[发明专利]一种目标图像搜索方法和系统

说明书

技术领域

本发明涉及图像分析和识别技术领域，特别是涉及一种基于上下文的目标图像搜索方法和系统。

背景技术

目前，在基于上下文的目标图像搜索或位置的预测领域，Torralba使用全局上下文特征对目标图像的位置进行条件转移概率建模，通过求取最大概率密度确定目标图像的位置。由于其采用全局特征而忽略了局部特征，因而对目标图像的位置只能作出一个大概的区域范围判断，不能做出精确的预测。针对这种问题，Ehinger和Paletta等人在上述粗糙的预测范围内采用一个目标模板进行遍历匹配和搜索。Kruppa和Bergboer等人采用一个扩大了面积的包含局部上下文的目标模板在图片表面进行遍历匹配和搜索，通过局部上下文确定目标图像的位置。

但以上几种方法存在的问题主要有两个方面：(1)只使用全局上下文不足以精确估计目标图像的位置；(2)仅使用局部上下文也无法避免遍历匹配这一机械耗时的搜索方式。

发明内容

本发明的目的在于提供一种目标图像搜索方法和系统。采用先全局上下文估计粗略目标图像位置、后局部上下文精确估计目标图像位置的顺序和策略，节省了上下文知识表示和存储数量，避免了机械耗时的遍历式搜索，提高了目标图像搜索速度和精度。

为实现本发明的目的而提供的一种目标图像搜索方法，所述方法，包括下列步骤：

步骤100.在不同图像的不同尺度下针对不同初始视点位置和预测待搜索目标图像中心位置的距离，与相应初始视点位置和真实目标图像中心位置的距离进行比较，保存其中相差较多的情况所对应的上下文知识，以获得目标图像搜索模型；

步骤200.输入一个图像，利用所述目标图像搜索模型，在所述图像的不同尺度下预测待搜索目标图像中心的相对位置并保存，以获得准确的待搜索的目标图像在所述图像上的位置。

所述步骤100，包括下列步骤：

步骤110.输入一个训练图像Xi，i∈[1，I]；

步骤120.以真实目标图像中心在所述训练图像Xi上的位置(x，y)为中心采样尺度s(s∈[S，1])下的目标图像，形成在所述训练图像Xi上尺度为S的视野图像VFis；

步骤130.在所述视野图像VFis上选择一个初始视点{(xisp，yisp)|p＝1~P}，并基于所述初始视点位置提取一个特征矢量Fis；

步骤140.计算所述真实目标图像中心位置(x，y)距离所述初始视点(xisp，yisp)的相对距离(Δxisp，Δyisp)＝(x-xisp，y-yisp)；并预测待搜索目标图像中心距离所述初始视点(xisp，yisp)的相对距离(Δxisp’，Δyisp’)；

步骤150.判断所述相对距离(Δxisp’，Δyisp’)与(Δxisp，Δyisp)是否相差较大，若是，则追加存储当前新的上下文知识{Fis，(Δxisp，Δyisp)}，并返回步骤130；否则，返回步骤130；

步骤160.判断S是否达到预设值，若是，则执行步骤170；否则，返回步骤120。

步骤170.判断I值是否达到预设值，若是，则结束模型训练；否则返回步骤110。

所述步骤140，包括下列步骤：

步骤141.根据存储的上下文知识{Fis，(Δx_isp，Δy_isp)}，通过内积运算计算当前特征矢量F_is与存储的F_is的相似性系数{c_k＝<F_is，存储的F_is>|k＝1~K}，选出K个最相近的上下文{F_k，(Δx_k，Δy_k)|k＝1~K}；

步骤142.将选出的K个最相近的上下文对应的相似性系数c_k’中的每一个都除以c_k’之和得到权重{w_k|k＝1~K}；

步骤143.预测待搜索目标图像中心位置(xisp’，yisp’)距离当前初始视点(xisp，yisp)的相对距离是(Δxisp’，Δyisp’)＝(∑wkΔxk，∑wkΔyk)|k＝1~K}。

所述步骤200，包括下列步骤：

步骤210.输入一个图像并任意选定所述图像上的一点作为待搜索的目标图像中心的位置(x’，y’)；

步骤220.以(x’，y’)为中心，采样尺度s(s∈[S，1])下的视野图像VFis；