[发明专利]一种基于语义特征提取与匹配的物体识别方法

权利要求书

1.一种基于语义特征提取与匹配的物体识别方法，其特征在于，所述方法包括：

（1）语义特征提取部分：首先选取一类物体的若干图片作为训练库，提取所有图片的SIFT特征点；通过k-均值聚类算法对所有SIFT特征点进行空间聚类，然后利用基于核函数的决策机制，决策出每个空间类别内的若干有效点；利用支持向量机分类器训练每个空间类别内的有效点，每个空间类别训练出一个具有语义特征的视觉单词，最终提取出可描述一类物体语义特征的视觉词汇表；选取多类物体的训练图片，提取每类物体的视觉词汇表，形成多类物体的视觉词汇表；

（2）语义特征匹配部分：首先提取一幅待测物体图片的SIFT特征点，作为待测物体的语义描述；利用支持向量机分类器，将待测物体的语义描述与多类物体的视觉词汇表匹配分类；统计待测物体的视觉词汇表直方图，确定待测物体类别。

2. 根据权利要求1所述的方法，其特征在于，所述语义特征提取部分包括以下步骤：

（1）选取一类物体的                                                幅训练图片，提取每幅图片的SIFT特征点；

（2）将该类物体的所有的特征点聚类为个空间类别，提取各空间类别的聚类中心；

（3）按照基于核函数的决策机制，对类中的每个特征点进行决策，得到每个特征点的决策值；

（4）设置支持向量机类别训练数据标识，选取单个空间类别内的若干有效特征点为本类别训练点；选取所有其它空间类别的若干有效点作为其它类别的特征训练点；

（5）针对于（4）标识的训练数据，利用SVM分类器学习训练，训练得到一类物体的个视觉单词，即该类物体的视觉词汇表；

（6）选取多类物体的训练图片，提取每个类别的视觉词汇表，形成多类物体的视觉词汇表。

3. 根据权利要求1所述的方法，其特征在于，所述语义特征匹配部分包括以下步骤：

（1）针对于待识别物体图片，对其进行SIFT变换，检测局部特征点，提取该图片的个SIFT描述符；

（2）将局部描述符与多类物体视觉词汇表匹配，统计每个描述符所对应的视觉单词所在的物体类别；

（3）统计个测试描述符与每个物体类别的视觉词汇表的匹配个数，形成未知物体的视觉单词直方图，确定待测物体的类别。

4.根据权利要求2所述的方法，其特征在于，所述步骤（3）的计算公式如下：

其中，表示待测点与聚类中心的欧氏距离。

5.根据权利要求2所述的方法，其特征在于，所述步骤（4）中类别标识为，在训练一个视觉单词的过程中，设训练样本，则训练样本类别标识的确定方法为：

其中，表示空间类别，表示类别决策值范围。

6. 根据权利要求3所述的方法，其特征在于，所述步骤（2）的计算公式如下：

。