一种新的时空局部特征提取方法及在目标识别中的应用.pdfVIP

2012年 l2月 西 北 工 业 大 学 学 报 Dec． 2012 第30卷第6期 JournalofNorthwestern PolyteehnicalUniversity Vol_3O No．6 一 种新的时空局部特征提取方法及在 目标识别 中的应用 余瑞星，袁 博，宋军艳 (西北工业大学航天学院，陕西 西安 710072) 摘 要：针对大多数特征提取算法忽略时间因素对识别精度影响这一问题，提出了一种新的时空局部 特征提取方法。首先采用Harris算子提取关键点并估算出该关键点处的尺度，并使用无迹卡尔曼滤 波器对关键点处的位置进行跟踪，获取不同时刻下的关键点簇；再采用小波系数描述关键点簇的特征 区域、采用SSD衡量关键点簇上相邻两时刻特征向量的相似度，并保留随时间推移SSD值变化缓慢 的关键点簇；最后使用高斯统计模型对这些关键点簇的特征向量进行统计建模，获取时空局部特征。 实验结果表明，文中方法的目标识别精度高于基于SIFT的目标识别精度约 10％。 关 键 词：时空局部特征，高斯混合模型，无迹卡尔曼滤波器，目标识别 中图分类号：TP391．41 文献标识码：A 文章编号：1000-2758(2012)06-0886-06 目标识别是以研究 目标的描述和分类为主要内 空兴趣点检测法的启发，本文将综合时空域提出一 容，其关键环节是特征提取，特征提取的好坏将直接 种新的特征提取方法。首先使用Harris算子提取关 影响到 目标识别系统的准确性。现今的特征提取方 键点，并利用无迹卡尔曼滤波器(theunscentedKa1． 法通常通过提取 目标的空间特征完成 目标识别，而 m~1．nfilter)对关键点进行跟踪，获取不同时刻下的关 忽略了时间场记录的待识别 目标每点与其前后帧的 键点簇；再采用小波系数描述关键点簇处的特征区 关系，因而导致运动 目标识别率较低。本文在特征 域，得到所对应的特征向量，并利用差值平方和 提取时同时考虑空间与时间信息，提出一种空间和 (SSD：sumofsquareddifference)衡量前后时刻特征 时间相结合的特征提取算子，以增强特征可分性、提 向量的相似度，去除SSD变化较大的关键点簇，获 高 目标识别率。 取随时间推移外貌基本不变的局部特征所对应的关 最早将时间和空间相结合的是 Laptev_1J，他将 键点簇；最后使用高斯统计模型对关键点簇的特征 Harris角点检测思想扩展到时空域得到了一种时空 向量进行统计建模，获取时空局部特征。 兴趣点(Space-TimeInterestPoint)检测方法，并用兴 趣点构成的点集表示动作完成人体动作的识别。随 1 局部特征的构造 后，张博宇 提出了一种基于时空兴趣点的人体动 作识别方法。采用基于时空兴趣点的人体运动表示 由于局部特征离散地出现在 目标的不同位置， 方法，实现了时空兴趣点的检测和人体动作的识别， 因而当目标处于复杂背景或被遮挡时，通过 目标其 解决了检测过程中尺度的选择问题。韩磊 提出 余部分的信息，仍可实现 目标识别。构造局部特征 了基于时空单词的两人交互行为识别方法。该方法 所需解决的2个关键问题为：①关键点的选取，即确 从行为视频中提取丰富的时空兴趣点，按照人体剪 定在哪里提取特征；②区域内信息的描述，即