基于树形检测器的多标志识别

摘要：本文首先采用了soft cascade结构的头结点分类器检测出大量的背景图像；然后，通过一个贪婪搜索算法构建分叉树分类器，将不同的台标分类到正确的检测线路中；最后，使用普通cascade结构来得到更加准确的识别结果。实验结果，本文的检测器可以获得较高的识别准确度。
关键词：soft cascade，joint boosting，canny算子

0 引言
自动的电视台标检测和识别已经在多媒体领域获得非常高的关注度。如今，多数的手机都具备了摄像头功能，所以人们可以随心所欲地拍摄各种事物，然后利用各种算法去分析处理获得的图像。本文中，展示一个系统一利用手机内置摄像头帮助人们识别电视频道信息。日常观看的电视频道就有几十个不同的台标，所以可以把这个问题看作是一个多类检测问题，而单类的检测即识别，最终就实现了多类识别。
对于单类检测问题，Viola和Jones给出了state-of-the-art算法。他们先训练了一系列节点分类器去检测图像里的每一个子窗口，只有那些能够通过所有节点分类器的子窗口图像才被认为是正样本。吴将Voila的工作简单地拓展到了多视角人脸检测上，为每个独立的人脸视角训练了一个不同的 cascade结构，并且并行地运用它们进行检测。但是当正样本的类型数量增加时，这个方案所花费的检测时间也是线性增长的，而这个代价是我们无法负担的。Torrobla提出了一种新的boosting框架，命名为jointboosting。他将N类分类问题转化为N-1个两类分类问题，然后自动地共享相同的弱分类器。尽管它的检测器可以共享特征，但是当检测目标时，它仍然需要计算全部特征，所以它并不是一个快速检测框架。
近些年来，树形检测器被引入了多视角人脸检测应用中。许多研究者更加偏爱于这种树形结构，例如，Fleuret和Geman的scalar tree，Li等人的金字塔结构，还有Huang chang的广度优先搜索树。在他们的工作里，Huang的工作最有新意，他提出来一种新的输出一个布尔矢量的boosting算法，取名为vector boosting。由于它具有良好的性能，本文选用它作为分叉树的部分。有别于多视角人脸的并行结构，经验证明直接构建一个由粗到精的树是比较困难的。故此，本文设计了一种根据不同组合的误报率来构建分叉树的方法。详细的方案会在1．3中阐述。
本文的其他部分是这样组织的：在1．1小节中，本文介绍所采用的特征集，然后简要地描述下普通cascade结构和soft cascade结构。在实验过程中，作者测试了本文算法的精确度和检测所需的平均特征数。



1 检测器框架
在实验中，本文采用了一架摄像机来拍摄电视节目的全屏幕图像。考虑到此方法的通用性，不假设关于台标位置的先验信息(尽管台标通常会出现在屏幕的上部)。为了可以检测出台标，本文先使用了一个分类器对大量的不同尺度和位置的子窗口进行扫描。因为多数的子窗
口都是背景，而背景的轮廓特征不明显，所以可以将任务分割成两个部分：首先是尽可能早的拒判掉非台标的子窗口，然后是区别每个台标属于哪个频道。接下来描述下算法的第一部分。