基于人体碎片的特征提取算法研究.docVIP

基于人体碎片的特征提取算法研究 　　摘 要：特征提取一直是模式分类问题中的关键步骤，对基于身体碎片外形轮廓及其和人物中心相对位置特征的提取算法进行研究。此算法操作简单，这些特征是在所有位置和所有大小上提取的，使制作的分类器满足平移和缩放不变性，并且他还是基于有标注数据库的。此算法可用于基于物体碎片特征的人脸识别系统、车辆和人体的自动视频监测系统以及其他的监控系统和图像检索中。?? 　　关键词：特征提取；滤波器；边缘检测；物体碎片特征?? 　　中图分类号：TP391.41文献标识码：A 　　文章编号：1004-373X(2008)08-131-04?オ? 　　 　　Features Extraction Algorithm Research Based on Persons′ Patches?? 　　CHENG Lifang,ZHAO Mingchang,ZHANG Xiangwen,HE Ying?? 　　(Department of Computer and Control,Guilin ElectronicTechnology University,Guilin,541004,China)?オ? 　　Abstract：Features extraction is always the key step.This article describes the extraction algorithm based on the figure of persons′ patches and correlational location with the center of person.This algorithm can be performed simply.And these features are extracted at all the location and scales.So the classifier made with it is unvaried in translation and scale.And it is also built on the label database.This algorithm can be used in the face recognition system,person and vehicle automated visual surveillance,other surveillancesystem and image searches,which based on the patches feature.?? 　　Keywords：features extraction;filter;edge detection;patches feature?? 　　 　　特征提取器通常要提取具有如下性质的特征描述，即，来自同一类别的不同样本的特征值应该非常相近，而来自不同类别样本的特征值应该有很大的差异。所以提取的特征对于类别信息不相关的变换具有不变性（invariant），而且特征提取比分类更加依赖于具体问题和具体领域，因此相应领域的知识是必需的。在行人检测过程中，需要对目标图像进行分析，以判断其是否为人。在本文所述的算法中，使用特征而不是直接使用原始的像素对人体模式进行建模。特征一般是对待分类对象所拥有的属性知识进行编码得到的，就图像而言，这些知识是从原始像素中很难获取的。?? 　　本文采用人物的身体碎片的几何外形轮廓及其和人物中心的相对位置作为特征对人物进行检测，许多文章也用到了类似的方法，比如：基于成分的汽车检测和人脸检测方法[1，2]，这些方法是先检测物体的部分成分（这些物体的成分是预先人工标注好的[1]），然后再把这些成分综合起来检测物体，并且目前尚无这些方法应用于人物检测的文献。下面具体介绍人体碎片的特征提取算法。?? 　　 　　1 数据库简介?? 　　由于本文人物检测采用的是对人物轮廓有标注的LabelMe数据库[CD2]对于图像注释的数据库，并且还是基于网络的。检测自然界中、混乱图像中普通的物体类别，是计算机视觉的神圣的任务之一。为了向这个目标前进，最基本的是要有大量具有挑战性的图片数据库。在这些图片中，地面实况被标注出来以利于公用，这些标注应该提供每个图片中物体的类别信息，而且还有物体的形状和位置，另外也可能还有其他的性质，比如，姿态。这个数据库可以用于测试（算法比较），而且还可用于监督学习的训练[3]。?? 　　这里下载LabelMe的全部数据库，从此数据库中提取15 592张带有人物的图片，选出30张图片用于提取人物碎片和背景碎片，并且从每幅图片提取20张人体碎片和30张背景碎片，并且选取800张用于训练，其余的图片用