论文部分内容阅读
家庭服务机器人是人类进入21世纪以来最热门的研究方向之一。家庭环境复杂多变，强调的是快速学习以适应新的变化。演示学习指的是机器人通过观察人的演示来学习，可以通过对比学习来减少所需的训练示例个数，特别适用于家庭环境下机器人的学习。其中基于视觉的演示学习是一种发展趋势，具有成本低，学习效率高等优点。然而复杂的家庭环境给当前的视觉算法带来了很大的挑战，尤其是复杂背景下的物体检测和跟踪。
本文以家庭环境下机器人物体检测与跟踪为例，重点研究了复杂家庭环境下特定物体的实时检测算法和跟踪算法，并针对具体的数据进行算法验证。
本文的主要研究工作和贡献如下:
1，提出了一种采用物体综合信息预处理的快速多类物体检测方法。使用物体的HSI信息进行预处理，去除大量的背景干扰信息;使用共享积分图的方式进行多类物体的检测，减少了积分图的重复计算。该方法有效地提高了多类物体的检测速度。
2，提出了一种可以有效克服快速运动，遮挡和目标漂移的物体跟踪方法。首先计算中值流，并预测目标的位置偏移，以此计算高斯权重;然后修正搜索区域，并使用在线多示例分类器进行目标搜索，计算似然度;最后使用贝叶斯框架对结果进行融合，使用穷举搜索得到最优的预测位置，并更新在线分类器。该方法对快速运动和目标漂移具有更强的鲁棒性，而且可以达到实时跟踪。
3.设计了机器人演示学习物体检测与跟踪系统框架;对多组演示示例进行了算法验证;结果表明本文的物体检测和跟踪算法是有效可行的。
本文的物体检测与跟踪算法得到了成功验证，在家庭环境下具有很大的适用性。