[发明专利]一种基于轮廓片段空间关系的目标识别方法

说明书

一种基于轮廓片段空间关系的目标识别方法，步骤如下：（1）建立多类目标图像的数据库；（2）提取目标外围轮廓，并生成轮廓点集；（3）根据轮廓点集的上下文形状特征，描述两个轮廓的形状，并根据两个形状的相似性度量结果得到目标粗匹配结果；（4）分别根据完整图像的骨架和离散图像的轮廓质心构建库内图像和待识别遮挡图像的空间关系；（5）建立空间关系特征参数的约束标准，并根据约束标准进行相似性度量；在复杂遮挡情况下，在目标识别的过程中为识别提供更多的特征信息。在目标遭到遮挡的情况下，往往目标会被分成几个部分，外部轮廓不再存在完整性，在这种情况下，考虑到不同轮廓片段之间的空间关系，增加遮挡目标的识别率。

技术领域

本发明涉及机器视觉与目标检测技术领域，更具体的是涉及一种基于图像轮廓片段空间关系特征的目标识别方法。

背景技术

目标识别一直是计算机视觉发展的重要研究方向。而在目标识别领域中，识别遮挡下的目标一直是目标识别领域内的难点和热点。通常情况下，都希望识别特征能对待识别目标的环境问题具有良好的适应性，从而能够更加有效地从场景图像中识别出目标实例。而在遮挡的情况下，目标无论是轮廓还是特征点都遭到了不同程度上的破坏，给识别造成了一定的难题。

轮廓形状具有非常重要和稳定的视觉特征，能够反映重要的特征信息。而得到更多的轮廓特征描述的有效信息无疑可以进一步提高目标的识别率。最近几年来提出了很多基于目标轮廓形状的目标识别方法，这些方法大多包含两个主要步骤：提取目标轮廓并对该目标轮廓进行描述，对目标轮廓和目标数据库轮廓进行相似性度量。而对目标轮廓的描述决定了该轮廓的特征信息数量，有效的特征信息越多，对目标的识别的帮助越大。

目标轮廓描述最具代表性的方法是2001年由Belongie等提出的形状上下文(Shape Context)描述方法，该方法通过轮廓上的某个点与其余轮廓点构成的线段向量集来表征该点的空间位置分布，并采用对数极坐标系对该向量集进行离散化，获得统计直方图作为轮廓点的特征描述子；Bartolini等提出一种基于傅里叶变换的描述子，该描述子以傅里叶系数的相位作为形状的描述信息；Peter等使用最大似然小波密度估计来进行图像和形状的表示。2014年Xinggang Wang等人提出一种基于轮廓片段集形状鲁棒性分类，该方法首先使用离散曲线演化方法(DCE)使每个形状的外轮廓分解为凸轮廓片段，然后用上下文特征对每一段轮廓特征进行描述并且使用局部约束线性编码(LLC)的方法把它们编成形状码，最后利用空间金字塔匹配(SPM)的形状识别。

在遮挡目标检测的过程中，可获得的目标的特征信息总是越多越好的，特征信息越多，遮挡目标识别率就会越高。本发明的目的是在目标识别过程中增加有助于目标识别的有效特征信息，在现有轮廓描述或者轮廓片段描述的基础之上，进一步考虑被识别目标轮廓片段的空间位置关系，提出基于轮廓片段空间关系的目标识别算法，该方法能够提高遮挡情况下用轮廓片段进行目标识别的识别率。

发明内容

发明目的：

针对复杂遮挡情况下的目标识别问题，提出一种基于轮廓片段空间关系的目标识别方法。该方法在传统基于形状目标识别的基础上，增加了目标轮廓片段空间关系这一有效信息，根据被识别目标轮廓片段的空间位置关系，制定空间关系参数约束标准，筛选满足空间关系约束标准的目标库图像为最后识别结果。该方法在传统基于形状目标识别的基础上，增加了目标轮廓片段空间关系这一有效信息，可以有效的提高遮挡目标的形状检索率和识别率。

技术方案

为解决上述技术问题，本发明的技术方案如下：

一种基于轮廓片段空间关系的目标识别方法，步骤如下：

(1)建立多类目标图像的数据库；

(2)采用外围轮廓提取算法，提取目标外围轮廓，并生成轮廓点集；

(3)根据轮廓点集的上下文形状特征，描述两个轮廓的形状，并根据两个形状的相似性度量结果得到目标粗匹配结果；