[發明專利]圖像中基于聚類的多物體檢測方法

有效

• 申請號: 201210426347.3
• 申請日: 2012-10-30
• 公開（公告）號: CN102999764A
• 公開（公告）日: 2013-03-27
• 發明（設計）人: 張瑞;朱玉琨;朱俊;鄒維嘉;仇媛媛;付賽男
• 申請（專利權）人: 上海交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 郭國中

1.一種圖像中基于聚類的多物體檢測方法，其特征是，步驟如下：

（1）統計圖像中物體與視覺習語之間的關系并聚類，并使用局部模型得到物體和視覺習語的窗口；

選擇圖像數據庫中的一類物體，對于每一個物體-視覺習語組合，計算物體的中心點到視覺習語中心點的相對水平位置和垂直位置，然后對相對位置做歸一化；采用健壯的聚類方法對相對水平位置和相對垂直位置進行聚類，得到的聚類中心為每個原型的中心，而方法中每個聚類中心的半徑為每個原型的半徑；同時，使用基于圖像局部特征的檢測方法對圖像進行檢測，得到一系列物體和視覺習語的窗口及窗口的可信度；

（2）根據原型構建空間關系特征，并使用結構化支撐向量機進行訓練和測試；

①最佳參數的選取：使用交叉驗證的方法選擇最優參數λ和參數k，k表示物體-視覺習語組合原型的最大數量；

②構建空間關系特征：根據（1）得到的物體及視覺習語的窗口，以及（1）得到的原型，采用最優參數λ和參數k，對每幅圖像計算其空間關系特征；

③結構化支撐向量機學習和判別：使用結構化的支撐向量機學習空間關系特征每一維的權重，然后在測試集合中對空間關系特征進行判別，根據特征向量計算出正確的窗口；對圖像中的每一類物體，均做以上的學習和判別步驟，然后去掉視覺習語的檢測結果，再進一步融合為最終的檢測結果。

2.根據權利要求1所述的圖像中基于聚類的多物體檢測方法，其特征是，所述健壯的聚類方法，步驟如下：首先使用普通的聚類方法得到聚類中心，然后對每一個聚類中心均初始化一個半徑；對于二維空間中的每個點，均搜索離它最近的聚類中心，如果點和聚類中心的距離大于此聚類中心的半徑，則相應增加聚類中心的半徑；而若點和聚類中心的距離小于聚類中心的半徑，則不對半徑進行任何修改；反復迭代直到85%的點和最近聚類中心的距離小于聚類中心的半徑，隨后刪除半徑內僅有少量點的聚類中心，剩下的聚類中心則為輸出結果。

3.根據權利要求1或2所述的圖像中基于聚類的多物體檢測方法，其特征是，所述的構建空間關系特征，具體為：所述空間特征由兩部分組成，前一部分的第（i-1）*N*k+(j-1)*k+l維計算方法如下式：

φ1((i-1)*N*k+(j-1)*k+l)=ΣalltI(t,l)e-λdt(l)Σs=1kI(t,s)e-λdt(s)]]>

其中M表示物體類的數量，N表示視覺習語類的數量，而k表示物體-視覺習語組合原型的最大數量；λ為選取的參數，且滿足λ>0；i表示物體的類為第i類，而j表示視覺習語的類為第j類；d_t(l)表示在第t個組合中，物體和視覺習語之間的相對位置到第l個原型的歐氏距離，且I(t，l)＝代指第t個組合中，物體和視覺習語之間的相對位置和第l個原型的距離d_t(l)小于第l個原型的半徑，否則I(t，l)＝0；表示第t個組合與第l個原型的相似度，除以對相似度進行歸一化；圖像中的所有t和第l個原型的相似度之和作為特征的第(i-1)*N*k+(j-1)*k+l維；

對于后一部分的第(i-1)*2+1維為第i類物體窗口可信度之和，而第(i-1)*2+2維為1；且向量的第M*2+(j-1)*2+1維為第j類視覺習語窗口可信度之和，而第(i-1)*2+2維為1，兩部分組合起來即構成最終的空間關系特征。