【正文】 智能相機(jī)，即使計(jì)算和內(nèi)存資源有嚴(yán)格的限制。關(guān)鍵詞 數(shù)字信號(hào)處理；物體識(shí)別；本地功能；詞匯樹(shù)；1. 介紹識(shí)別物體是一個(gè)最流行的任務(wù)領(lǐng)域中的計(jì)算機(jī)問(wèn)題。在過(guò)去十年中，大量科學(xué)工作者做出努力，建立強(qiáng)有力的目標(biāo)識(shí)別系統(tǒng)的外觀特征與局部特征的程度。對(duì)于這樣一個(gè)框架，以適用于現(xiàn)實(shí)世界中的幾個(gè)屬性是非常重要的：對(duì)旋轉(zhuǎn)不敏感，光照或觀點(diǎn)的變化，以及實(shí)時(shí)的行為和大規(guī)模行動(dòng)。目前的系統(tǒng)已經(jīng)有很多這些屬性，雖然不是所有的問(wèn)題已經(jīng)解決，但如今他們變得越來(lái)越有吸引力的行業(yè)列入產(chǎn)品的客戶市場(chǎng)。反過(guò)來(lái)，最近嵌入式視覺(jué)平臺(tái)，如智能相機(jī)已經(jīng)成功地出現(xiàn)了，不過(guò)，只有提供數(shù)量有限的計(jì)算和內(nèi)存資源。然而，嵌入式視覺(jué)系統(tǒng)已經(jīng)在我們的日常生活中。幾乎每個(gè)人的手機(jī)配備了攝像頭，因此可以被視為一個(gè)小型的嵌入式視覺(jué)系統(tǒng)。顯然，這會(huì)引起新的應(yīng)用程序，如導(dǎo)航工具，視障人士，或協(xié)作公眾監(jiān)督使用數(shù)以百萬(wàn)計(jì)的人造眼睛。此外，低價(jià)格的數(shù)字傳感器和需要增加公共場(chǎng)所的安全造成了巨大數(shù)量的增長(zhǎng)攝像機(jī)監(jiān)視用途。他們必須體積小，并處理大量的現(xiàn)有數(shù)據(jù)的網(wǎng)站。此外，他們必須執(zhí)行專門的業(yè)務(wù)自動(dòng)和人機(jī)交互。不僅在該領(lǐng)域的監(jiān)視，而且在家庭領(lǐng)域的機(jī)器人，娛樂(lè)，軍事和工業(yè)機(jī)器人技術(shù)，嵌入式計(jì)算機(jī)視覺(jué)平臺(tái)越來(lái)越受歡迎，這應(yīng)歸功于其對(duì)環(huán)境的魯棒性逆境。特別是基于DSP的嵌入式平臺(tái)很受歡迎，因?yàn)樗鼈児δ軓?qiáng)大且廉價(jià)的處理器，仍然是小規(guī)模和效率方面的能耗。隨著數(shù)字信號(hào)處理器提供了最大的靈活性，軟件運(yùn)行，相對(duì)于其他嵌入式單位像臺(tái)塑作為，專用集成電路或芯片，其目前的成功并不奇怪。對(duì)于已經(jīng)提到的原因，認(rèn)識(shí)的任務(wù)是一個(gè)非常重要的研究領(lǐng)域。然而，在這方面的一些屬性的嵌入式平臺(tái)的嚴(yán)格限制的可行性目前的狀態(tài)，最先進(jìn)的方法。例如，可用的記憶體數(shù)量的設(shè)備上嚴(yán)格限制數(shù)量的對(duì)象在數(shù)據(jù)庫(kù)中。因此，建立一個(gè)嵌入式對(duì)象識(shí)別系統(tǒng)，一個(gè)目標(biāo)是使大量的數(shù)據(jù)來(lái)表示一個(gè)單獨(dú)的對(duì)象盡可能小，以便最大限度地發(fā)揮一些識(shí)別物體。另一個(gè)重要方面是實(shí)時(shí)這些系統(tǒng)的能力。算法必須足夠快將業(yè)務(wù)在現(xiàn)實(shí)世界中。他們必須健全和用戶友好的，否則，產(chǎn)品配備了這種功能，只不過(guò)是沒(méi)有吸引力的潛在客戶。例如，在一個(gè)互動(dòng)參觀博物館，識(shí)別物體在移動(dòng)設(shè)備上，必須足夠快，以便連續(xù)性指導(dǎo)。正式地講，我們認(rèn)為這是一個(gè)應(yīng)用程序需要軟實(shí)時(shí)系統(tǒng)的行為。顯然，這只是一個(gè)例子，以及確切的含義實(shí)時(shí)取決于具體應(yīng)用。我們?nèi)匀徽J(rèn)為物體識(shí)別系統(tǒng)是實(shí)時(shí)的能力，如果能夠提供至少一個(gè)結(jié)果每秒。這已經(jīng)足以讓許多服務(wù)等應(yīng)用的例子，介紹了上述互動(dòng)博物館。但是，很顯然，這個(gè)定義不符合其他應(yīng)用程序，并改善吞吐量需要識(shí)別物體的幀速率，例如，結(jié)合目標(biāo)跟蹤?？傊?，建立一個(gè)全功能的識(shí)別系統(tǒng)在嵌入式平臺(tái)原來(lái)是一個(gè)具有挑戰(zhàn)性的問(wèn)題給所有不同的方面和環(huán)境限制考慮。在這項(xiàng)工作中，我們描述的一種方法來(lái)部署一個(gè)中型物體識(shí)別系統(tǒng)原型基于DSP的嵌入式平臺(tái)。以我們所知，我們是第一個(gè)廣泛的調(diào)查有關(guān)的問(wèn)題識(shí)別物體在嵌入式系統(tǒng)?，F(xiàn)在這是唯一的工作，學(xué)習(xí)的影響，各種參數(shù)對(duì)識(shí)別性能和運(yùn)行時(shí)行為。我們挑選了一套高層次的算法來(lái)描述物體的一套外觀特征。作為一個(gè)典型的局部特征識(shí)別系統(tǒng)，我們使用不同的高斯（狗）關(guān)鍵點(diǎn)和主成分分析尺度不變特征變換（ PCASIFT ）描述建立緊湊對(duì)象的意見(jiàn)。安排這方面的信息的一個(gè)聰明treelike數(shù)據(jù)結(jié)構(gòu)基于K means聚類，一個(gè)所謂的詞匯樹(shù)，實(shí)時(shí)行為實(shí)現(xiàn)。通過(guò)運(yùn)用專門的壓縮機(jī)制，大小的數(shù)據(jù)結(jié)構(gòu)可以進(jìn)行交易的對(duì)識(shí)別性能，從而準(zhǔn)確調(diào)諧的屬性識(shí)別系統(tǒng)對(duì)某一特定的硬件平臺(tái)就可以執(zhí)行。因?yàn)樗@示了廣泛的評(píng)價(jià)的同時(shí)考慮，特殊性能的算法和專用的特殊的硬件優(yōu)勢(shì)，大量增加識(shí)別性能和吞吐量是可以實(shí)現(xiàn)的。其余本文結(jié)構(gòu)如下，我們概述的事態(tài)發(fā)展在這兩個(gè)領(lǐng)域，我們正在把我們的工作。一方面，我們列出了一些參考的背景下目標(biāo)識(shí)別的計(jì)算機(jī)視覺(jué)。另一方面，我們列舉了一些出版物，從該地區(qū)的嵌入式智能傳感器。詳細(xì)說(shuō)明方法參與建設(shè)我們的目標(biāo)識(shí)別算法是在第3部分。，我們大綱的框架，讓我們?cè)敿?xì)的培訓(xùn)和實(shí)施我們的系統(tǒng)。我們密切描述設(shè)計(jì)中的所有步驟的做法，讓方說(shuō)明的替代方法，我們?cè)u(píng)估我們的實(shí)驗(yàn)系統(tǒng)的一個(gè)具有挑戰(zhàn)性的對(duì)象數(shù)據(jù)庫(kù)，并討論實(shí)時(shí)和現(xiàn)實(shí)世界的問(wèn)題。此外，我們調(diào)查的一些特殊功能的辦法，并闡明相依的若干參數(shù)對(duì)系統(tǒng)的整體性能。工作結(jié)束時(shí)的最后一些說(shuō)明和展望未來(lái)的工作。2. 相關(guān)工作在下面我們將簡(jiǎn)要介紹該專題的局部特征的物體識(shí)別。由于大量的文獻(xiàn)資料，我們將集中于最有前途的方法利用當(dāng)?shù)靥攸c(diǎn)，是指那些有某種算法與我們的工作。我們還將在短期簡(jiǎn)介識(shí)別物體在嵌入式系統(tǒng)，其中，由于稀疏的現(xiàn)有方法，包含全球和地方的方法，以及算法實(shí)現(xiàn)FPGA和DSP為基礎(chǔ)的平臺(tái)。當(dāng)?shù)爻霈F(xiàn)的視覺(jué)識(shí)別物體成為受歡迎的發(fā)展后，強(qiáng)大的利益區(qū)域的探測(cè)器和描述。早期功能齊全的目標(biāo)識(shí)別系統(tǒng)處理所有個(gè)人算法步驟及有關(guān)問(wèn)題提出了施密德和莫爾和席勒和Crowley 。主要的想法基于局部特征識(shí)別物體保持對(duì)象申述收藏當(dāng)?shù)夭蓸诱f(shuō)明。換言之，部分地方出現(xiàn)一個(gè)單一的對(duì)象編碼描述，和一套這些描述形式的最后對(duì)象的代表性。找到區(qū)分地區(qū)，所謂的利益區(qū)域探測(cè)器的使用，該區(qū)域或分找到的特殊視覺(jué)的獨(dú)特性。附近的這些地區(qū)是后來(lái)編碼使用一種特殊變換建立一個(gè)描述提供一些可取的本質(zhì)屬性。除了對(duì)光照變化不敏感，局部的觀點(diǎn)不變，申述套地方描述提供抗背景雜波和部分閉塞。不用說(shuō)，一個(gè)所謂的包描述符的代表性可以采用單一或數(shù)個(gè)不同的組合探測(cè)器和描述。集體所有描述由多個(gè)對(duì)象（即包描述符）是用來(lái)建立一個(gè)數(shù)據(jù)庫(kù)。鑒于這一新的數(shù)據(jù)庫(kù)和代表性的對(duì)象必須承認(rèn)，對(duì)應(yīng)計(jì)成投票計(jì)劃，以確定正確的匹配。確定這些書(shū)信是一項(xiàng)復(fù)雜的任務(wù)。描述高維特征向量和描述符匹配的查詢手段確定確切的近鄰在數(shù)據(jù)庫(kù)中。不幸的是，到目前為止，沒(méi)有任何演算法，都可以準(zhǔn)確近鄰點(diǎn)在高維空間，是比任何更有效的徹底搜查。由于大量的對(duì)象，大量的本地描述符，分別這種類型的信息管理是臃腫，效率低下。因此，許多不同的方法來(lái)近似的解決辦法的一條有效途徑已提議保持業(yè)績(jī)的總體目標(biāo)識(shí)別系統(tǒng)的管理?；驹瓌t和地區(qū)的興趣點(diǎn)是尋找地點(diǎn)和地區(qū)的形象，展示一個(gè)預(yù)定義的財(cái)產(chǎn)使他們特別在其當(dāng)?shù)厣鐓^(qū)。這個(gè)屬性應(yīng)當(dāng)使該區(qū)域有別于其鄰居和探測(cè)反復(fù)。此外，這些功能的檢測(cè)應(yīng)以盡可能最好的，照明和觀點(diǎn)不變。第一個(gè)重要的興趣點(diǎn)檢測(cè)器，即所謂的哈里斯角探測(cè)器，有人提議在1988年由Harris和斯蒂芬斯。它出色的重復(fù)性和展品后來(lái)用于識(shí)別物體的目的施密德和莫爾。的擴(kuò)展，哈里斯探測(cè)器，包括大規(guī)模的信息后來(lái)被報(bào)道Mikolajczyk和施密德作為哈里斯一拉普拉斯探測(cè)器和使用的是Schaffalitzky和Zisserman formulti視圖匹配無(wú)序圖片集。另一種方法來(lái)檢測(cè)斑點(diǎn)狀結(jié)構(gòu)的圖像搜索點(diǎn)的行列式的Hessian矩陣假設(shè)當(dāng)?shù)貥O端嗯，這是所謂的黑森州探測(cè)器。進(jìn)一步發(fā)展包括仿射方差導(dǎo)致哈里斯仿射和黑森州仿射探測(cè)器提出Mikolajczyk ， Mikolajczyk和施密德。目前最流行的兩個(gè)部分的做法稱為尺度不變特征變換（上海對(duì)外貿(mào)易學(xué)院）是由勞文提出，其中的第一部分是一個(gè)興趣點(diǎn)檢測(cè)。狗探測(cè)器采取不同的高斯模糊圖像作為一個(gè)近似的規(guī)模正?；绽购褪褂卯?dāng)?shù)刈罡叩拇饛?fù)中尺度空間作為一項(xiàng)指標(biāo)的關(guān)鍵點(diǎn)。補(bǔ)充功能探測(cè)器，在最大限度地穩(wěn)定極值區(qū)域（ MSER ）探測(cè)器，是由麥塔斯等。總之， MSER探測(cè)器搜尋區(qū)域是光明或黑暗的比其周圍的環(huán)境，即周圍的黑暗，反之亦然光明像素。首先，像素的排序在升序或降序進(jìn)行排序的強(qiáng)度值，根據(jù)地區(qū)不同類型的檢測(cè)。像素陣列，比上一季度美聯(lián)儲(chǔ)進(jìn)入聯(lián)盟找到算法和樹(shù)形數(shù)據(jù)結(jié)構(gòu)形狀維持，而節(jié)點(diǎn)包含有關(guān)像素街道，以及有關(guān)強(qiáng)度值的關(guān)系。最后，節(jié)點(diǎn)滿足一套預(yù)先確定的標(biāo)準(zhǔn)要求的樹(shù)木遍歷算法。兩個(gè)仿射協(xié)變區(qū)域探測(cè)器提出了Tuytelaars和Van Gool ，強(qiáng)度為基礎(chǔ)的區(qū)域（ IBR技術(shù)）和優(yōu)勢(shì)為基礎(chǔ)的區(qū)域（ EBR ） 。 IBRs是基于極值的強(qiáng)度。鑒于當(dāng)?shù)氐膹?qiáng)度極值，亮度功能沿射線產(chǎn)生的極值研究。這個(gè)功能本身展品的極值在地方的形象強(qiáng)度突然變化。連接所有點(diǎn)所產(chǎn)生的射線相應(yīng)這個(gè)極值形式和IBR技術(shù)。 EBRs決心從角落點(diǎn)和邊緣附近。鑒于一個(gè)角落點(diǎn)和走邊有兩個(gè)相反的方向有更多的控制點(diǎn)，一維類平行介紹了利用角球本身和載體指著從角落的控制點(diǎn)。研究函數(shù)的紋理和使用額外的限制，一個(gè)平行四邊形是選定一個(gè)EBR 。另一種算法，稱為凸區(qū)域探測(cè)器是由卡迪爾等。并基于概率密度函數(shù)（ PDF ）的強(qiáng)度值計(jì)算的一個(gè)橢圓形的區(qū)域。每個(gè)像素，熵極值為橢圓中心在此記錄像素的橢圓參數(shù)的方向，氫，硫和規(guī)模的比例，主要以短軸光從排序名單的候選人的所有地區(qū)的N最突出的是選擇。對(duì)于一個(gè)廣泛的評(píng)估了大量仿射區(qū)域探測(cè)器提及的工作。一般而言，一個(gè)描述符是一個(gè)抽象的表征圖像修補(bǔ)程序。通常情況下，圖像修補(bǔ)程序推選為當(dāng)?shù)丨h(huán)境的興趣區(qū)域。根據(jù)不同的算法，方法或轉(zhuǎn)變，由此產(chǎn)生的性質(zhì)，可旋轉(zhuǎn)不變或至少部分敏感仿射變換。大多數(shù)的做法是基于梯度計(jì)算或圖像的亮度值。作為第二部分的上海對(duì)外貿(mào)易學(xué)院的做法，羅威建議使用描述的基礎(chǔ)上疊加梯度直方圖。單直方圖計(jì)算在細(xì)分補(bǔ)丁描述梯度方向，以涵蓋空間信息。最后，它們級(jí)聯(lián)形成一個(gè)128的三維描述。最近柯和Sukthankar ，提出了所謂的PCASIFT描述特征空間分析的基礎(chǔ)上。他們計(jì)算的一個(gè)主要成分分析（ PCA ）的梯度特征空間圖像，代表人數(shù)超過(guò)兩萬(wàn)形象補(bǔ)丁。該描述符的新形象瓦所產(chǎn)生的梯度投影的瓷磚上precalculated特征空間，只保留的D最重要的特征向量。因此，一個(gè)有效的壓縮描述維度實(shí)現(xiàn)， coevally保持業(yè)績(jī)的速度可比原來(lái)的上海對(duì)外貿(mào)易學(xué)院描述。密切相關(guān)的上海對(duì)外貿(mào)易學(xué)院的做法，梯度位置和方向直方圖（ GLOH ）描述是由Mikolajczyk和施密德。反對(duì)篩選梯度直方圖計(jì)算，細(xì)圓而不是粗糙的矩形網(wǎng)格，導(dǎo)致272二維直方圖。常設(shè)仲裁法院隨后用來(lái)降低廣義維數(shù)為128。兩個(gè)旋轉(zhuǎn)不變描述提出了Lazebnik等，在旋轉(zhuǎn)不變特征變換（裂谷）和SPINImage描述。裂谷廣義計(jì)算的一個(gè)圓形正?；a(bǔ)丁分為同心圓環(huán)寬度相等。在每一個(gè)環(huán)，梯度方向直方圖的計(jì)算，而計(jì)算的梯度方向是相對(duì)的方向向量指向外向的中心。自旋圖像是一個(gè)二維直方圖分布的編碼圖像的亮度值在附近的一個(gè)特定中心點(diǎn)。直方圖有兩個(gè)層面，即距離中心點(diǎn)和強(qiáng)度值。量化的距離，其價(jià)值相當(dāng)于一本直方圖強(qiáng)度值的像素設(shè)在一個(gè)固定的距離中心點(diǎn)。