（1）公安系统。公安系统中保存着大量的包含罪犯信息的图像文件。如果发生了犯罪行 为，通过图像检索系统，嫌疑人容貌、指纹的基本信息可以快速的在数据库中进行比对，从 而使破案效率增加。

（2）图书馆。现在的图书馆比传统图书馆保存着更多的信息资源，所以急需快速高效的 搜索方式，而图像检索技术正好可以满足图书馆高效搜索的需求。

（3）网络购物。网络购物中，用户越来越多的出现以图搜图的需求，通过商品的图片去 寻找类似的商品，这其中需要图像检索技术的支持。

1．2 研究历史与现状文献综述

1。2。1 目标检测的研究历史与现状

1。2。2 图像匹配的研究历史与现状

1．3 目前存在的主要问题

尽管目前 CBIR 发展势头良好，研究氛围热烈，但其仍然存在着主要两个问题：

（1）选取合适的图像特征。图像像素颜色的特征相似度与人眼对相似颜色的判断仍有一 些不可避免的误差；基于纹理的特征仅适用于少数物体，不具备通用性；基于形状的特征无 法完美排除几何变换带来的影响，而且形状并不具有很好的区分度，相同形状的物体并不一 定相同。

（2）索引的降维。检索中图像的特征往往能达到上百维，计算量相当大，一般的索引技 术显然不能适用，给索引降维俨然成了一个值得关注的问题。

1．4 本文的组织结构安排 本文在组织结构上分为五章，其主要内容如下： 第一章绪论，对图像检索技术进行了整体概述。

第二章目标检测，详细阐述了 Faster R-CNN 目标识别方法的演变过程，包括其基本原理、 体统结构、整体模型、性能评价等。

第三章基于 Faster R-CNN 的行人检测及实验数据，阐述了本文目标检测方面的实验内容、 过程以及结果。

第四章图像匹配，介绍了基于二维索引的图像匹配技术，详细阐述了其特征值得选取、索引的建立、以及匹配的流程。 第五章基于二维索引的图像匹配及实验数据，介绍了本文图像匹配方面的实验内容、过程以及结果。

2 目标检测

2．1 卷积神经网络（  Convolutional  Neural  Network  ）

卷积神经网络是近年发展起来的，引起热议的高效识别方法，其主要作用可以在低计算 量的条件下是识别二维图形中出现的位移和缩放。由于该方法可以直接输入原始图像，避免 了对图像复杂的预处理工作，因而得到了更加广泛的应用。来~自,优^尔-论;文*网www.youerw.com +QQ752018766-

图像处理中，常把图像表示为像素的向量，一张 100×100 的图像，可以表示为一个104

的向量。一般情况下，神经网络的隐藏层与输入层向量的数目是相同的，那么两层间参数的 数量将会达到108，导致难以快速训练。而卷积神经网络则有两种办法来降低参数数目。

2。1。1 局部感知

一般来说，在一副图像中相邻的像素具有较为密切的关系，而距离较远的像素间关联性 较弱。因此，每个神经元不需要对全局图像进行感知，对局部进行感知即可。然后再把局部 感知获得的信息综合起来，得到全局信息。