CN103473544A - 一种鲁棒的人体特征快速提取方法 - Google Patents
一种鲁棒的人体特征快速提取方法 Download PDFInfo
- Publication number
- CN103473544A CN103473544A CN2013101596012A CN201310159601A CN103473544A CN 103473544 A CN103473544 A CN 103473544A CN 2013101596012 A CN2013101596012 A CN 2013101596012A CN 201310159601 A CN201310159601 A CN 201310159601A CN 103473544 A CN103473544 A CN 103473544A
- Authority
- CN
- China
- Prior art keywords
- gradient
- passage
- human body
- image
- extracting method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
技术领域
本发明涉及计算机视觉和模式识别领域,更具体地说,涉及一种各向同性的多层次描述的人体特征表示方法。
背景技术
人体检测是指在输人图像或者视频序列中确定所有人体的位置及大小的过程。作为人体运动的视觉分析中的一项关键技术,因为其在智能监控和车载辅助安全***中的广泛应用需求而得到了越来越多研究者和研究机构的重视。有效的特征提取方法可以显著提升人体检测器的鲁棒性减少虚警。因此,如何提取有效的特征对人体数据进行描述成为影响人体检测性能的关键因素。
根据特征类型的不同,可以分为基于灰度的特征和基于梯度的特征以及基于多特征融合的方法。对于人体外观存在的差异,很多研究结果表明,基于梯度的人体表达方式较基于灰度的表达方式对于光照等变化具有更好的鲁棒性。而相对近期的很多研究结果表明,基于梯度统计信息的方法对于边缘的平移和旋转具有更好的鲁棒性。例如:Lowe提出了著名的尺度不变描述子(Scale-Invariant Feature Transform,SIFT)进行物体检测;Mikolajczyk等提出了位置-方向直方图特征;Wu等阐述了基于统计抽象程度的多层次表达方式的思想。
由于人体具有较多的自由度,特征量较大,基于梯度的统计特征的方法虽然可以得到较好的性能,但是计算复杂度相对较高,往往因为计算速度过慢而很难达到实时性要求。另外,如果在特征提取过程中所选特征区域的尺度和形状不同,一些细小的结构可能通过归一化的方式被放大,因而引入噪声。
发明内容
本发明的目的在于,针对上述人体检测技术中,人体数据难以进行配准以及计算效率较低的问题,提出了一种鲁棒的人体特征快速提取方法。
实现本发明目的的技术解决方案为:一种鲁棒的人体特征快速提取方法,该方法包括以下步骤:
1)输入原始图像,计算图像梯度得到梯度图像;
3)根据空间量化步长,对每个通道进行空间划分;
6)将所有通道的特征描述子串接起来,形成一组特征描述子。
上述方法中,所述步骤1)中原始图像可以是灰度图像或彩色图像,如果是彩色图像,则转换为灰度图像;
上述方法中,所述步骤2)包括以下具体步骤:
21)计算梯度角度即梯度图像每个像素的切线角度;
23)对于,保留那些量化后梯度角度为的像素点,其他的像素点置0;
(2)
(4)
(5)
上述方法中,所述步骤5)包括以下具体步骤:
51)在每个通道中,生成一个矩形特征窗口;
52)在特征窗口内,计算每个划分的梯度强度;
53)选择具有最大梯度强度的划分并计算其特征描述子;
上述方法中,所述步骤51)特征窗口可以是随机生成的,也可以是按照一定步长有规则地生成的。
上述方法中,所述步骤52)中划分的梯度强度采用积分图计算。
本发明与现有技术相比,其显著优点:本发明提出的一种鲁棒的人体特征快速提取方法,由于特征提取过程中所有方向通道的划分的尺度相等,小的划分里的细小的结构不会通过归一化的方式被放大,因而避免了引入噪声。另外,各向同性的特征由于在特征窗口内的所有的划分都是垂直方向的矩形,可以使用积分图快速方法计算,显著地提高了人体特征提取的效率。
附图说明
图1本发明的特征提取流程图。
图2将原始图像转变成梯度图像的过程。
图3对梯度图像进行方向划分的过程。
图4空间划分并快速计算特征的过程。
具体实施方式
本发明的整体操作流程如图1 所示。下面结合附图对本发明的体实施方式作进一步详细的说明。
步骤1:输入原始图像,计算图像梯度得到梯度图像。
本发明的数据源为灰度图像或彩色图像。如果是彩色图像,可以先转换成灰度图像,再进行后续处理。
设方向量化步长为,对梯度角度进行量化,把梯度图像划分成几个方向不同的通道,这里,通道的个数记为,==9,每个通道的角度记为,,角度为通道记为。对于,只有那些量化后梯度角度为的像素点被保留,其他的像素点被置为0。如图3所示,31、32、33……39分别表示角度为、、 …… 的通道。
步骤3:根据空间量化步长,对梯度图像进行空间划分。
(4)
步骤53:选择具有最大梯度强度的划分,计算其特征描述子。
Claims (12)
2.根据权利要求1所述的鲁棒的人体特征快速提取方法,其特征在于:所述步骤1)中原始图像是灰度图像或彩色图像,如果是彩色图像,则转换为灰度图像。
9.根据权利要求8所述的鲁棒的人体特征快速提取方法,其特征在于:所述步骤51)特征窗口可以是随机生成的,也可以是按照一定步长有规则地生成的。
11.根据权利要求8所述的鲁棒的人体特征快速提取方法,其特征在于:所述步骤53)中对于通道,特征窗口中具有最大梯度强度的划分记作,其特征描述子是一个7维的异质的向量,该向量的各个分量的意义和计算方式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101596012A CN103473544A (zh) | 2013-04-28 | 2013-04-28 | 一种鲁棒的人体特征快速提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101596012A CN103473544A (zh) | 2013-04-28 | 2013-04-28 | 一种鲁棒的人体特征快速提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103473544A true CN103473544A (zh) | 2013-12-25 |
Family
ID=49798388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101596012A Pending CN103473544A (zh) | 2013-04-28 | 2013-04-28 | 一种鲁棒的人体特征快速提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103473544A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080304750A1 (en) * | 2002-07-16 | 2008-12-11 | Nec Corporation | Pattern feature extraction method and device for the same |
CN102136066A (zh) * | 2011-04-29 | 2011-07-27 | 电子科技大学 | 一种视频序列中人体动作的识别方法 |
CN102663391A (zh) * | 2012-02-27 | 2012-09-12 | 安科智慧城市技术(中国)有限公司 | 一种图像的多特征提取与融合方法及*** |
CN102663449A (zh) * | 2012-03-12 | 2012-09-12 | 西安电子科技大学 | 基于最大几何流向直方图的人体运动跟踪方法 |
-
2013
- 2013-04-28 CN CN2013101596012A patent/CN103473544A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080304750A1 (en) * | 2002-07-16 | 2008-12-11 | Nec Corporation | Pattern feature extraction method and device for the same |
CN102136066A (zh) * | 2011-04-29 | 2011-07-27 | 电子科技大学 | 一种视频序列中人体动作的识别方法 |
CN102663391A (zh) * | 2012-02-27 | 2012-09-12 | 安科智慧城市技术(中国)有限公司 | 一种图像的多特征提取与融合方法及*** |
CN102663449A (zh) * | 2012-03-12 | 2012-09-12 | 西安电子科技大学 | 基于最大几何流向直方图的人体运动跟踪方法 |
Non-Patent Citations (2)
Title |
---|
***: ""基于时空分析和多粒度特征表示的人体检测方法研究"", 《中国博士学位论文全文数据库 信息科技辑(月刊)》 * |
陈刚: ""基于多特征的行人检测方法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109918969B (zh) | 人脸检测方法及装置、计算机装置和计算机可读存储介质 | |
Akinlar et al. | Edlines: Real-time line segment detection by edge drawing (ed) | |
WO2020119661A1 (zh) | 一种目标检测方法、装置以及行人检测方法、*** | |
WO2017084204A1 (zh) | 一种二维视频流中的人体骨骼点追踪方法及*** | |
US10540537B2 (en) | Method for image processing for content detection with sparse zone salient features | |
US9681047B2 (en) | Image feature extraction method and system | |
WO2016082277A1 (zh) | 一种视频认证方法及装置 | |
CN104778476B (zh) | 一种图像分类方法 | |
CN103530619A (zh) | 基于rgb-d数据构成的少量训练样本的手势识别方法 | |
CN103473537B (zh) | 一种目标图像轮廓特征表示方法及装置 | |
WO2018082308A1 (zh) | 一种图像处理方法及终端 | |
US10169908B2 (en) | Method, apparatus, storage medium and device for controlled synthesis of inhomogeneous textures | |
CN106778768A (zh) | 基于多特征融合的图像场景分类方法 | |
CN103020993A (zh) | 一种双通道颜色对比度融合的视觉显著性检测方法 | |
CN103440662A (zh) | Kinect深度图像获取方法与装置 | |
CN104408445A (zh) | 实时人体自动检测方法 | |
CN103218605A (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
CN105139417A (zh) | 视频监控下的多目标实时跟踪方法 | |
CN103646249A (zh) | 一种温室智能移动机器人视觉导航路径识别方法 | |
CN106600613B (zh) | 基于嵌入式gpu的改进lbp红外目标检测方法 | |
CN103093226B (zh) | 一种用于图像特征处理的ratmic描述子的构造方法 | |
CN109461171B (zh) | 基于多通道改进DoG滤波的红外弱小目标检测算法 | |
CN112580435B (zh) | 人脸定位方法、人脸模型训练与检测方法及装置 | |
CN108304833A (zh) | 基于mblbp和dct-bm2dpca的人脸识别方法 | |
US10115195B2 (en) | Method and apparatus for processing block to be processed of urine sediment image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131225 |
|
RJ01 | Rejection of invention patent application after publication |