[發(fā)明專利]基于加權(quán)陸地運(yùn)動(dòng)距離的人體目標(biāo)匹配方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201110089326.2
• 申請(qǐng)日: 2011-04-11
• 公開（公告）號(hào): CN102156879A
• 公開（公告）日: 2011-08-17
• 發(fā)明（設(shè)計(jì)）人: 楊小康;徐奕;馬連洋
• 申請(qǐng)（專利權(quán)）人: 上海交通大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 上海交達(dá)專利事務(wù)所 31201
• 代理人: 王錫麟;王桂忠

1.一種基于加權(quán)陸地運(yùn)動(dòng)距離的人體目標(biāo)匹配方法，其特征在于，包括如下步驟：

步驟一，對(duì)所有圖像進(jìn)行尺度變換并提取前景；

步驟二，使用圖像分割的方法把最終前景樣本分割成多個(gè)區(qū)域，并對(duì)每個(gè)區(qū)域進(jìn)行特征提取；

步驟三，計(jì)算訓(xùn)練集中任意兩個(gè)樣本之間的陸地運(yùn)動(dòng)距離向量；

步驟四，通過(guò)邏輯回歸模型對(duì)步驟三得到的陸地運(yùn)動(dòng)距離向量進(jìn)行訓(xùn)練，得到區(qū)域權(quán)重；

步驟五，計(jì)算測(cè)試圖像與訓(xùn)練集中任一圖像間的陸地運(yùn)動(dòng)距離向量，采用與步驟三相同的計(jì)算方法得到，根據(jù)測(cè)試圖像與訓(xùn)練圖像間的陸地運(yùn)動(dòng)距離向量，結(jié)合步驟四得到的區(qū)域權(quán)重計(jì)算加權(quán)陸地運(yùn)動(dòng)距離；

步驟六，結(jié)合步驟五得到的加權(quán)陸地運(yùn)動(dòng)距離，確定測(cè)試圖像的身份。

2.根據(jù)權(quán)利要求1所述的基于加權(quán)陸地運(yùn)動(dòng)距離的人體目標(biāo)匹配方法，其特征是，所述的加權(quán)陸地運(yùn)動(dòng)距離是指：其中：s為測(cè)試圖像，r為訓(xùn)練集中的一張圖像，W_i表示在匹配時(shí)圖像r的第i個(gè)區(qū)域的權(quán)重，w是圖像r經(jīng)過(guò)步驟四后獲得的區(qū)域權(quán)重。

3.根據(jù)權(quán)利要求1所述的基于加權(quán)陸地運(yùn)動(dòng)距離的人體目標(biāo)匹配方法，其特征是，所述的提取前景，具體包括以下步驟：

2.1)以圖像中心區(qū)域的像素為初始化前景樣本，圖像邊緣的像素為初始化背景樣本，其中：以圖像中心為參考點(diǎn)，中心區(qū)域是矩形區(qū)域，該矩形以圖像中心為中心，該矩形區(qū)域大小為40＊20像素；取大小為100＊50像素的區(qū)域rect，整個(gè)圖像中不屬于rect的區(qū)域?yàn)檫吘墔^(qū)域；

2.2)根據(jù)前景樣本和背景樣本采用非參數(shù)估計(jì)的方法分別估計(jì)前景和背景的概率密度FGPDF和BGPDF，分別計(jì)算圖像中的每個(gè)像素在FGPDF和BGPDF上的概率分布FGProb和BGProb當(dāng)某一像素點(diǎn)的FGProb大于BGProb，則該像素點(diǎn)屬于前景，否則屬于背景；所有屬于前景的像素點(diǎn)的集合為前景樣本，其余像素點(diǎn)為背景樣本；

2.3)重復(fù)步驟2.2)的操作100次，得到最終前景樣本。

4.根據(jù)權(quán)利要求1所述的基于加權(quán)陸地運(yùn)動(dòng)距離的人體目標(biāo)匹配方法，其特征是，所述的特征提取中的特征向量由顏色直方圖和梯度直方圖連接而成，其中：顏色直方圖采用HSV顏色空間模型，梯度直方圖是以每個(gè)區(qū)域?yàn)橹行模y(tǒng)計(jì)該區(qū)域內(nèi)的梯度直方圖。