9、被动场景识别：隐式形状模型与层次分类器

被动场景识别：隐式形状模型与层次分类器

1. 隐式形状模型（ISM）场景分类器的复杂度与特性

在场景识别中，ISM 分类器的累加器验证步骤起着关键作用。根据之前定义的上界 $(a · b)^2$ 以及投票组合评级具有恒定复杂度这一事实，算法 3 中累加器验证的总体时间复杂度为 $O(a^2 · b^2)$。与之前的投票步骤相比，累加器验证在使用 ISM 进行场景识别的整体复杂度中占据主导地位。

将我们使用 ISM 分类器进行场景识别的方法与相关原始工作进行比较，可以发现一些异同点。在学习 ISM 作为对象类别模型时，代码本生成是初始步骤，例如在图像中的行人检测中。但与其他方法不同的是，我们在学习场景类别模型时，不会生成自动为后续要通过 ISM 相互关联的实体建立模型的代码本。在我们的监督学习过程中，涉及的对象由用户在演示过程中预先确定。

在生成 ISM 表和为场景类别实例投票的基本思想上，与相关工作有相似之处，但我们是在 6 - 自由度（6 - DoF）姿态空间中操作，这与原始的二维位置空间有很大不同，因此需要进行技术修改。在验证场景类别实例的桶时，我们的方法与其他工作有显著差异。其他工作寻求累加器内最大的投票簇，而我们寻找不同对象的参考姿态假设尽可能相似的位置。

从泛化能力来看，通过类比可知，懒惰学习方法比急切学习方法在泛化方面更准确。由于 ISM 被指定为一种懒惰学习方法，因此它更适合精确建模 6 - DoF 空间关系，相比像星座模型这样的急切方法具有优势。

2. 隐式形状模型树作为层次场景分类器的生成

单 ISM 只能表示从公共参考 $o_F$ 到 $n$ 个对象 ${o}$ 的星形拓扑空间关系，忽略了 ${o