1收到，2 1 -—0改回 0 0 00 1 9

国家自然科学基金 (0002 980 0)航空科学基金 6850, 0 20 9,

(08190)东南大学优秀青年教师教学科研资助计划和国家留 200603, 学基金资助课题通信作者：潘泓 e h a@sue ue n p n e . .n d

样

本和对应属性之间的正确映射，根据映射关系判断新样本的属性，检测图像中是否含有待检测目标。 基于统计学习的目标检测方法能有效克服传统目标