CN104794476A - 一种人员痕迹的提取方法 - Google Patents
一种人员痕迹的提取方法 Download PDFInfo
- Publication number
- CN104794476A CN104794476A CN201510191305.XA CN201510191305A CN104794476A CN 104794476 A CN104794476 A CN 104794476A CN 201510191305 A CN201510191305 A CN 201510191305A CN 104794476 A CN104794476 A CN 104794476A
- Authority
- CN
- China
- Prior art keywords
- image
- vestige
- personnel
- point
- texture
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种利用图像采集和处理技术进行人员痕迹提取的提取方法。该方法主要由图像采集、图像配准、建立感兴趣区域、阈值差分图像和生态学处理等几个步骤组成。图像配准中,特征点的定位检测和描述是利用图形局部不变特征提取方法来实现;感兴趣区域,利用整体图像的梯度场和方向场确定痕迹纹理与背景图像,再利用灰度强弱来建立;阈值差分图像,将所述感兴趣区域通过OSTU算法求取最大的阈值,然后以此为依据进行二值化;最后再生态学处理。这种人员痕迹的提取方法可以减少运算量,提高提取的准确度,并且适用与各类人员痕迹,适用性广的优点。
Description
技术领域
本发明涉及一种利用图像采集和处理技术进行人员痕迹提取的提取方法。
背景技术
人员痕迹主要指鞋底痕迹花纹、赤足痕迹花纹,指纹,掌纹,它们是人们在站立和行走时,与地面或者其他承受面接触所形成的影象痕迹,在现在刑事诉讼中,与指纹、掌纹一样成为刑事案件调查中经常使用的一种重要物证。
目前,随着我国人员痕迹提取项目相关研究课题的展开,尤其是痕迹纹理图像的提取,全国从事痕迹检验技术工作的同行们做了大量的总结和研究工作。我国的痕迹检验技术从基础理论到检验方法均已初步形成自己的系统。不论是检验对象,检验内容以及检验方法与手段等,都有的飞跃的进步和发展。计算机技术也逐渐被应用于痕迹研究之中,有的已用于办案实践。计算机技术的应用,标志着痕迹检验技术已开始由以个人经验为主走向以仪器设备检验为客观依据的定量化检验阶段。反过来,计算机技术的应用,同时要求痕迹检验技术的每一个过程进一步科学化、标准化和信息化。
在人员痕迹纹理提取上,现有的方案一般是通过摄像头采集痕迹图像,然后分块利用OSTU法求取图像不同块的阈值,平滑,然后利用双线性插值法求取每个像素点对应的阈值,最后利用阈值法求取人员痕迹纹理图像。
但针对上述人员痕迹提取方案,其依然难以克服以下一些不足:
1.该人员痕迹纹理提取方案对光照要求高,由于有对背景最大程度弱化的特征要求,大大提高了对光照的要求,特别是有些地板上面的直线裂缝很难避免,这导致采用该方案提取难度加大,容易提取得过于粗糙。
2.速度慢,实时性不强,采集图像分辨率很高导致图像处理算法比较慢,加上是在嵌入式平台上面运行,执行效率远远不如PC机,导致大大降低的算法的实时性。
3.适用性不广,该方法只是对平面人员痕迹纹理效果好,但是实际上痕迹种类很多,平面,立体的,软硬客体,不同材质客体等,该方法在其他客体痕迹上人员痕迹纹理图像提取效果欠佳,故导致该方法适用性不广。
发明内容
本发明的所要解决的技术问题在于提供一种人员痕迹的提取方法,该提取方法利用两个不同视角、不同方向光下同时采集到的两帧图像利用优化的差值法在感兴趣区域内求出有效痕迹区域里面的人员痕迹纹理图像,该方法不仅减少运算量,而且提高了提取的准确度,并且适用与各类人员痕迹,适用性广。
为了解决上述所要解决的技术问题,本发明采用了以下技术方案:
一种人员痕迹的提取方法,该提取方法包括以下步骤:
a.图像采集,利用至少两个摄像头在不同视角拍摄一个痕迹来分别采集痕迹图像;
b.图像配准,将上述方法采集的至少两幅痕迹图像,基于特征点的图像配准方法进行图像配准;在图像配准中,特征点的定位检测以及特征点的描述是利用图形局部不变特征提取方法来实现的;
c.感兴趣区域,利用整体图像的梯度场和方向场确定痕迹纹理与背景图像;
所述梯度场表示利用X方向与Y方向分别实现一阶微分,求取振幅,实现图像梯度效果;
所述方向场是指所有像素的水平梯度值与垂直梯度值乘积的两倍的总和作为分子,所有像素的水平梯度值与垂直梯度值的平方差的总和作为分母,然后对商求反正切得到一角度值,这个角度值的一半作为该块区域的方向,依次类推计算整个图像所有分块区域的方向;痕迹纹理与背景的区分主要表现为痕迹纹理图像的灰度和梯度与背景的不同;利用计算机将痕迹纹理与背景分割;
而痕迹纹理强度场的取值分布可用灰度直方图来表示;所述灰度直方图形成两个峰、一个谷,从谷的位置分开即可得到感兴趣区域;
d.阈值差分图像,将所述感兴趣区域通过OSTU算法求取最大的阈值,然后以此为依据进行二值化;
e.生态学处理,腐蚀和膨胀,从而增加痕迹纹理特征的联通性,中值滤波得到最终的痕迹图像。
作为优选,所述人员痕迹包括足迹、指纹或掌纹。
作为优选,所述步骤b中的图像配准包括以下步骤:
b1.检测特征点,所述步骤a采集的两帧多视角痕迹图像,利用一种Harris仿射不变的特征点检测方法,提取所述检测特征点,并且检测出来的邻域的局部不变区域来进行特征描述;
b2.归一化特征不变的区域,根据b1步检测出来的检测特征点以及它的特征不变区域,将所述局部区域进行归一化;
b3.描述特征点,对于所述b2步中归一化的区域,将一种SIFT描述方法应用于对该区域进行特征描述上;
b4.匹配特征点,分别用欧氏距离与马氏距离来进行特征点相似度的计算,以达到特征匹配的目的;
b5.删除误匹配的点,采用RANSAC方法来删除误匹配点;
b6.计算变换矩阵,采用几何变换矩阵对待配准图像进行矩阵变换,最终,得到配准图像。
作为优选,所述步骤a中图像采集是利用摄像头采集的多幅痕迹图像。
作为优选,所述SIFT描述方法是一种改进的SIFT描述方法,其是在原始的SIFT描述方法基础上然后采用P.Moreno提出的一种改进SIFT描述子的方法对特征点进行描述。
本发明本装置利用双目可调节视差提取人员痕迹纹理图像,可以完成高效的图像分割提取出有效的痕迹区域。针对不同的痕迹可以采用不同角度或者不同光照或者两者结合完成现场人员痕迹提取,当然,本发明也可以应用于直接人员痕迹提取,与现有的人员痕迹提取方案相比,具有以下有益效果:
一、大大降低了对光照的要求,只要保证痕迹的显形或者痕迹纹理的显现即可,同时降低了生产成本和硬件成本。
二、人员痕迹纹理图像提取算法复杂度不高,利用优化后的并行算法对图像进行生态学算法,达到实时性的要求,有利于用户体验。
三、适用性广,只用满足不同拍摄物体存在视角差以及物体存在景深的差异即可完成人员痕迹纹理图像提取,还可以根据拍摄具体情况调节双摄像头之间的距离。
附图说明
图1:本发明实施例中提取方法的整体流程框图。
图2:本发明实施例中图像配准的流程框图。
具体实施方式
下面结合附图对本发明做进一步描述。
实施例:如图1和图2所示的一种人员痕迹的提取方法,该方法主要由图像采集、图像配准、建立感兴趣区域、阈值差分图像和生态学处理等几个步骤组成。具体地如图1所示,如下:
1、图像采集:
本发明采用两个500万图像采集器,分别在位于不同的不同视角,不同方向光下,并且两个500万图像采集器均利用高清广角自动对焦镜头,其图像采集过程是同时拍照采集的,获取到两帧图形,分别定义为图像1,图像2,是多视角图像。
2、图像配准:
图像的配准采用的是基于特征点的图像配准方法,并利用图形局部不变特征提取方法的来解决特征点的定位检测以及特征点的描述问题。此处所提及的特征点,即特征区域。由于这些一定数目的局部区域可能离散地出现在目标的不同位置,当对每个区域独立地提取特征时,即使目标位于复杂环境中或有部分遮挡,通过局部特征提取仍可得到目标的部分信息,从而实现复杂背景中目标的识别与确认。因此,局部不变特征提取方法与全局不变特征提取方法相比,局部仿射不变特征只利用目标局部区域的信息构造特征量。由于不用对目标进行分割或提取轮廓等预处理,不需要得到目标的全部信息,因此与全局的方法相比,其适用面更广。
图像配准采用的基于特征点的图像配准方法具体流程如图2所示:
①.初始输入的图像1,图像2,是多视角图像,根据多视角图像检测特征点,该步骤是将一种Harris仿射不变的特征点检测方法应用于多视角图像的特征点提取上。这种方法在检测特征点的同时可以将其邻域具有仿射不变的区域检测出来,这样为后续的特征描述提供了一个很好的保障,本发明利用这种检测方法检测出来的多视角图像的特征点不仅具有良好的稳定性,并且在后续的步骤中一并使用它检测出来的邻域的局部不变区域来进行特征描述。
上述Harris仿射不变的特征点检测方法最好是Mikolajczyk K,Schmid C.Scale&affine invariant interest point detectors[J].International Journal ofComputer Visio一文中提出的一种改进的Harris仿射不变的特征点检测方法。
②.归一化特征不变的区域,根据第①步检测出来的特征点以及它的特征不变区域,将该局部区域进行归一化,归一化的目的是使多视角图像配准问题转化为局部区域内只发生旋转与平移的图像配准问题。
③.描述特征点,对于第②步中归一化的区域,本发明将一种改进的SIFT描述方法应用于对该区域进行特征描述上,这种改进的SIFT描述方法是目前最常被用来描述特征点的方法。本节首先介绍原始的SIFT描述方法,然后采用P.Moreno提出的一种改进SIFT描述子的方法对特征点进行描述,然后采用P.Moreno提出的在Improving the SIFT descriptor with smooth derivative filter一文中所指出的一种改进SIFT描述子的方法对特征点进行描述。该方法可以解决原有的SIFT特征描述方法中对噪声敏感的问题。
④.匹配特征点,分别利用用欧氏距离与马氏距离来进行特征点相似度的计算,以达到特征匹配的目的。
⑤.删除误匹配的点,本发明采用RANSAC算法来删除误匹配点,常用的几何约束是极线约束关系。
⑥.计算变换矩阵,采用几何变换矩阵对待配准图像进行矩阵变换,最终,得到配准图像,完成步骤2中的图像配准。
3、建立感兴趣区域
感兴趣区域是利用整体图像的梯度场和方向场确定的。
具体地,所述梯度场表示利用X方向与Y方向分别实现一阶微分,求取振幅,实现图像梯度效果;
具体地,所述方向场是指所有像素的水平梯度值与垂直梯度值乘积的两倍的总和作为分子,所有像素的水平梯度值与垂直梯度值的平方差的总和作为分母,然后对商求反正切得到一角度值,这个角度值的一半作为该块区域的方向,依次类推计算整个图像所有分块区域的方向;但分析痕迹纹理图像场,我们发现痕迹纹理与背景的区分主要表现为痕迹纹理图像的灰度和梯度,与背景的不同。痕迹纹理与背景的区分主要表现为痕迹纹理图像的灰度和梯度与背景的不同;利用计算机将痕迹纹理的背景与痕迹纹理分割;
痕迹纹理强度场表示整体图像的灰度值分布,间接代痕迹的留下来的明显程度或拍摄痕迹的图形轮廓的明显程度。痕迹纹理强度场的取值分布可用灰度直方图来表示,该灰度直方图会形成两个峰、一个谷,从谷的位置分开即可得到我们所要的感兴趣区域。
4、阈值差分图像
通过OSTU求取最大的阈值,然后以此为依据进行二值化。
5、生态学处理
腐蚀和膨胀,腐蚀是一种消除边界点,使边界向内部收缩的过程,可以用来消除小且无意义的物体。膨胀是将与物体接触的所有背景点合并到该物体中,使边界向外部扩张的过程,可以用来填补物体中的空洞。腐蚀和膨胀,均是较为常规的处理,增加人员痕迹花纹特征的联通性,中值滤波得到最终的痕迹纹理。
此外,本发明的上述步骤①中图像采集还可以是利用摄像头采集的多幅痕迹图像,直接对多幅痕迹图像进行上述处理或先筛选再处理。
Claims (5)
1.一种人员痕迹的提取方法,其特征在于:该提取方法包括以下步骤:
a.图像采集,利用至少两个摄像头在不同视角拍摄一个痕迹来分别采集痕迹图像;
b.图像配准,将上述方法采集的至少两幅痕迹图像,基于特征点的图像配准方法进行图像配准;在图像配准中,特征点的定位检测以及特征点的描述是利用图形局部不变特征提取方法来实现的;
c.感兴趣区域,利用整体图像的梯度场和方向场确定痕迹纹理与背景图像;
所述梯度场表示利用X方向与Y方向分别实现一阶微分,求取振幅,实现图像梯度效果;
所述方向场是指所有像素的水平梯度值与垂直梯度值乘积的两倍的总和作为分子,所有像素的水平梯度值与垂直梯度值的平方差的总和作为分母,然后对商求反正切得到一角度值,这个角度值的一半作为该块区域的方向,依次类推计算整个图像所有分块区域的方向;痕迹纹理与背景的区分主要表现为痕迹纹理图像的灰度和梯度与背景的不同;利用计算机将痕迹纹理与背景分割;
而痕迹纹理强度场的取值分布可用灰度直方图来表示;所述灰度直方图形成两个峰、一个谷,从谷的位置分开即可得到感兴趣区域;
d.阈值差分图像,将所述感兴趣区域通过OSTU算法求取最大的阈值,然后以此为依据进行二值化;
e.生态学处理,腐蚀和膨胀,从而增加痕迹纹理特征的联通性,中值滤波得到最终的痕迹图像。
2.根据权利要求1所述的一种人员痕迹的提取方法,其特征在于:
所述人员痕迹包括足迹、指纹或掌纹。
3.根据权利要求1所述的一种人员痕迹的提取方法,其特征在于:
所述步骤b中的图像配准包括以下步骤:
b1.检测特征点,所述步骤a采集的两帧多视角痕迹图像,利用一种Harris仿射不变的特征点检测方法,提取所述检测特征点,并且检测出来的邻域的局部不变区域来进行特征描述;
b2.归一化特征不变的区域,根据b1步检测出来的检测特征点以及它的特征不变区域,将所述局部区域进行归一化;
b3.描述特征点,对于所述b2步中归一化的区域,将一种SIFT描述方法应用于对该区域进行特征描述上;
b4.匹配特征点,分别用欧氏距离与马氏距离来进行特征点相似度的计算,以达到特征匹配的目的;
b5.删除误匹配的点,采用RANSAC方法来删除误匹配点;
b6.计算变换矩阵,采用几何变换矩阵对待配准图像进行矩阵变换,最终,得到配准图像。
4.根据权利要求1所述的一种人员痕迹的提取方法,其特征在于:
所述步骤a中图像采集是利用摄像头采集的多幅痕迹图像。
5.根据权利要求2所述的一种人员痕迹的提取方法,其特征在于:
所述SIFT描述方法是一种改进的SIFT描述方法,其是在原始的SIFT描述方法基础上然后采用P.Moreno提出的一种改进SIFT描述子的方法对特征点进行描述。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510191305.XA CN104794476B (zh) | 2015-04-21 | 2015-04-21 | 一种人员痕迹的提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510191305.XA CN104794476B (zh) | 2015-04-21 | 2015-04-21 | 一种人员痕迹的提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104794476A true CN104794476A (zh) | 2015-07-22 |
CN104794476B CN104794476B (zh) | 2018-11-27 |
Family
ID=53559263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510191305.XA Active CN104794476B (zh) | 2015-04-21 | 2015-04-21 | 一种人员痕迹的提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104794476B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355186A (zh) * | 2016-08-24 | 2017-01-25 | 大连海事大学 | 一种多角度采集与一体化提取的足迹处理方法 |
CN107247929A (zh) * | 2017-05-26 | 2017-10-13 | 大连海事大学 | 一种结合先验知识的鞋印花纹渐进细化式提取方法 |
CN108364299A (zh) * | 2017-12-25 | 2018-08-03 | 辽宁师范大学 | 面向低质量鞋印图像的自动阈值分割方法 |
CN108447044A (zh) * | 2017-11-21 | 2018-08-24 | 四川大学 | 一种基于医学图像配准的骨髓炎病变分析方法 |
CN111583385A (zh) * | 2020-04-15 | 2020-08-25 | 滨州医学院 | 一种可变形数字人解剖学模型的个性化变形方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1617161A (zh) * | 2003-11-10 | 2005-05-18 | 北京握奇数据系统有限公司 | 一种基于互信息的指纹特征匹配方法 |
CN1741043A (zh) * | 2005-08-15 | 2006-03-01 | 西安交通大学 | 基于二维条码的指纹信息隐藏及认证方法 |
CN101833647A (zh) * | 2009-03-11 | 2010-09-15 | 中国科学院自动化研究所 | 掌纹图像的获取设备及掌纹图像处理方法 |
CN103440480A (zh) * | 2013-06-05 | 2013-12-11 | 哈尔滨工业大学 | 基于掌纹图像配准的非接触掌纹识别方法 |
-
2015
- 2015-04-21 CN CN201510191305.XA patent/CN104794476B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1617161A (zh) * | 2003-11-10 | 2005-05-18 | 北京握奇数据系统有限公司 | 一种基于互信息的指纹特征匹配方法 |
CN1741043A (zh) * | 2005-08-15 | 2006-03-01 | 西安交通大学 | 基于二维条码的指纹信息隐藏及认证方法 |
CN101833647A (zh) * | 2009-03-11 | 2010-09-15 | 中国科学院自动化研究所 | 掌纹图像的获取设备及掌纹图像处理方法 |
CN103440480A (zh) * | 2013-06-05 | 2013-12-11 | 哈尔滨工业大学 | 基于掌纹图像配准的非接触掌纹识别方法 |
Non-Patent Citations (1)
Title |
---|
PLINIO MORENO 等: "Improving the SIFT descriptor with smooth derivative filters", 《PATTERN RECOGNITION LETTERS》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355186A (zh) * | 2016-08-24 | 2017-01-25 | 大连海事大学 | 一种多角度采集与一体化提取的足迹处理方法 |
CN107247929A (zh) * | 2017-05-26 | 2017-10-13 | 大连海事大学 | 一种结合先验知识的鞋印花纹渐进细化式提取方法 |
CN107247929B (zh) * | 2017-05-26 | 2020-02-18 | 大连海事大学 | 一种结合先验知识的鞋印花纹渐进细化式提取方法 |
CN108447044A (zh) * | 2017-11-21 | 2018-08-24 | 四川大学 | 一种基于医学图像配准的骨髓炎病变分析方法 |
CN108447044B (zh) * | 2017-11-21 | 2022-01-28 | 四川大学 | 一种基于医学图像配准的骨髓炎病变分析方法 |
CN108364299A (zh) * | 2017-12-25 | 2018-08-03 | 辽宁师范大学 | 面向低质量鞋印图像的自动阈值分割方法 |
CN108364299B (zh) * | 2017-12-25 | 2021-07-06 | 辽宁师范大学 | 面向低质量鞋印图像的自动阈值分割方法 |
CN111583385A (zh) * | 2020-04-15 | 2020-08-25 | 滨州医学院 | 一种可变形数字人解剖学模型的个性化变形方法及系统 |
CN111583385B (zh) * | 2020-04-15 | 2024-02-13 | 滨州医学院 | 一种可变形数字人解剖学模型的个性化变形方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104794476B (zh) | 2018-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fan et al. | Pothole detection based on disparity transformation and road surface modeling | |
Zhu et al. | Single image 3D object detection and pose estimation for grasping | |
Zhu et al. | Concrete column recognition in images and videos | |
Zhu et al. | Detection of large-scale concrete columns for automated bridge inspection | |
CN102654902B (zh) | 基于轮廓向量特征的嵌入式实时图像匹配方法 | |
CN104794476A (zh) | 一种人员痕迹的提取方法 | |
Chen et al. | An improved edge detection algorithm for depth map inpainting | |
JP2021168143A (ja) | ビジョンシステムで画像内のプローブを効率的に採点するためのシステム及び方法 | |
CN101794439A (zh) | 基于边缘分类信息的图像拼接方法 | |
Wendel et al. | Unsupervised facade segmentation using repetitive patterns | |
CN103778626A (zh) | 一种基于视觉显著区域的快速图像配准方法 | |
Kim et al. | A novel line matching method based on intersection context | |
Ibrahim et al. | CNN-based watershed marker extraction for brick segmentation in masonry walls | |
Yuan et al. | Combining maps and street level images for building height and facade estimation | |
CN102446356A (zh) | 一种获取均匀分布匹配点的遥感影像并行自适应匹配方法 | |
Wang et al. | Depth map enhancement based on color and depth consistency | |
Peña et al. | Disparity estimation by simultaneous edge drawing | |
Bisht et al. | Image registration concept and techniques: a review | |
Zhang et al. | Automatic crack inspection for concrete bridge bottom surfaces based on machine vision | |
Dey et al. | Feature detectors and descriptors generations with numerous images and video applications: a recap | |
JP2016031766A (ja) | Cadデータとsem画像との位置合わせ | |
CN104966283A (zh) | 图像分层配准方法 | |
Stent et al. | An Image-Based System for Change Detection on Tunnel Linings. | |
Wang et al. | Real-time motion removal based on point correlations for RGB-D SLAM in indoor dynamic environments | |
Kim | Survey on registration techniques of visible and infrared images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |