部分遮挡目标稳健局部特征点提取方法

《部分遮挡目标稳健局部特征点提取方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、部分遮挡目标稳健局部特征点提取方法　　摘要：部分遮挡目标的特征提取是目标检测中的难点问题。针对这一问题，提出一种基于稳健性度量统计分析的部分遮挡目标稳健局部特征点提取方法，该方法建立在目标图像训练集的局部特征点逐步提纯基础上。它首先对目标在不同条件下获取的图像集分别应用SIFT提取相应局部特征点；然后基于统计分析对局部特征点进行粗提取，再通过计算置信度进一步筛选出较稳健的局部特征点；最后分析局部特征点的空间分布等因素提取出最稳健的局部特征点集。实验结果表明，该方法耗时仅为SIFT检测算法的30%，并且保证了检测精度。关键词：部分遮挡；稳健局部特征点；置信度；逐步提

2、纯中图分类号：TN919?34；TP75文献标识码：A文章编号：1004?373X（2013）22?0076?050引言部分遮挡目标检测一直是计算机视觉和模式识别关注的重要问题和难点，其在精确制导、自动目标识别系统、交通监视等领域有着重要的实用价值[1?3]。13部分遮挡目标稳健局部特征点提取方法　　摘要：部分遮挡目标的特征提取是目标检测中的难点问题。针对这一问题，提出一种基于稳健性度量统计分析的部分遮挡目标稳健局部特征点提取方法，该方法建立在目标图像训练集的局部特征点逐步提纯基础上。它首先对目标在不同条件下获取的图像集分别应用SIFT提取相应局部特征点；然后基于

3、统计分析对局部特征点进行粗提取，再通过计算置信度进一步筛选出较稳健的局部特征点；最后分析局部特征点的空间分布等因素提取出最稳健的局部特征点集。实验结果表明，该方法耗时仅为SIFT检测算法的30%，并且保证了检测精度。关键词：部分遮挡；稳健局部特征点；置信度；逐步提纯中图分类号：TN919?34；TP75文献标识码：A文章编号：1004?373X（2013）22?0076?050引言部分遮挡目标检测一直是计算机视觉和模式识别关注的重要问题和难点，其在精确制导、自动目标识别系统、交通监视等领域有着重要的实用价值[1?3]。13目前，国内外学者对遮挡目标检测方法进行了大

4、量的研究[4?5]，现有方法按照检测信息的不同划分为3个大类：第一类是基于灰度信息的方法，如规格化互相关[6]；第二类是基于边界信息的方法，如基于Hough变换[7]和文献[8]；第三类是基于局部特征的方法。基于灰度信息的方法计算量大，且由于用到了全局灰度信息，所以检测精度受到约束；而基于边界信息的方法利用了边界轮廓信息，一定程度上提高了检测精度，但是在遮挡情况复杂的情况下很难准确地检测出目标；基于局部特征的方法利用目标局部特征，受干扰程度相对来说最低。因此，基于局部特征的方法成为国内外学者研究的主流方法，其中以局部特征点的研究最受关注。部分遮挡目标局部特征点提取

5、的难点主要表现在以下2个方面：一方面，由于部分遮挡造成目标部分信息的缺失，而且由于遮挡形式的多样性和随机性，给部分遮挡目标的特征表征带来了困难；另一方面，成像平台、传感器和天气等多方面因素造成目标成像形式的多样性，遮挡物体的形状和位置大小等在不同时间、不同地点所表现出来的多样性使得目标的表现形式也是千变万化，给提取稳定局部特征点增加了难度。以往的局部特征点提取算法有Harris，SUSAN，FAST等，这些算法缺乏尺度特征，稳定性不高，不能适应遮挡情况的出现[9?11]；为了提高局部特征点的稳定性，SIFT，SURF，以及扩展的ASIFT等局部特征点算子被提出来，

6、它们提取的特征具备光照、尺度、旋转等多种不变性，在简单的部分遮挡情况下也能提取出稳定的特征，但容易出现误检测[12?14]。目前基于局部特征点提取方法还存在问题：现有局部特征点提取方法在部分遮挡情况下或稳定性不好，或较耗时。研究者们关注的问题都集中在对局部特征进行描述以及优化匹配算法上，传统方法都认为局部特征点的数目越多，检测精度就越高，然而这样局部特征点数目越多，其中不稳定点也越多，在复杂环境下目标被误检测的概率也相应地提高了，而且耗时也相应增加了。为了解决这些问题，本文提出了一种部分遮挡目标的稳健局部特征点提取方法。该方法利用SIFT提取训练图像的局部特征点，

7、再通过粗提取和设置置信度进行精提取得到较稳定的局部特征点，最后通过局部特征点空间分布得到目标的稳健局部特征点。该方法经过逐步提纯最后得到目标的稳健局部特征点，不仅数目少，而且稳定性高，既保证了检测精度，又提高了检测速度。下面先总体介绍本文的部分遮挡目标稳健特征提取方法，然后叙述其中参数的选择问题，最后给出部分遮挡目标检测方法与实验。1本文方法总体流程13本文提出的一种基于稳健性度量统计分析的部分遮挡目标稳健局部特征点提取方法基本出发点：为了得到稳健局部特征点，对包含目标的图像的局部特征点进行了逐步提纯。对一幅训练图像，本文方法通过以下几个步骤提取出稳健局部特征点：

8、第一步，生