[发明专利]用来从抽样数据抽取整合直方图的计算机实施方法

说明书

技术领域

本发明一般涉及表示和搜索真实信号的数据样本，并且更具体地说，涉及借助于从数据样本抽取的直方图表示和搜索以检测对象。

背景技术

如图1中所示，直方图100是‘条带(bin)’101的阵列。每个条带与抽样数据集的值的范围102相对应。条带‘计数’在特定范围中样本值出现的频率103。换句话说，直方图表示在数据集中样本的频率分布。

例如，抽样彩色图像的直方图‘计数’在每个条带中具有相同颜色值的象素的数量。因而，直方图是从抽样数据集到非负实数集+R的映像。

从概率的观点看，直方图的标准化生成模拟数据集的概率密度的离散函数。直方图可用来确定数据集的统计性质，如分布、散布、及分离。

直方图用在多种计算机视觉应用程序中，如基于对象的索引和检索，C.Carson，M.Thomas，S.Belongie，J.M.Hellerstein和J.Malik，“Blobworld：A system for region-based image indexing and retrieval”，Proceedings of ICVS，1999和J.Huang，S.Kumar，M.Mitra，W.J.Zhu、和R.Zabih，“Image indexing using color correlograms”，Proceedings of CVPR，1997；图像分段，D.A.Forsyth和J.Ponce.“Computer Vision：A Modern Approach”，Prentice Hall，2002和S.Ruiz-Correa，L.G.Shapiro、和M.Meila，“A new paradigm forrecognizing 3-D object shapes from range data”，Proceedings ofCVPR，2003；对象检测，C.Papageorgiou，M.Oren、和T.Poggio，“Ageneral framework for object detection”，Proceedings of ICCV，1998；及对象跟踪，D.Comaniciu，V.Ramesh和P.Meer，“Real-timetracking of nonrigid objects using mean shift”，Proceedings of CVPR，2000。

一种脸部检测器由P.Viola和M.Jones描述，“Robust real-timeface detection”，Proceedings of ICCV，第II页，744，2001。如由Viola等描述那样，有可能确定在线性时间中在图像上扫描的矩形窗口内的强度值之和，而对于每个可能窗口不重复求和算子。对于每个矩形和，要求恒定数量的运算，以确定对于分立矩形的和多次。这定义累计或积分强度图像，其中每个象素保持在象素左边和上方的所有值之和，该所有值包括象素本身的值。对于整个图像借助于每象素仅四次算术运算，可确定积分强度图像。人们从在图像的左上角象素中的窗口开始扫描，首先向右并且然后向下。函数把在积分图像中的当前象素值确定为是在当前象素上方和左边的所有象素强度之和减去左上的象素值。对于在边界处的适当修改，借助于另外四次算术运算可确定在矩形中的图像函数之和。因而，借助于线性量的运算，在线性时间内可确定对于任何矩形的图像函数之和，以建造积分图像。

不幸的是，抽取和搜索传统直方图是耗时的。只有穷尽搜索能提供全局最佳。次最佳搜索，如梯度下降和应用程序专用约束条件，可加速搜索。然而，依赖于最优解的计算机视觉应用程序，如对象检测和跟踪，要求直方图抽取的理论突破。

在传统上，穷尽搜索要求测量在具体直方图与所有可能目标区域的直方图之间的所有距离。这个过程要求用于对中在每个可能点处的区域，例如象素，的直方图的产生。在其中在不同标度，即不同目标区域标度(尺寸)，下进行搜索的情况下，过程重复与标度数量一样多的次数。

图2表示传统直方图搜索的伪代码200。至今，这种传统方法是保证找到用于基于直方图的搜索的全局最佳的唯一已知方案。希望把直方图抽取和搜索直方图的速度改进几个数量级。

发明内容

本发明提供一种用来从笛卡尔(Cartesian)抽样数据空间中的可能目标区域抽取整合直方图(integral histogram)、和搜索抽取的直方图的方法。