[發明專利]基于動態時空信息挖掘的人體輪廓重構方法

有效

• 申請號: 201410030682.0
• 申請日: 2014-01-23
• 公開（公告）號: CN103778439A
• 公開（公告）日: 2014-05-07
• 發明（設計）人: 周雪;鄒見效;徐紅兵
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/30
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平

技術領域

本發明屬于計算機視覺技術領域，更為具體地講，涉及一種基于動態時空信息挖掘的人體輪廓重構方法。

背景技術

人體形狀輪廓重構是圖像處理和計算機視覺領域中一個很重要并極富挑戰性的問題。它的目標是從帶有噪音干擾的數據中將原始信號恢復出來。一個有效的解決方案是挖掘人體輪廓序列中潛在的時空結構信息，并利用這些信息尋找最優的模板用于數據重構。

目前很多研究工作圍繞人體輪廓的分析進行展開?；诹餍螌W習(ManifoldLearning)的方法通過對訓練樣本非線性降維學習出一個低維的流形空間，針對一個測試樣本，找到其在低維流形上對應的最近鄰點并反投影到原始空間進行重構。具體算法可參考文獻：A.Elgammal?and?C.S.Lee,Nonlinear?Manifold?Learning?for?Dynamic?Shape?and?Dynamic?Appearance,In?Computer?Vision?and?Image?Understanding,vol.106,pp.31-46,2007.值得注意的是，該類方法在進行降維和尋找最近鄰的時候沒有考慮樣本的時序信息。實際上，為了提高魯棒性，越來越多的學者在他們的方法中引入時間約束。Cremers通過引入自回歸(autoregression)模型建立當前輪廓和前幾幀輪廓樣本之間的關系。具體算法可參考文獻[2]：D.Cremers,Nonlinear?Dynamical?Shape?Priors?for?Level?Set?Segmentation,In?Proc.IEEE?Conf.Compu.Vision.Patte.Recog.,pp.1-7,2007。Zhou等人通過連接當前測試樣本和其前幾幀樣本構建一個子序列，并尋找其中每個樣本的最近鄰模板集，將重構問題轉化成尋找連接這些模板集的最短路徑問題。該方法并沒有只單獨考慮測試樣本，而把子序列當成一個整體，通過進行時序序列匹配來提高對噪音的魯棒性。具體算法可參考文獻[3]:X.Zhou,X.Li,T.J.Chin?and?D.Suter,Adaptive?Human?Silhouette?Reconstruction?Based?on?the?Exploration?of?Temporal?Information,In?Proc.of?ICASSP,pp.1005-1008,2012。

對于時序數據匹配，動態時間規整算法(Dynamic?Time?Warping,DTW)是一種非常有效的比較并對齊兩個時間序列的方法。DTW算法最早起源于語音處理，現在已經成功應用于形狀檢索、匹配、分類等領域。在很多實際應用中，往往存在兩個長度不等的序列，一個是長的訓練序列，另外一個是短的查詢序列，需要從一個長序列中找到其中一段子序列和查詢序列最相似，這種情況下不需要將兩個不等長序列全局進行對齊(首尾對應點分別對齊)。該算法是傳統DTW算法的變形，稱之為子序列DTW(Subsequence?DTW)算法。

發明內容

本發明的目的在于克服現有技術的不足，提供一種基于動態時空信息挖掘的人體輪廓重構方法，通過挖掘輪廓時序數據中空間和時間維度上內在的結構特性，將人體輪廓從噪音干擾的數據中準確恢復出來。

為實現上述發明目的，本發明基于動態時空信息挖掘的人體輪廓重構方法，其特征在于包括：