1、復(fù)雜場景下的目標(biāo)檢測是一個(gè)極具挑戰(zhàn)性的任務(wù)。一方面，光照在強(qiáng)度、角度、距離上的變化與觀察者在觀察位置、角度、距離上的變化帶來背景與目標(biāo)的各種復(fù)雜變化，比如亮度、對比度、陰影、位置、尺度、視角、姿態(tài)等變化；另一方面，3D到2D的成像過程中引入的噪聲、造成的信息缺失使得問題更加復(fù)雜化甚至變得無法求解。
　　本文圍繞復(fù)雜場景下的目標(biāo)檢測這一任務(wù)開展了系統(tǒng)性的研究工作，涉及到的內(nèi)容包括：視覺研究的方法論基礎(chǔ)，單幀上的2D目標(biāo)檢測（包括視覺

2、詞袋模型、Pictorial模型），連續(xù)幀上的2D目標(biāo)檢測（樸素貝葉斯模型）。本文的研究工作既注重理論與方法的思考，也注重算法設(shè)計(jì)與實(shí)現(xiàn)的研究。具體的內(nèi)容簡述如下：
　　1．本文在 Marr的視覺表示理論的基礎(chǔ)上，結(jié)合統(tǒng)計(jì)學(xué)習(xí)理論，總結(jié)出了視覺模型方法，即視覺約束的統(tǒng)計(jì)學(xué)習(xí)方法。該方法具有兩個(gè)重要特點(diǎn)：既注重計(jì)算的研究又注重物理約束的研究；強(qiáng)調(diào)視覺計(jì)算從本質(zhì)上講是一個(gè)概率推斷過程。該方法將解決一個(gè)具體的視覺問題歸納為五個(gè)步驟，其中

3、，前兩個(gè)步驟對應(yīng)計(jì)算理論層次，后三個(gè)步驟對應(yīng)算法設(shè)計(jì)層次。該方法是貫穿本文的方法論基礎(chǔ)，對本文研究工作的開展具有基礎(chǔ)性的指導(dǎo)作用。
　　2．本文采用視覺模型方法，對具有仿生特點(diǎn)的分層最大化模型（HMAX）進(jìn)行了計(jì)算理論層次與算法設(shè)計(jì)層次上的分析，指出其本質(zhì)上就是視覺詞袋模型?；诖朔治觯疚膶Ψ謱幼畲蠡Ｐ瓦M(jìn)行了兩方面的發(fā)展：首先，針對該模型采用的隨機(jī)視覺單詞選取方式存在的誤選、低效等問題，將自下而上的視覺注意力約束引入到視覺單詞

4、的選取過程中，有效提升了視覺單詞選取的有效性與效率，從而有效提升了目標(biāo)檢測的性能；其次，針對視覺詞袋模型缺乏對目標(biāo)幾何結(jié)構(gòu)信息進(jìn)行描述的問題，將分層最大化模型與顯式的形狀匹配模型結(jié)合起來，提出了可區(qū)分的形狀模型。從計(jì)算理論層次上講，可區(qū)分的形狀模型引入了一種額外的約束——目標(biāo)的形狀約束。實(shí)驗(yàn)表明，目標(biāo)的形狀約束對于提升目標(biāo)的檢測性能是有效的。
　　3、本文采用視覺模型方法，對Pictorial模型與受約束的Pictorial模型進(jìn)

5、行了計(jì)算理論層次與算法設(shè)計(jì)層次上的分析。針對受約束Pictorial模型的一種設(shè)計(jì)——星形的形變部件模型（DPM），本文首先注意到了其采用的基于梯度原子原語的HOG特征仍有較大的提升空間，因此本文基于Gabor原子原語提出了一種具有仿生特點(diǎn)的底層特征HOGabor。在PASCAL VOC2007等數(shù)據(jù)集上的實(shí)驗(yàn)表明，該特征能夠顯著的提高剛性目標(biāo)（如飛機(jī)、小車等）的檢測性能。本文在多個(gè)數(shù)據(jù)集上對形變部件模型進(jìn)行了全面的評估，并從統(tǒng)計(jì)學(xué)習(xí)理

6、論的角度分析了樣本、模型復(fù)雜度、模型推廣能力之間的關(guān)系，對進(jìn)一步的研究工作具有重要的指導(dǎo)意義。
　　4．針對受約束Pictorial模型的另一種設(shè)計(jì)——樹形的姿態(tài)估計(jì)模型（POSE），本文指出了其存在的三方面問題：部件的聯(lián)合分布問題，尺度估計(jì)問題和計(jì)算效率問題。針對這些問題，本文提出了計(jì)算目標(biāo)最大后驗(yàn)概率（MAP）、基于根部件進(jìn)行姿態(tài)搜索兩種改進(jìn)方案。實(shí)驗(yàn)表明，這兩種改進(jìn)方案能夠有效提高人體姿態(tài)估計(jì)的性能與效率。
　　5．對

7、于連續(xù)視覺輸入，本文基于離線學(xué)習(xí)的目標(biāo)先驗(yàn)與在線學(xué)習(xí)的目標(biāo)偏置顯著性似然，建立了一個(gè)實(shí)際的視覺貝葉斯模型。該模型采用特征條件獨(dú)立假設(shè)，可以基于同樣的底層特征——Gabor原子原語。該模型不同于已有的概念性的或者面向特定用途的視覺貝葉斯模型，很好的展現(xiàn)了在連續(xù)視覺輸入上統(tǒng)計(jì)學(xué)習(xí)問題的有效簡化，展現(xiàn)了自上而下與自下而上兩個(gè)視覺過程的交互，展現(xiàn)了由粗到細(xì)的目標(biāo)檢測過程。
　　整體上看，本文首先總結(jié)了視覺研究的方法論基礎(chǔ)：視覺模型方法；然

8、后在其指導(dǎo)下主要對三類2D目標(biāo)檢測模型進(jìn)行了系統(tǒng)性的、理論與實(shí)踐并重的探討；在此基礎(chǔ)上，本文從多個(gè)層面、多個(gè)角度對這些2D目標(biāo)檢測模型進(jìn)行了發(fā)展、提升、改進(jìn)與再創(chuàng)造，一些工作已經(jīng)具備了潛在的工程應(yīng)用價(jià)值，另一些工作則在理論與方法層面具有一定的學(xué)術(shù)價(jià)值。從相互之間關(guān)系來看，這些2D目標(biāo)檢測模型在計(jì)算理論層次上存在由簡單到復(fù)雜的遞進(jìn)關(guān)系，而在算法設(shè)計(jì)層次上則存在兩個(gè)基本特點(diǎn)：輸入由單幀走向連續(xù)幀、輸出由粗（目標(biāo)的矩形框）到細(xì)（目標(biāo)的形狀、目