CN103455818A - 一种多层次描述的人体特征提取方法 - Google Patents
一种多层次描述的人体特征提取方法 Download PDFInfo
- Publication number
- CN103455818A CN103455818A CN2013102198845A CN201310219884A CN103455818A CN 103455818 A CN103455818 A CN 103455818A CN 2013102198845 A CN2013102198845 A CN 2013102198845A CN 201310219884 A CN201310219884 A CN 201310219884A CN 103455818 A CN103455818 A CN 103455818A
- Authority
- CN
- China
- Prior art keywords
- gradient
- human body
- image
- hierachical
- extracting method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
技术领域
本发明涉及计算机视觉和模式识别领域,更具体地说,是一种多层次描述的人体特征提取方法。
背景技术
人体检测是指在输人图像或者视频序列中确定所有人体的位置及大小的过程。人体检测作为人体运动的视觉分析中的一项关键技术,近年来成为生物特征识别和计算机视觉领域内的研究热点。
由于衣着、姿态和光照等因素的影响,使得人体数据的类内散度非常大。因此,如何提取有效的特征对人体数据进行描述并使之能够在特征空间中有比较紧致的分布,成为影响人体检测性能的关键因素。根据特征类型的不同,可以分为基于灰度的特征和基于梯度的特征以及基于多特征融合的方法。对于人体外观存在的差异,很多研究结果表明,基于梯度的人体表达方式较基于灰度的表达方式对于光照等变化具有更好的鲁棒性。而相对近期的很多研究结果表明,基于梯度统计信息的方法对于边缘的平移和旋转具有更好的鲁棒性,而对于具有多自由度的人体而言,这种边缘的变化又是非常常见的,因此基于梯度统计的方法在人体检测方面取得了很好的效果。例如:Lowe提出了著名的尺度不变描述子(Scale-Invariant Feature Transform,SIFT)进行物体检测,Mikolajczyk等提出了位置-方向直方图特征。
由于人体衣着、姿态的变化,人体比例的差异,视角的变化和遮挡问题等,造成了很难将人体的各个部分进行比较好的对齐的问题,即弱配准问题。这一问题目前仍然是人体检测中的难点问题之一。
发明内容
本发明的目的在于,针对上述人体检测技术中,人体数据难以进行配准的问题,提出了一种多层次描述的人体特征提取方法。
实现本发明目的的技术解决方案为:一种多层次描述的人体特征提取方法,包括以下步骤:
1)输入原始图像,计算图像梯度得到梯度图像;
2)根据方向量化步长 ,对梯度图像进行方向划分,获得不同的通道;
4)在每个通道中,生成一个矩形特征窗口;
5)在特征窗口内计算特征描述子;
6)将所有通道的特征描述子串接起来,形成一组特征描述子。
上述方法中,所述步骤1)中原始图像可以是灰度图像或彩色图像,如果是彩色图像,则转换为灰度图像。
上述方法中,所述步骤2)包括以下具体步骤:
21)计算梯度角度即梯度图像每个像素的切线角度;
上述方法中,所述步骤22)中与梯度特征的旋转鲁棒性成正比,与方向确定性成反比。
上述方法中,所述步骤4)中特征窗口可以是随机生成的,也可以是按照一定步长有规则地生成的。
上述方法中,所述步骤5)包括以下具体步骤:
51)在特征窗口内,计算每个划分的梯度强度;
52)选择具有最大梯度强度的划分,计算和归一化其特征描述子;
上述方法中,所述步骤51)中划分的梯度强度是指划分内的所有像素的梯度强度的和;
本发明与现有技术相比,其显著优点:本发明通过在方向划分和空间划分时采用不同的量化步长来实现对人体数据的不同层次的抽象,可以得到从确定性描述到统计性描述的一系列具有不同描述特性的人体表示,解决了人体数据难以进行配准的问题。
附图说明
图1是本发明的特征提取流程图。
图2是将原始图像转变成梯度图像的过程。
图3是对梯度图像进行方向划分的过程。
图4是对通道进行空间划分和计算特征的过程。
具体实施方式
本发明的整体操作流程如图1 所示。下面结合附图对本发明的具体实施方式作进一步详细的说明。
步骤1)输入原始图像,计算图像梯度得到梯度图像。
本发明的数据源为灰度图像或彩色图像。如果是彩色图像,可以先转换成灰度图像,再进行后续处理。
设方向量化步长为,对梯度角度进行量化,将梯度图像划分成几个方向不同的通道,其中==9,称为每个通道的角度。对于每个通道 ,只有那些量化后梯度角度为的像素点被保留,其他的像素点置为0。如图3所示,31、32、33……39分别表示、、……通道。
步骤4)在每个通道中生成一个矩形特征窗口。以图41为例,在其中生成一个特征窗口如图42所示。
特征窗口可以是随机生成的,也可以是按照一定步长有规则地生成的。设本发明所用图像宽度和高度分别为,随机生成的特征窗口为,其中()表示窗口左上角的点,分别表示特征窗口的宽和高,如图42所示,特征窗口满足条件:。
步骤51)计算每个划分的梯度强度即划分内所有像素的梯度强度的和。
步骤52)选择具有最大梯度强度的划分, 如图43所示,计算和归一化其特征描述子。
Claims (11)
2.根据权利要求1所述的多层次描述的人体特征提取方法,其特征在于:所述步骤1)中原始图像是灰度图像或彩色图像,如果是彩色图像,则转换为灰度图像。
7.根据权利要求1所述的多层次描述的人体特征提取方法,其特征在于:所述步骤4)中特征窗口可以是随机生成的,也可以是按照一定步长有规则地生成的。
8.根据权利要求1所述的多层次描述的人体特征提取方法,其特征在于所述步骤5)包括以下具体步骤:
51)在特征窗口内,计算每个划分的梯度强度;
52)选择具有最大梯度强度的划分,计算和归一化其特征描述子。
9.根据权利要求1或8所述的多层次描述的人体特征提取方法,其特征在于:所述步骤51)中划分的梯度强度是指划分内的所有像素的梯度强度的和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102198845A CN103455818A (zh) | 2013-04-28 | 2013-04-28 | 一种多层次描述的人体特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102198845A CN103455818A (zh) | 2013-04-28 | 2013-04-28 | 一种多层次描述的人体特征提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103455818A true CN103455818A (zh) | 2013-12-18 |
Family
ID=49738160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013102198845A Pending CN103455818A (zh) | 2013-04-28 | 2013-04-28 | 一种多层次描述的人体特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103455818A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659680A (zh) * | 2019-09-16 | 2020-01-07 | 西安电子科技大学 | 一种基于多尺度卷积的图像patch匹配方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090285456A1 (en) * | 2008-05-19 | 2009-11-19 | Hankyu Moon | Method and system for measuring human response to visual stimulus based on changes in facial expression |
CN102354388A (zh) * | 2011-09-22 | 2012-02-15 | 北京航空航天大学 | 一种自适应计算图像底层特征重要性权重的方法 |
-
2013
- 2013-04-28 CN CN2013102198845A patent/CN103455818A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090285456A1 (en) * | 2008-05-19 | 2009-11-19 | Hankyu Moon | Method and system for measuring human response to visual stimulus based on changes in facial expression |
CN102354388A (zh) * | 2011-09-22 | 2012-02-15 | 北京航空航天大学 | 一种自适应计算图像底层特征重要性权重的方法 |
Non-Patent Citations (2)
Title |
---|
Y LIU 等: "Granularity-tunable Gradients Partition (GGP) Descriptors for Human Detection", 《IEEE CONFERENCE ON COMPUTER VISION PATTERN RECOGNITION》 * |
刘亚洲: "基于时空分析和多粒度特征表示的人体检测方法研究", 《中国博士学位论文全文数据库 信息科技特辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110659680A (zh) * | 2019-09-16 | 2020-01-07 | 西安电子科技大学 | 一种基于多尺度卷积的图像patch匹配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102020100684B4 (de) | Kennzeichnung von graphischen bezugsmarkierern | |
US9483835B2 (en) | Depth value restoration method and system | |
CN110163239B (zh) | 一种基于超像素和条件随机场的弱监督图像语义分割方法 | |
WO2016034059A1 (zh) | 基于颜色-结构特征的目标对象跟踪方法 | |
CN106651871B (zh) | 一种深度图像空洞的自动填充方法 | |
US20120121166A1 (en) | Method and apparatus for three dimensional parallel object segmentation | |
JP4979033B2 (ja) | オブジェクト・ベース視覚的注意モデルの顕著性推定 | |
CN107358245B (zh) | 一种图像协同显著区域的检测方法 | |
KR101384627B1 (ko) | 영상 내 객체 영역 자동분할 방법 | |
WO2019071976A1 (zh) | 基于区域增长和眼动模型的全景图像显著性检测方法 | |
US20180150714A1 (en) | A method and a device for extracting local features of a three-dimensional point cloud | |
US8983199B2 (en) | Apparatus and method for generating image feature data | |
WO2018082308A1 (zh) | 一种图像处理方法及终端 | |
US10169908B2 (en) | Method, apparatus, storage medium and device for controlled synthesis of inhomogeneous textures | |
CN105139417A (zh) | 视频监控下的多目标实时跟踪方法 | |
WO2014036813A1 (zh) | 图像特征的提取方法及装置 | |
CN104408445A (zh) | 实时人体自动检测方法 | |
CN107180436A (zh) | 一种改进的kaze图像匹配算法 | |
CN105184771A (zh) | 一种自适应运动目标检测系统及检测方法 | |
CN106846343A (zh) | 一种基于聚类超像素分割的病理图像特征提取方法 | |
Li et al. | RGBD relocalisation using pairwise geometry and concise key point sets | |
CN103116890B (zh) | 一种基于视频图像的智能搜索匹配方法 | |
CN107563986A (zh) | 图像区域的判断方法和系统 | |
KR20130059212A (ko) | 지역적 특징의 통계적 학습을 통한 강건한 얼굴인식방법 | |
US20150169940A1 (en) | Method for face model alignment on unseen faces |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131218 |
|
RJ01 | Rejection of invention patent application after publication |