[发明专利]一种基于局部特征和全局HSV特征组合的目标特征描述方法

权利要求书

1.一种基于局部特征和全局HSV特征组合的目标特征描述方法，其特征在于，包括以下步骤：

S1：获取目标对象帧，在目标对象帧中分别选取背景区域、目标区域、并设定用于计算局部像素块似然度的扩展区域；

S2：利用超像素聚类方法将目标区域分割成若干局部块，对每一局部块分别提取边缘方向特征和亮度特征，将所述边缘方向特征和亮度特征组合成局部特征描述向量；

S3：分别计算背景区域和目标区域的HSV空间颜色特征，将所述背景区域和目标区域的HSV空间颜色特征组合成全局特征描述向量；

S4：利用局部特征描述向量计算目标区域局部块的似然，通过目标区域中每一个位置像素属于对象目标区域的概率计算全局似然；

S5：利用局部块似然和全局似然计算目标区域总体似然概率，根据目标区域的总体似然概率判断特征描述的准确度。

2.根据权利要求1所述的一种基于局部特征和全局HSV特征组合的目标特征描述方法，其特征在于，利用超像素聚类方法将目标区域分割成若干局部块，所述超像素聚类方法表达式为：

其中，d_c代表颜色距离，d_s代表空间距离，N_s是最大的空间距离，N_c代表最大颜色距离，D是距离度量，N代表图像的像素个数，K代表聚类个数。

3.根据权利要求1所述的一种基于局部特征和全局HSV特征组合的目标特征描述方法，其特征在于，所述边缘方向特征利用边缘方向直方图描述，所述边缘方向直方图表达公式为：

其中，C为归一化常数，H(x)满足D(x,y)是梯度强度，δ(·)为迪克拉函数，μ是对应量级的bin。

4.根据权利要求1所述的一种基于局部特征和全局HSV特征组合的目标特征描述方法，其特征在于，所述亮度特征利用亮度直方图描述，所述亮度直方图的表达式为：

H(n)＝∑δ(g(i)＝n)

其中，g(·)是局部块的亮度值，其中δ(·)为迪克拉函数，i是局部像素块的编号。

5.根据权利要求1所述的一种基于局部特征和全局HSV特征组合的目标特征描述方法，其特征在于，所述局部特征描述向量表达式为：

v(x)＝{H^E,H^G}

其中，v(x)表示局部特征描述向量，H是局部块的特征描述符，H^E是用边缘表示的边缘方向特征直方图，H^G是基于亮度特征提取的亮度直方图全局特征描述向量表达式为：

G＝{H^F,H^B}

其中，H^F和H^B分别对应包含目标的前景区域和背景区域提取的颜色直方图。

6.根据权利要求1所述的一种基于局部特征和全局HSV特征组合的目标特征描述方法，其特征在于，目标区域局部块的似然计算公式为：

其中，F表示目标区域，O表示扩展区域，v_i是目标区域中第i个图像块的直方图向量，v_j是扩展区域或目标区域中被选中的第j个图像块的直方图向量，N_O和N_F分别表示是O扩展区域和F目标区域中图像块的数量，α是控制函数。

7.根据权利要求1所述的一种基于局部特征和全局HSV特征组合的目标特征描述方法，其特征在于，目标区域全局似然计算公式为：

其中，I(x)是图像I中位置为x的像素值，h_i是第i个图像块的颜色直方图,H^B和H^F分别对应全局模型的背景特征颜色直方图和前景特征颜色直方图，β是对象目标的尺寸和整个图像的比例。

8.根据权利要求6-7任一项所述的一种基于局部特征和全局HSV特征组合的目标特征描述方法，其特征在于，目标区域总体似然概率计算公式为：

其中，目标区域总体似然概率表征特征描述的准确程度。