[发明专利]动态背景下图像特征对象模版提取及识别方法

说明书

技术领域

本发明属于计算机软件领域，涉及图像处理技术，具体涉及一种动态背景下图像特征对象模版提取及识别方法。 

背景技术

图像识别可简单抽象为图像特征的认知，识别结果很大程度依赖于图像特征的辨识度（区别图像的能力），目前特征多为颜色、纹理、位置、轮廓等。现有的基于特征对象的图像识别算法多为先通过先验知识建立一个特征对象模版的知识库，通过待测图像与知识库中的特征对象比对完成识别。此种方式在知识库扩展、修改和完善时具有较大局限性。 

传统的图像分割多基于单幅图像的处理得到分割结果，多采用聚类法、直方图法、边缘检测法、区域生长法和水平集法。在单幅图像效果不佳的情况下分割效果也会受到很大影响。视频分割是对图像序列按一定标准分割，通常按照颜色、灰度、边缘、纹理等空间信息分割，视频分割借鉴了图像分割算法，当然在此图像分割也可借鉴视频分割算法，通过多幅包含特征对象的图像持续分割从而得到一个更好的分割效果。 

以往的图像识别算法依赖于预先建立的对比图像库，通过将待识别图像与对比图像库进行图像特征对比进行识别，当待识别的图像需要增加新的对比图像时，需要将对比图像库进行更新才能进行对新对比图像的识别。 

发明内容

为克服传统图像识别必须预先建立对比图像库，无法根据待识别图像自身变化实时更新的技术缺陷，本发明公开了一种动态背景下图像特征对象模版提取及识别方法。 

本发明所述动态背景下图像特征对象模版提取方法，包括如下步骤：步骤1种子获取步骤.从待识别图像集合中提取若干帧图像作为基准帧，通过对各个基准帧之间的比较，得到特征对象种子点； 

步骤2.持续学习步骤.以特征对象种子作为初始特征对象，利用待识别图像集合中其

余图像连续进行扩展和去噪，直至稳定；得到特征对象模版库；

所述稳定为自定义的判断标准，根据扩展或去噪过程中图像的变化程度进行判定。

优选的，所述种子获取步骤具体为：从待识别图像集合中定义一个种子获取段，从种子获取段中定义第1帧图像作为基准帧，将种子获取段内的剩余每一帧图像依次与基准帧比较，比较完成后种子获取段内全部图像都存在的图像点作为特征对象种子点。 

优选的，所述持续学习步骤中，进行扩展和去噪的具体步骤为： 

    扩展步骤.在扩展时间段内，对每一帧图像的每一图像点进行相似度比较，相似度高于预设门限值的图像点作为扩展点加入到特征对象种子点作为新的特征对象轮廓；

去噪步骤.在去噪时间段内，对前一步骤得到的特征对象轮廓上的每一图像点与去噪

时间段内的全部图像进行比较，相似度低于预设门限值的图像点作为噪声点去除。

     进一步的，所述去噪步骤中，被比较特征对象轮廓上参与去噪的点不包括种子获取步骤中得到的特征对象种子点。 

进一步的，扩展步骤中的相似度比较为利用①式； 

WP=lg[(1+XP)/(1+YP)],  ------①

其中XP为被比较图像点在扩展时间段内出现的次数，YP为被比较图像点在扩展时间段内连续未出现的次数。WP大于预先设定的门限值的点则认为是扩展点。

进一步的，去噪步骤中的相似度比较为利用②式 

WN=lg[(1+XN)/(1+YN)],  ------②

 其中XN为图像点在去噪时间段内出现的次数，YN为图像点在去噪时间段内连续未出现的次数，WN小于预先设定的门限值的点认为是噪声点。

优选的，步骤2中所述稳定的判断标准为：在去噪步骤中对前一扩展步骤中的扩展点进行判断时，全部为噪声点则认为图像稳定。 

优选的，所述步骤1.种子获取步骤中的基准帧为从预先给出的图像集合中获取。 

动态背景下图像特征对象识别方法，采用如前所述动态背景下图像特征对象模版提取方法得到特征对象模版库以后，提取待识别图像中的对象轮廓，与库中的各特征对象模版进行相似度比较，实现图像识别。 

优选的，所述提取待识别图像中的对象轮廓，与库中的各特征对象模版进行相似度比较的具体过程为： 

步骤1001.采用canny算子检测待识别图像中的边缘，并根据检测结果将图像二值化，然后提取待识别图像所有对象轮廓；