[发明专利]一种基于局部相似结构统计匹配的目标识别方法

说明书

本发明提出一种基于局部相似结构统计匹配的目标识别方法。该发明首先建立包含目标不同姿态、不同尺度的示例图片集，提取局部结构特征获得示例图片集局部结构特征矩阵，并通过去除相似的结构特征简化该结构特征矩阵。然后，通过统计测试图片局部区域内与结构特征矩阵相似结构特征数量的匹配的方法，以此获得测试图片与示例图片集的相似度图像，最后使用非极大值抑制的方法对相似度图像提取目标，达到目标识别的目的。本发明方法能有效识别具有结构复杂、姿态多样性特点的目标。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于局部相似结构统计匹配的目标识别方法。

背景技术

目标识别是计算机人工智能的一个重要领域，现在的研究中，比较流行的对象识别理论模型分别是基于概率模型与基于部分和形状模型。这些识别方法是在基于统计学习的分类器的基础上实现的，需要通过大量地学习和训练确定所包含的各个分类器的参数，由此也叫做参数方法。一般这种方法在学习的过程中需要大量的训练样本，但是训练的过程中会导致训练参数出现过拟合，而且训练过程很缓慢。为了避免在学习中使用大量样本和漫长的训练过程，现在逐步提出了无训练的图像识别方法，即通过示例图片来查找目标图片中包含有与示例图片相似的目标对象。

文献(H.J.Seo and P.Milanfar,Training-free,Generic Object Detectionusing Locally Adaptive Regression Kernels,IEEE Trans.on Pattern Analysis andMachine Intelligence,vol.32,No.9,pp.1688一1704，Sept.2010)提出了关于使用局部自适应核回归LARK(Locally Adaptive Regression Kernels)的方法进行目标识别。其中关于使用局部自适应核回归方法用于提取图片特征并应用到一般对象识别中，该方法取得了较好的效果。但是，使用一张示例图片对测试图片进行识别仅适用于整体结构紧凑、姿态变化简单的目标和特定姿态的检测具有很好的识别效果，对于整体特征变化很大或者具有姿态多样性的目标对象，在示例图片与测试图片中目标姿态差异比较大的情况，再使用一张示例图片很难达到准确识别检测的目的，会出现漏检，识别准确性较差。

发明内容

本发明提出一种基于局部相似结构统计匹配的目标识别方法，可以对姿态复杂的目标有更高的识别准确率。

为了解决上述技术问题，本发明提供一种基于局部相似结构统计匹配的目标识别方法，包括以下步骤：

步骤一、对示例图片集Q的n张图片以及大小为m₁×m₂的测试图片T分别使用局部自适应核回归的方法提取图片的局部结构特征，并分别计算获得示例图片集Q的结构特征矩阵W_Q以及测试图片T的结构特征矩阵W_T；对结构特征矩阵W_Q去除冗余的相似列向量，获得各列向量互不相似的结构特征矩阵W_QR；

步骤二、就结构特征矩阵W_T中的每一个列向量，计算其与结构特征矩阵W_QR的每一个列向量夹角的余弦值，判断值最大的余弦值是否大于预先设定的相似阈值，若该最大余弦值大于预先设定的相似阈值，则保存该最大余弦值所对应结构特征矩阵W_QR中列向量的位置，获得位置索引矩阵Index；

步骤三、统计位置索引矩阵Index的所有局部窗口内不相同数值的个数num，获得相似度矩阵RM，根据RM获取测试图片中的目标位置。