53、计算机视觉中的对象描述与特征提取

计算机视觉中的对象描述与特征提取

1. 生物特征识别与面部特征分析

在识别领域，基于生物特征（即你是谁）而非所携带的物品（如身份证等）进行识别是一种重要趋势。有一种方法能同时处理面部检测、姿态估计和地标估计等任务。目前，先进的方法包括深度学习，甚至还能进行性别估计。当前的先进水平可通过相关竞赛来了解，对于面部识别而言，竞赛中使用的是从自然场景中收集的图像。

2. 形状分析的进一步阅读资源

在寻找形状相关的进一步阅读材料中，大部分是论文。有一篇出色的关于特征提取技术（包括模板匹配、可变形模板等）的综述。此外，还有关于医学图像中灵活提取方法的综合调查，这也凸显了蛇形模型在医学图像分析中的主导地位，因为它特别适合处理平滑形状的目标。

有专门致力于形状分析的资料，其中包含许多关于对称性的讨论，还有关于距离和中轴变换的内容。访问相关教授的个人网页，可以获取关于灵活形状建模的详细报告以及用于主动形状建模的大量支持材料（包括Windows和Linux代码）。另外，也有同一团队编写的教科书可供参考。对于图像分割的水平集方法的研究综述也有相关资料。

3. 对象描述的概述与不变性要求

对象在图像中由一组像素表示。为了进行识别，需要描述这些像素组的属性，通常用一组数字作为对象的描述符。为了使描述符对识别有用，它们应具备四个重要属性：
- 完整性 ：两个对象具有相同的描述符，当且仅当它们具有相同的形状。
- 一致性 ：当对象具有相似的描述符时，应该能够识别出相似的对象。
- 不变性 ：例如，旋转