孙翔侃，白宝兴

（长春理工大学　计算机科学技术学院，长春　130022）



基于机器学习的NAO机器人检测跟踪

孙翔侃，白宝兴

（长春理工大学计算机科学技术学院，长春130022）

摘要：为了解决对人形NAO机器人的检测跟踪问题，提出了一种机器学习与特征匹配相结合的方法。向梯度直方图（Histogram of Oriented Gradient）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子，在行人检测中取得了较好的效果。将其应用于人形NAO机器人的检测跟踪，并结合AdaBoost算法通过机器学习的方法，从大量的训练样本中自动抽取HOG特征并建立级联分类器，利用分类器找出视频帧中含有机器人目标的区域，并在此基础上利用SURF （Speed Up Robust Features）特征匹配方法与模板图像进行特征匹配，以提高目标识别的正确率。实验结果表明，该方法对NAO机器人在室内光线无遮挡的情况下取得了稳定的跟踪效果。

关键词：目标检测；方向梯度直方图；AdaBoost分类器；SURF特征匹配

目标检测跟踪是计算机视觉领域的重要研究方向，在智能化交通系统、智能监控系统等方面有着广泛的应用。基于特征的检测方法是找到一种特征能够较好的描述目标物体，并且尽量不受背景光照因素的影响。方向梯度直方图特征（Histogram of Oriented Gradient，HOG）［1］是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子，在行人检测中取得了较好的效果［2，3］。本文将其应用于人形机器人NAO的检测跟踪，并结合AdaBoost算法［4］通过机器学习的方法，从大量的训练样本中自动抽取HOG特征并建立分类器，利用分类器找出视频帧中含有机器人目标的区域，并在此基础上利用SURF（Speed Up Robust Features）特征［5］与模板图像进行特征匹配，以提高目标识别的正确率。……