[发明专利]一种目标外观的局部图像特征描述方法

说明书

技术领域

本发明涉属于图像处理领域，确切地说是一种目标外观的局部图像特征描述方法。

背景技术

利用计算机视觉和图像处理技术，对视频图像进行实时处理，对关注目标实现检测和跟踪。图像中包含目标的形状、大小、姿态、灰度、纹理、运动等多种特征信息，而随场景变化与目标运动，目标的图像特征可能变化很大，采用单一特征进行目标检测往往很难奏效，比如采用互相关模板匹配，当目标与背景变化较大时，不更新模板必然会识别失败，模板更新不当造成漂移也会导致识别失败，究其原因是特征辨别能力下降所致。目前对目标特征提取有很多方法，各个方法都有一些条件限制，对多变的应用环境，往往效果不佳，特征不明显。

发明内容

为解决上述问题，本发明的目的是提供一种目标外观的局部图像特征描述方法。

本发明为实现上述目的，通过以下技术方案实现：一种目标外观的局部图像特征描述方法，其特征在于：包括下述步骤：①将图像区域R分为背景图像区域和目标图像区域，每个图像区域R分别获得特征直方图，特征直方图为灰度直方图H(n)、方向梯度直方图H(n)和纹理直方图H(n)；②将步骤①得到的每种特征直方图分别进行归一化处理，得到每种特征直方图的类条件概率密度分布，其中背景图像区域的特征直方图的类条件概率密度分布为p_o^f(n)，目标图像区域的特征直方图的类条件概率密度分布为p_b^f(n)；③将步骤②得到p_o^f(n)和p_b^f(n)按照式（1）计算获得每种特征的似然L^f(n)；（1），式中ε为正实数。

为进一步实现本发明的目的，还可以采用以下技术方案：所述的灰度直方图H(n)按照式（2）计算获得：(2)式（2）中,i为像素编号,R为目标或背景区域，f为灰度取值，δ为狄拉克函数。

所述的方向梯度直方图H(n)按照式（3）计算获得：（3）式（3）中，i为像素编号,R为目标或背景区域，f为梯度方向取值，A为梯度幅度取值，δ为狄拉克函数。

所述的纹理直方图H(n)按照式（4）计算获得：（4）式（3）中，i为像素编号,R为目标或背景区域，f为纹理特征LBP_8，1的取值，δ为狄拉克函数；其中纹理特征LBP_8，1按照式（5）计算获得：（5）式（5）中，i为像素编号,在以像素c为中心的8邻域内由左至右逆时针取值，g_i与g_c为像素i与c的灰度取值，I为单位指示函数。

本发明的优点在于：本发明目标识别视为目标与背景像素的二分类，根据类条件概率密度构造特征似然作为区分目标与背景像素的置信度，在线训练最优判别分类器，有效地区分目标与背景。根据情况不同，似然L^f(n)较大正值表示更可能是目标，较小负值表示更可能是背景，接近于零则表示不确定。本发明将目标跟踪视为二分类问题，采用局部图像特征，如灰度、方向梯度与局部二值模式描述（即纹理）目标外观，由类条件概率密度构造特征似然，作为区分目标与背景像素的置信度，通过调整置信度的阈值可以在不同环境下，实现目标与背景的优化分离。对视频的目标跟踪实验结果表明，本发明方法在背景光照、目标姿态变化及局部被遮挡等情况下特征提取稳定性良好。

附图说明

图1是实施例原始状态图；图2是实施例背景图像区域和目标图像区域结合灰度直方图；图3是实施例背景图像区域和目标图像区域结合方向梯度直方图线；图4是实施例背景图像区域和目标图像区域结合的纹理直方图；图5是实施例灰度似然分布图；图6是实施例方向梯度似然分布图；图7是实施例纹理似然分布图；图8是实施例灰度似然图像；图9是实施例方向梯度似然图像；图10是实施例纹理似然图像；图11是实施例特征融合图像。

具体实施方式

实施例：

一种目标外观的局部图像特征描述方法，其特征在于：包括下述步骤：

①将图像区域R分为背景图像区域和目标图像区域，如图1所示，图1为原始图像，图中框A为背景区域，框B为目标区域。背景区域和目标区域分别获得特征直方图，特征直方图为灰度直方图H(n)、方向梯度直方图H(n)和纹理直方图H(n)。