[發明專利]一種基于局部二維模式和不變矩查找的人像定位方法

有效

• 申請號: 201910318605.8
• 申請日: 2019-04-19
• 公開（公告）號: CN110119691B
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 謝巍;劉希
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.一種基于局部二維模式和不變矩查找的人像定位方法，其特征在于，所述的人像定位方法包括下列步驟：

S1、獲取具有人像輪廓的人像樣本圖組，通過訓練獲取含有人像的區域，再標準化所有圖組的人像區域定位特征，獲得一組特征向量V；

S2、對包含復雜背景的新的人像測試圖像組進行圖像灰度化預處理和維納濾波，再進行LBP的特征分析，得到圖像中邊緣的LBP特征值u_i，i＝0,1,2,…,M，M為新的測試圖像組的數量；

S3、使用胡氏不變矩來對LBP特征值u_i和幾何特征進行特征采集，得到圖像的輪廓特征向量l_i；

S4、對邊界輪廓特征向量進行標準化處理，獲得標準化向量L_i，再與特征向量V進行歐氏距離測定，小于閾值ε的向量L_k，k＝0,1,2,…,N，NM，所代表的區域就是人像所在的區域；

其中，所述的步驟S1具體包括：

建立訓練人像定位的樣本集S；

利用所屬訓練樣本集中的人像輪廓部分，通過局部二值模式特征和胡氏不變矩的分析，得到圖像中人像邊緣的一組特征值Q；

對Q進行標準化處理，獲得人像輪廓的特征向量V；

所述的建立訓練人像定位的樣本集S中，利用所屬訓練樣本集S通過LBP的特征分析，得到圖像中人像邊緣的LBP特征值，具體如下：

假設一個局部區域內的紋理分布為局部區域內像素點的灰度值的聯合分布密度，其定義為：

T＝t(g_c，g₀，…，g_P-1)

其中g_c為圓形局部區域的中心點的灰度值，而g_p，p＝0，1，…P-1則是對應區域內的除中心點之外的等距分布的P個點，使用雙線性插值算法對沒有落在像素位置的點進行灰度值計算，則圖像中的鄰域內的g_p的坐標用下式表示：

其中(x_c，y_c)表示中心點的坐標，若沒有損失任何信息，從鄰域中的其他像素點的灰度值g_p減去中心點g_c的值，那么局部區域的紋理T用中心點C與周邊的灰度值的差值的聯合分布表示：

T＝t(g_c，g₀-g_c，…，g_P-1-g_c)

若又設，中心點g_c與周邊的g_p的差g_p-g_c，p＝0，1，…P與中心點g_c并無關系，有：

T≈t(g_c)(g₀-g_c，…，g_P-1-g_c)

在此直接省略圖像的亮度分布描述t(g_c)，寫為：

T≈t(g₀-g_c，…，g_P-1-g_c)

為保持尺度不發生變化，使用差值如下：

T≈t(s(g₀-g_c)，…，s(g_P-1-g_c))

由上得到一個8字節的二進制數，然后對點按照不同的位置進行2^P的加權求和，得到與鄰域內點相關的唯一的LBP值，并稱之為模式，以代表(x_c，y_c)為中心的鄰域的紋理特征，表示如下：

該區域的灰度分布以及紋理特征均用這個LBP值來近似表示：

T≈t(LBP(x_c，y_c))

在半徑為R的圓形區域，其中包含有P個點g_p，p＝0，1，…P-1，用來表示LBP算子。