[發(fā)明專(zhuān)利]一種提取圖像特征的方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710413989.2
• 申請(qǐng)日: 2017-06-05
• 公開(kāi)（公告）號(hào): CN107220651B
• 公開(kāi)（公告）日: 2020-06-19
• 發(fā)明（設(shè)計(jì)）人: 焦繼超;鄧中亮;王鑫;李菲;苑立彬;吳奇;章程
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京郵電大學(xué)
• 主分類(lèi)號(hào): G06K9/46
• 分類(lèi)號(hào): G06K9/46;G06K9/62
• 代理公司: 北京柏杉松知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413
• 代理人: 馬敬;項(xiàng)京

1.一種提取圖像特征的方法，其特征在于，所述方法包括：

計(jì)算目標(biāo)圖像中每個(gè)塊結(jié)構(gòu)分別對(duì)應(yīng)的第一HOG特征信息，所述塊結(jié)構(gòu)包括預(yù)設(shè)數(shù)量的像素值組成的像素矩陣；

針對(duì)每個(gè)所述塊結(jié)構(gòu)，根據(jù)塊結(jié)構(gòu)中的像素矩陣，生成PCA算法的輸入集合；一個(gè)塊結(jié)構(gòu)對(duì)應(yīng)一個(gè)PCA算法的輸入集合，PCA算法的輸入集合的數(shù)量與塊結(jié)構(gòu)的數(shù)量相同；

使用所述PCA算法計(jì)算每個(gè)所述塊結(jié)構(gòu)對(duì)應(yīng)的PCA特征信息；

級(jí)聯(lián)每個(gè)所述塊結(jié)構(gòu)對(duì)應(yīng)的第一HOG特征信息和所述PCA特征信息，生成每個(gè)所述塊結(jié)構(gòu)對(duì)應(yīng)的新HOGP特征信息；

將所有塊結(jié)構(gòu)對(duì)應(yīng)的新HOGP特征信息級(jí)聯(lián)起來(lái)，生成所述目標(biāo)圖像的新HOGP特征信息。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述計(jì)算目標(biāo)圖像中每個(gè)塊結(jié)構(gòu)分別對(duì)應(yīng)的第一HOG特征信息，所述塊結(jié)構(gòu)包括預(yù)設(shè)數(shù)量的像素值組成的像素矩陣的步驟，包括：

計(jì)算目標(biāo)圖像中各像素值分別對(duì)應(yīng)的梯度值；

根據(jù)所述各像素值的梯度值，計(jì)算每個(gè)單元格分別對(duì)應(yīng)的第二HOG特征信息，其中，所述每個(gè)單元格包括像素值矩陣L×L，所述第二HOG特征信息包括維度為R的HOG特征向量；

根據(jù)所述每個(gè)單元格對(duì)應(yīng)的第二HOG特征信息，計(jì)算每個(gè)塊結(jié)構(gòu)對(duì)應(yīng)的第一HOG特征信息，其中，所述每個(gè)塊結(jié)構(gòu)包括單元格矩陣P1×P2，所述第一HOG特征信息包括維度為R×P1×P2的HOG特征向量。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)塊結(jié)構(gòu)中的像素矩陣，生成PCA算法的輸入集合的步驟，包括：

根據(jù)所述塊結(jié)構(gòu)中的像素矩陣，生成PCA算法的輸入集合；其中，所述像素矩陣為M×N，M＝L×P1，N＝L×P2，所述輸入集合為D_M×N＝{X₁,X₂,...,X_N}，所述輸入集合D_M×N包括N個(gè)像素值樣本X₁,X₂,...,X_N，其中X_i＝{x₁,x₂,...,x_M}，一個(gè)樣本X_i包括所述像素矩陣M×N中第i列的M個(gè)像素值。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，

所述使用所述PCA算法計(jì)算每個(gè)塊結(jié)構(gòu)的對(duì)應(yīng)的PCA特征信息的步驟，包括：

使用所述PCA算法計(jì)算每個(gè)塊結(jié)構(gòu)的對(duì)應(yīng)的PCA特征信息，其中，所述PCA特征信息包括維度為K×L×P2的PCA特征向量，K為所述PCA特征信息中每個(gè)樣本包括的像素值數(shù)量，K＜M；

所述級(jí)聯(lián)每個(gè)所述塊結(jié)構(gòu)對(duì)應(yīng)的HOG特征信息和所述PCA特征信息，生成每個(gè)所述塊結(jié)構(gòu)對(duì)應(yīng)的新HOGP特征信息的步驟，包括：

級(jí)聯(lián)每個(gè)所述塊結(jié)構(gòu)對(duì)應(yīng)的、所述維度為R×P1×P2的HOG特征向量，以及每個(gè)所述塊結(jié)構(gòu)對(duì)應(yīng)的、所述維度為K×L×P2的PCA特征向量，生成每個(gè)所述塊結(jié)構(gòu)對(duì)應(yīng)的、維度為R×P1×P2+K×L×P2的新HOGP特征向量。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，

在所述根據(jù)所述每個(gè)單元格對(duì)應(yīng)的第一HOG特征信息，計(jì)算每個(gè)塊結(jié)構(gòu)對(duì)應(yīng)的第二HOG特征信息的步驟之前，所述方法還包括：

以塊結(jié)構(gòu)為基本單位，按照預(yù)設(shè)的步長(zhǎng)，對(duì)所述目標(biāo)圖像中各像素值進(jìn)行掃描，將所述目標(biāo)圖像劃分為數(shù)量為Q的所述塊結(jié)構(gòu)；

所述將所有塊結(jié)構(gòu)對(duì)應(yīng)的新HOGP特征信息級(jí)聯(lián)起來(lái)，生成所述目標(biāo)圖像的新HOGP特征信息的步驟，包括：

將所有塊結(jié)構(gòu)對(duì)應(yīng)的新HOGP特征信息級(jí)聯(lián)起來(lái)，生成所述目標(biāo)圖像的維度為(R×P1×P2+K×L×P2)×Q的新HOGP特征向量。