专利名称：一种基于轮廓特征的目标识别方法
技术领域：
本发明属于机器视觉与模式识别技术领域，特别是涉及一种基于图像形状特征中的轮廓特征的目标识别方法。
背景技术：
当前目标识别的方法可以分为三类基于表象特征的方法、基于形状特征的方法、基于表象和形状特征相结合的方法。基于形状特征的目标识别方法是当前研究的一个热点，近些年来取得了显著的进展。从传统的基于傅里叶变换或不变矩等方法，发展为当前大多属于基于轮廓和骨架两种形状描述子的形状匹配方法。相对于点集，轮廓具有更加丰富的信息，且轮廓不容易受到光照、物体颜色和纹理变化的影响，最重要的是能够有效的描述大尺度范围的物体结构。近些年来很多基于轮廓的目标检测和识别方法被提出，其中主要包含两大步骤 提取轮廓的描述子和描述子之间的相似度计算。基于这两点，国内外的学者对此进行了深入的研究。白翔等人在国际计算机视觉大会(IEEE International Conference onComputer Vision 2009)上提出的用骨架描述物体的拓扑结构，通过建立骨架联合树把各个部分的轮廓有效的组织起来，进而用带方向的Chamfer匹配进行轮廓的形状相似度计算。MA等人在国际计算机视觉与模式识别会议(IEEE Conference on Computer Vision andPattern Recognition 2011)上提出一种基于形状上下文几何结构的新的形状描述子,把轮廓的匹配转化为矩阵的相似度计算问题。Wang等人在在国际计算机视觉与模式识别会议(IEEE Conference on Computer Vision and Pattern Recognition 2012)上提出了扇形模型，轮廓上的特征点与中心点的连线相当于扇子的板条，满足对物体的形变有一定的鲁棒性。同时也提出了一种快速确定目标尺度的方法，进而进行点与点特征之间的匹配。然而，上述方法均未能找到一种对轮廓简单有效的描述，以解决在轮廓匹配过程中的尺度问题。
发明内容
针对现有技术存在的问题，本发明的主要目的在于提供一种在匹配过程中尺度不变的基于轮廓特征的目标识别方法。为实现上述目的，本发明提供一种基于轮廓特征的目标识别方法的实施例，该方法包括如下步骤步骤一、建立物体模板轮廓的特征库；步骤二、对待检测图像进行目标识别。其中步骤一建立物体模板轮廓的特征库包含如下步骤(I. I) 步骤(1.4)(I. I)提取物体模板的完整轮廓；(I. 2)在物体模板的轮廓上提取特征点和轮廓的中心点；(I. 3)利用特征点和中心点建立距离矩阵对轮廓进行描述；(I. 4)针对轮廓上的所有像素点进行距离矩阵的计算，计算结果的集合即物体模板轮廓的特征库。步骤二对待检测图像进行目标识别包含如下步骤(2. 1) 步骤(2. 6)(2. 1)提取待检测图像的边缘；(2. 2)在待检测图像的边缘上提取特征点；(2. 3)计算待检测图像特征点组成的特征描述；(2. 4)将待检测图像的特征描述与物体模板轮廓特征库中的特征进行匹配；(2. 5)估计待检测图像轮廓的中心点；(2. 6)根据待检测图像轮廓估计的中心点与对应图像边缘的距离关系以及物体模板轮廓中中心点与轮廓的距离关系，估计出待检测图像的轮廓。步骤(I. I)中利用背景差法提取物体模板的完整轮廓，轮廓的结果表示为S =(Pi ;1 = I. . . N},其中S表示物体模板的轮廓，Pi表示轮廓上的像素点，N表示轮廓中像素点的个数。步骤(1.2)中在物体模板的轮廓上提取特征点和轮廓的中心点包括如下步骤(1)对轮廓上的点PiOci, Yi)计算其满足一定条件的对应的特征点，具体包含如下步骤设物体模板轮廓上的任意点Pj (Xj, Yj),取点Pk (Xk，yk)，其中k = 2* j-i,得到
权利要求
1.一种基于轮廓特征的目标识别方法，所述方法包括如下步骤步骤一、建立物体模板轮廓的特征库；步骤二、对待检测图像进行目标识别，其特征在于，所述步骤一包含如下步骤 (I. I)提取物体模板的完整轮廓； (1.2)在物体模板的轮廓上提取特征点和轮廓的中心点； (I. 3)利用特征点和中心点建立距离矩阵对轮廓进行描述； (I. 4)针对轮廓上的所有像素点进行距离矩阵的计算，计算结果的集合即物体模板轮廓的特征库， 所述步骤二包含如下步骤 (2. I)提取待检测图像的边缘； (2. 2)在待检测图像的边缘上提取特征点； (2. 3)计算待检测图像特征点组成的特征描述； (2. 4)将待检测图像的特征描述与物体模板轮廓特征库中的特征进行匹配； (2. 5)估计待检测图像轮廓的中心点； (2. 6)根据待检测图像轮廓估计的中心点与对应图像边缘的距离关系以及物 体模板轮廓中中心点与轮廓的距离关系，估计出待检测图像的轮廓。
2.根据权利要求I所述的基于轮廓特征的目标识别方法，其特征在于，所述步骤(I.I)中利用背景差法提取物体模板的完整轮廓，轮廓的结果表示为S = (Pi ;i = I. . . N}，其中S表示物体模板的轮廓，Pi表示轮廓上的像素点，N表示轮廓中像素点的个数。
3.根据权利要求2所述的基于轮廓特征的目标识别方法，其特征在于，所述步骤(1.2)中在物体模板的轮廓上提取特征点和轮廓的中心点包括如下步骤对轮廓上的点Pi (Xi,Yi)计算其满足一定条件的对应的特征点，具体包含如下步骤设物体模板轮廓上的任意,Axi +Byi +C点Ρ」(χ」，Yj),取点Pk(xk，yk)，其中k = 2*j-i,得到J ~;........................ d表示点P」到点Pi λΙ A + B 5和点Pk组成直线的距离，Ax+By+C = O表示点Pi和点Pk所在的直线方程，其中A = yk-yj,B = Xi-Xk, C = XkYj-XiYk,点 Pi 到点 Pk 的距离可以表示为 d = ^(X1 - Xl ) +(少,.-yk)dt = ~r t为d和dik这两个距离的比值，当t彡T时，则取顺序上最靠近Pi点的Pj点为Pi aIk对应的特征点，T为根据不同物体设定的阈值参数；对轮廓上的所有点依次计算对应的特征点，得到对应关系C表C = {Pi，Pm;i = I··· N，me {1，· · ·，N}}，其中Pm为Pi对应的特征点，N表示轮廓中像素点的个数；I N. 计算轮廓的中心点为匕ηω.(χ，少’)= IN i=i O
4.根据权利要求3所述的基于轮廓特征的目标识别方法，其特征在于，所述步骤(1.3)利用特征点和中心点建立距离矩阵对轮廓进行描述具体包含如下步骤 计算以轮廓上的点Pi为起点的物体模板轮廓特征库中的描述矩阵Di,具体包含如下步骤利用对应关系C表找到Pi对应的特征点P」；利用对应关系C表找到P」对应的特征点Pk ；计算
5.根据权利要求4所述的基于轮廓特征的目标识别方法，其特征在于，所述步骤(2.I)提取待检测图像的边缘具体包含如下步骤 将采集到的待检测图像转换为灰度图； 用canny算子对待检测图像进行边缘提取； 用边缘连接算法把距离较近的边缘连接起来，得到待检测图像的边缘集合E= {e(i)；i = I. . . Μ},其中M代表边缘的个数。
6.根据权利要求5所述的基于轮廓特征的目标识别方法，其特征在于，所述步骤(2.2)在待检测图像的边缘上提取特征点具体包含如下步骤 针对待检测图像的任意一条边缘e(i),对边缘上的所有点依次计算对应的特征点,得到边缘e (i)的对应关系C表； 对待检测图像边缘集合E = {e(i) ；i = I. . . Μ}的所有边缘分别进行特征点的计算,对所有边缘得到相应的对应关系C表，Ec = {ec(i) ;i = I. . .Μ},其中M代表边缘的个数,边缘i的对应关系C表表示为eji) = {Pj, Pm ；j = I·· .Ni, me {I, · · · Nj }，其中Ni代表边缘i上像素点的个数，Pm为P」对应的特征点。
7.根据权利要求6所述的基于轮廓特征的目标识别方法，其特征在于，所述步骤(2. 3)计算待检测图像特征点组成的特征描述具体包含如下步骤计算以边缘i上的点Pffl(i)为起点的特征描述，具体包含如下步骤利用对应关系C表集合E。中的eji)找到PJi)对应的特征点P」(i);利用对应关系C表eji)找到Pj⑴对应的特征点Pk(i)；计算
8.根据权利要求7所述的基于轮廓特征的目标识别方法，其特征在于，所述步骤(2.4)将待检测图像的特征描述与物体模板轮廓特征库中的特征进行匹配主要通过将提取的待检测图像的特征描述矩阵与物体模板轮廓特征库中的描述矩阵分别进行相似度计算来实现，主要步骤如下待检测图像的特征描述矩阵为队，物体模板轮廓特征库中的描述矩阵为IDm,对两个矩阵De、Dm的对角线两边分别进行归一化处理，对De处理后得到
9.根据权利要求8所述的基于轮廓特征的目标识别万法，其特征在于，所述步骤(2.5)估计待检测图像轮廓的中心点具体包含如下步骤 根据相似度值ΨΦ' e，D' m)判断1-V(D' e，D' m) > Ψτ是否成立，其中Ψτ为限制相似度的阈值参数； 若1-V(D' e，D' m) > Ψτ，即待检测图像的特征描述矩阵队与物体模板轮廓特征库中的描述矩阵Dm匹配不成功，则舍弃队； 若1-V(D' e，D' m) < Ψτ，即待检测图像的特征描述矩阵队与物体模板轮廓特征库中的描述矩阵Dm匹配成功，则根据se、Sm和向量P，估计出组成D6的三个点Pm(i)、Pj (i)、 Pk(i)分别对应的中心点
10.根据权利要求9所述的基于轮廓特征的目标识别方法，其特征在于，所述步骤(2. 6)根据待检测图像轮廓估计的中心点与对应图像边缘的距离关系以及物体模板轮廓中中心点与边缘的距离关系，估计出待检测图像的轮廓具体包含如下步骤 取待检测图像轮廓的中心点P_te(i)，其中i为待检测图像中的某一个目标，找到以Pcenter(i)为中心，半径为。区域内投票的一系列特征描述矩阵队，其中。指根据待检测图像大小和场景设定的半径值； 统计待检测图像特征描述矩阵DJi)与物体模板轮廓特征库中对应的描述矩阵Dm(j)之间的尺度关系v(i)，即根据sm(j)和se(i)的值得到比值
全文摘要
本发明公开了一种基于轮廓特征的目标识别方法，包括如下步骤一和步骤二步骤一、建立物体模板轮廓的特征库提取物体模板的完整轮廓；在轮廓上提取特征点和中心点；利用特征点和中心点建立距离矩阵对轮廓进行描述；针对轮廓上的所有像素点进行距离矩阵的计算；步骤二、对待检测图像进行目标识别提取待检测图像的边缘；在边缘上提取特征点；计算特征点组成的特征描述；将待检测图像的特征描述与物体模板轮廓特征库中的特征进行匹配；估计待检测图像轮廓的中心点；估计待检测图像的轮廓。本发明相对于现有技术，解决了在轮廓匹配过程中的尺度问题，使轮廓匹配过程中的尺度不变，并有效的应用于图像中的目标识别。
文档编号G06K9/64GK102880877SQ201210372459
公开日2013年1月16日 申请日期2012年9月28日 优先权日2012年9月28日
发明者赵雪专, 陈斌, 张绍兵, 裴利沈, 廖世鹏, 成苗, 何莲, 张元 申请人:中科院成都信息技术有限公司