[发明专利]一种鲁棒的人体特征快速提取方法

说明书

技术领域

本发明涉及计算机视觉和模式识别领域，更具体地说，涉及一种各向同性的多层次描述的人体特征表示方法。

背景技术

人体检测是指在输人图像或者视频序列中确定所有人体的位置及大小的过程。作为人体运动的视觉分析中的一项关键技术，因为其在智能监控和车载辅助安全系统中的广泛应用需求而得到了越来越多研究者和研究机构的重视。有效的特征提取方法可以显著提升人体检测器的鲁棒性减少虚警。因此，如何提取有效的特征对人体数据进行描述成为影响人体检测性能的关键因素。

根据特征类型的不同，可以分为基于灰度的特征和基于梯度的特征以及基于多特征融合的方法。对于人体外观存在的差异，很多研究结果表明，基于梯度的人体表达方式较基于灰度的表达方式对于光照等变化具有更好的鲁棒性。而相对近期的很多研究结果表明，基于梯度统计信息的方法对于边缘的平移和旋转具有更好的鲁棒性。例如：Lowe提出了著名的尺度不变描述子（Scale-Invariant Feature Transform，SIFT）进行物体检测；Mikolajczyk等提出了位置-方向直方图特征；Wu等阐述了基于统计抽象程度的多层次表达方式的思想。

由于人体具有较多的自由度，特征量较大，基于梯度的统计特征的方法虽然可以得到较好的性能，但是计算复杂度相对较高，往往因为计算速度过慢而很难达到实时性要求。另外，如果在特征提取过程中所选特征区域的尺度和形状不同，一些细小的结构可能通过归一化的方式被放大，因而引入噪声。

发明内容

本发明的目的在于，针对上述人体检测技术中，人体数据难以进行配准以及计算效率较低的问题，提出了一种鲁棒的人体特征快速提取方法。

实现本发明目的的技术解决方案为：一种鲁棒的人体特征快速提取方法,该方法包括以下步骤：

1）输入原始图像，计算图像梯度得到梯度图像； 

2）根据方向量化步长                                               ，对梯度图像进行方向划分，获得方向不同的通道；

3）根据空间量化步长，对每个通道进行空间划分；

4）对于每个通道，以角度旋转，得到通道。

5）对于每个通道，采用积分图快速计算其特征描述子；

6）将所有通道的特征描述子串接起来，形成一组特征描述子。

7）按照不同的步长调节参数和，重复步骤2）~ 步骤6），直到生成预设组数的具有不同描述能力的特征描述子。

上述方法中，所述步骤1）中原始图像可以是灰度图像或彩色图像，如果是彩色图像，则转换为灰度图像；

上述方法中，所述步骤2）包括以下具体步骤：

21）计算梯度角度即梯度图像每个像素的切线角度；

22）采用方向量化步长对梯度角度进行量化，将梯度图像划分成不同方向的通道，每个通道的角度，通道的个数=；

23）对于，保留那些量化后梯度角度为的像素点，其他的像素点置0； 

上述方法中，所述步骤22）中与梯度特征的旋转鲁棒性成正比，与方向确定性成反比。

上述方法中，所述步骤3）中空间划分是指，对于，利用一组切线角度为的间距为的平行线将其分割成多个划分；

上述方法中，所述步骤3）中与梯度特征的平移鲁棒性成正比，与位置确定性成反比。

上述方法中，所述步骤4）中对于通道上的点，映射到通道上的点为。与的关系如下： 

：旋转后的通道输入图像：

 （1）

其中，是点处的梯度强度。

：的标记图像： 

                   （2）

：的坐标位置记录图像： 

                       （3）

：的坐标位置记录图像： 

                   （4）

：位置平方图像： 

                （5）

：位置平方图像： 

                 (6)

上述方法中，所述步骤5）包括以下具体步骤：

51）在每个通道中，生成一个矩形特征窗口；

52）在特征窗口内，计算每个划分的梯度强度；

53）选择具有最大梯度强度的划分并计算其特征描述子；