[论文解读] A framework for robust object multi-detection with a vote aggregation and a cascade filtering

Grzegorz Kurzejamski, J. Zawistowski+1 more|arXiv (Cornell University)|Dec 29, 2015

Advanced Image and Video Retrieval Techniques参考文献 18被引用 3

一句话总结

本文提出了一种鲁棒的、参数优化的多目标检测框架，用于零售货架场景中的产品检测，采用SIFT特征、投票聚合和级联过滤器。该方法仅使用每个物体一个样本模式并进行极少的手动调参，即可实现89%的检测率和低于1%的误检概率，在低分辨率和复杂光照条件下优于以往方法。

ABSTRACT

This paper presents a framework designed for the multi-object detection purposes and adjusted for the application of product search on the market shelves. The framework uses a single feedback loop and a pattern resizing mechanism to demonstrate the top effectiveness of the state-of-the-art local features. A high detection rate with a low false detection chance can be achieved with use of only one pattern per object and no manual parameters adjustments. The method incorporates well known local features and a basic matching process to create a reliable voting space. Further steps comprise of metric transformations, graphical vote space representation, two-phase vote aggregation process and a cascade of verifying filters.

研究动机与目标

• 开发一种可扩展、鲁棒的多目标检测系统，用于在货架上进行零售产品搜索，且手动参数调优最少。
• 解决在不同品牌和产品变体之间具有高视觉相似性的通用图形检测挑战。
• 在复杂光照、反光和部分遮挡条件下，实现高检测率和低误报率。
• 仅使用每个物体一个样本模式，避免昂贵的数据采集和学习过程，实现有效检测。
• 通过动态参数化和两级过滤级联提升系统可靠性。

提出的方法

• 系统使用SIFT特征进行场景图像与样本图像之间的局部特征提取和匹配。
• 通过RANSAC-like变换聚合几何上一致的匹配，构建投票空间。
• 图形化投票空间表示可实现高置信度目标位置的可视化与过滤。
• 两级投票聚合过程通过精炼候选检测结果，提升定位精度。
• 级联验证过滤器通过应用度量阈值和样本特定验证，排除误报。
• 动态参数化根据场景复杂度和样本质量调整检测灵敏度。

实验结果

研究问题

• RQ1 如何在仅使用每个物体一个样本模式的前提下，使多目标检测系统实现高检测率并保持极低的误报率？
• RQ2 动态参数化在不同图像质量与光照条件下如何提升检测鲁棒性？
• RQ3 在复杂零售场景中，投票聚合与级联过滤相比传统滑动窗口或KNN方法有何优势？
• RQ4 在单样本模式设置下，样本质量（如清晰度、噪声、光照）在多大程度上影响检测性能？
• RQ5 在具有高视觉冗余性的通用图形检测中，非学习的基于特征的方法能否优于学习方法？

主要发现

• 在12 MPx图像上，系统检测率达到89.0%，每幅图像的误检概率为0.72%。
• 在3 MPx分辨率下，检测率为84.4%，误检概率略高，为1.63%，表明存在分辨率相关的性能权衡。
• 尽管采用两级处理流程导致误检数量倍增，但由于过滤机制高效，系统仍保持了较低的误报率。
• 在12 MPx下，每幅图像的平均误检数为3.07；在3 MPx下为3.28，表明通过过滤可有效控制误报数量。
• 样本质量对性能具有决定性影响，低质量样本即使在最优参数下，检测率也会降至0%。
• 该框架在样本数量上表现出线性可扩展性，在强反光和部分遮挡场景中也表现有效。