[發明專利]一種基于局部特征聚合描述符的車型識別方法

在審

• 申請號: 201510738540.4
• 申請日: 2015-11-03
• 公開（公告）號: CN105335757A
• 公開（公告）日: 2016-02-17
• 發明（設計）人: 李鴻升;劉海軍;胡歡;曹濱;范峻銘
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 徐金瓊

1.一種基于局部特征聚合描述符的車型識別方法，包括以下步驟：

步驟1：對車型數據庫的車輛圖像進行SIFT特征提取；

步驟2：對所有車型圖像提取到的SIFT特征向量x進行KMeans聚類，得到具有K個視覺單詞的字典；

步驟3：針對每張車型圖像將提取到的每個SIFT特征向量x賦給離其最近的視覺單詞；

步驟4：統計每個視覺單詞周圍的SIFT特征向量x與當前視覺單詞的殘差累積量，得到該張車輛圖片的局部特征聚合描述符；

步驟5：將訓練模塊的n張車型圖像的局部特征聚合描述符，通過量化編碼，得到一個可索引的n類車型類別的編碼圖像庫；

步驟6：對測試車輛圖像，同樣提取其局部特征聚合描述符，作為查詢向量，導入步驟5中得到的圖像庫進行索引，通過近似最近鄰搜索方法進行匹配，識別出測試車輛車型。

2.根據權利要求1所述基于局部特征聚合描述符的車型識別方法，其特征在于：所述步驟1包括以下步驟：

步驟1.1：尺度空間極值檢測：針對構建的高斯金字塔圖像，利用差分函數在所有尺度上檢測候選極值點；

步驟1.2：關鍵點定位：通過函數擬合來定位極值點的準確位置和尺度，同時過濾掉候選極值點集合中的邊緣點；

步驟1.3：方向確定：結合關鍵點鄰域像素的梯度信息，給每個關鍵點賦予一個主方向；

步驟1.4：特征描述子生成：對關鍵點鄰域像素的梯度幅值和方向進行統計，得到關鍵點的特征描述。

3.根據權利要求1所述基于局部特征聚合描述符的車型識別方法，其特征在于：所述步驟2中對所有車型圖像提取到的SIFT特征向量x進行KMeans聚類，得到具有K個視覺單詞的字典，包括以下幾個步驟：

步驟2.1：隨機選取K個SIFT特征向量作為初始聚類中心；

步驟2.1：計算其他SIFT特征向量到這K個聚類中心的距離；

步驟2.3：如果某個SIFT特征向量離第n個聚類中心更近，則該SIFT特征向量屬于聚類n，并對其設置標簽；

步驟2.4：計算同一聚類中，所有SIFT特征向量的均值，作為新的聚類中心；

步驟2.5：迭代至所有聚類中心不變化為止，得到具有K個視覺單詞的字典：

C＝{c₁,…,c_k}

其中C為字典，c_k表示每一個聚類中心，也即視覺單詞。

4.根據權利要求1所述基于局部特征聚合描述符的車型識別方法，其特征在于：所述步驟3將每張車型圖像提取到的每個SIFT特征向量x賦給離其最近的視覺單詞：

c_i＝NN(x)

其中，NN(x)為最近鄰算法，c_i為離x最近的視覺單詞，此時，每個視覺單詞周圍的SIFT特征向量與當前視覺單詞構成了一個聚類塊。