一種多層次描述的人體特徵提取方法
2023-05-16 21:10:51
一種多層次描述的人體特徵提取方法
【專利摘要】本發明公開了一種多層次描述的人體特徵提取方法。輸入原始圖像，計算圖像梯度得到梯度圖像；根據方向量化步長，對梯度圖像進行方向劃分，獲得不同的通道；根據空間量化步長，對每個通道進行空間劃分；在每個通道中，生成一個矩形特徵窗口；在特徵窗口內計算特徵描述子；將所有通道的特徵描述子串接起來，形成一組特徵描述子。按照不同的步長調節參數和，重複上述步驟，直到生成預設組數的具有不同描述能力的特徵描述子。本發明解決了人體數據難以進行配準的問題。
【專利說明】一種多層次描述的人體特徵提取方法
【技術領域】
[0001]本發明涉及計算機視覺和模式識別領域，更具體地說，是一種多層次描述的人體特徵提取方法。
【背景技術】
[0002]人體檢測是指在輸人圖像或者視頻序列中確定所有人體的位置及大小的過程。人體檢測作為人體運動的視覺分析中的一項關鍵技術，近年來成為生物特徵識別和計算機視覺領域內的研究熱點。
[0003]由於衣著、姿態和光照等因素的影響，使得人體數據的類內散度非常大。因此，如何提取有效的特徵對人體數據進行描述並使之能夠在特徵空間中有比較緊緻的分布，成為影響人體檢測性能的關鍵因素。根據特徵類型的不同，可以分為基於灰度的特徵和基於梯度的特徵以及基於多特徵融合的方法。對於人體外觀存在的差異，很多研究結果表明，基於梯度的人體表達方式較基於灰度的表達方式對於光照等變化具有更好的魯棒性。而相對近期的很多研究結果表明，基於梯度統計信息的方法對於邊緣的平移和旋轉具有更好的魯棒性，而對於具有多自由度的人體而言，這種邊緣的變化又是非常常見的，因此基於梯度統計的方法在人體檢測方面取得了很好的效果。例如=Lowe提出了著名的尺度不變描述子(Scale-1nvariant Feature Transform, SIFT)進行物體檢測，Mikolajczyk 等提出 了位置-方向直方圖特徵。
[0004]由於人體衣著、姿態的變化，人體比例的差異，視角的變化和遮擋問題等，造成了很難將人體的各個部分進行比較好的對齊的問題，即弱配準問題。這一問題目前仍然是人體檢測中的難點問題之一。
【發明內容】
[0005]本發明的目的在於，針對上述人體檢測技術中，人體數據難以進行配準的問題，提出了一種多層次描述的人體特徵提取方法。
[0006]實現本發明目的的技術解決方案為:一種多層次描述的人體特徵提取方法，包括以下步驟:
I)輸入原始圖像，計算圖像梯度得到梯度圖像；
2)根據方向量化步長Tp，對梯度圖像進行方向劃分，獲得不同的通道；
3)根據空間量化步長Tp,對每個通道進行空間劃分；
4)在每個通道中，生成一個矩形特徵窗口；
5)在特徵窗口內計算特徵描述子；
6)將所有通道的特徵描述子串接起來，形成一組特徵描述子。[0007]7)按照不同的步長調節參數b和Tp，重複步驟2)~步驟6)，直到生成預設組數的具有不同描述能力的特徵描述子。
[0008]上述方法中，所述步驟I)中原始圖像可以是灰度圖像或彩色圖像，如果是彩色圖像，則轉換為灰度圖像。
[0009]上述方法中，所述步驟2)包括以下具體步驟:
21)計算梯度角度即梯度圖像每個像素的切線角度；
22)根據方向量化步長T0對梯度角度進行量化，將梯度圖像劃分成不同方向的通道，
每個通道的角度氏=I * T-Q，通道的個數
【權利要求】
1.一種多層次描述的人體特徵提取方法，其特徵在於步驟如下:1)輸入原始圖像，計算圖像梯度得到梯度圖像； 2 )根據方向量化步長￥8，對梯度圖像進行方向劃分，獲得不同的通道； 3)根據空間量化步長對每個通道進行空間劃分； 4)在每個通道中，生成一個矩形特徵窗口； 5)在特徵窗口內計算特徵描述子； 6)將所有通道的特徵描述子串接起來，形成一組特徵描述子； 7)按照不同的步長調節參數70和 重複步驟2)~步驟6)，直到生成預設組數的具有不同描述能力的特徵描述子。
2.根據權利要求1所述的多層次描述的人體特徵提取方法，其特徵在於:所述步驟I)中原始圖像是灰度圖像或彩色圖像，如果是彩色圖像，則轉換為灰度圖像。
3.根據權利要求1所述的多層次描述的人體特徵提取方法，其特徵在於所述步驟2)包括以下具體步驟: 21)計算梯度角度即梯度圖像每個像素的切線角度； 22)根據方向量化步長Te對梯度角度進行量化，將梯度圖像劃分成不同方向的通道，每個通道的角度氏=i ,通道的個數？I jr/T0], =1,2...；
23)對於每個角度為&的通道，保留那些量化後梯度角度為內的像素點，其他的像素點置O。
4.根據權利要求1或3所述的多層次描述的人體特徵提取方法，其特徵在於:所述步驟22)中T0與梯度特徵的旋轉魯棒性成正比，與方向確定性成反比。
5.根據權利要求1所述的多層次描述的人體特徵提取方法，其特徵在於:所述步驟3)中空間劃分是指，對於角度為內的通道，利用一組切線角度為焉、間距為 的平行線將其分割成多個劃分。
6.根據權利要求1所述的多層次描述的人體特徵提取方法，其特徵在於:所述步驟3)中Tp與梯度特徵的平移魯棒性成正比，與位置確定性成反比。
7.根據權利要求1所述的多層次描述的人體特徵提取方法，其特徵在於:所述步驟4)中特徵窗口可以是隨機生成的，也可以是按照一定步長有規則地生成的。
8.根據權利要求1所述的多層次描述的人體特徵提取方法，其特徵在於所述步驟5)包括以下具體步驟:51)在特徵窗口內，計算每個劃分的梯度強度； 52)選擇具有最大梯度強度的劃分，計算和歸一化其特徵描述子。
9.根據權利要求1或8所述的多層次描述的人體特徵提取方法，其特徵在於:所述步驟51)中劃分的梯度強度是指劃分內的所有像素的梯度強度的和。
10.根據權利要求1或8所述的多層次描述的人體特徵提取方法，其特徵在於:所述步驟52)中的特徵描述子是一個7維的異質的向量，對於角度為θi的通道，該特徵描述子為
11.根據權利要求1所述的多層次描述的人體特徵提取方法，其特徵在於:所述步驟6)中特徵描述子的形式為
【文檔編號】G06K9/46GK103455818SQ201310219884
【公開日】2013年12月18日 申請日期:2013年4月28日 優先權日:2013年4月28日
【發明者】劉亞洲, 張豔, 孫權森 申請人:南京理工大學