[发明专利]一种监控图像实时处理方法

说明书

技术领域

本发明涉及图像处理，特别涉及一种监控图像识别方法。

背景技术

基于内容的图像识别是从海量数字图像信息中获取有价值的信息，从所查询图像的视觉特征出发，在监控图像文件库中找出与其最为相似的被查询者的图像。其最关键的两项技术是监控图像特征提取和人脸特征相似性匹配。传统图像特征提取方法检测图像特征点并进行特征描述而得到，而通常从一幅图像上提取的特征数量有限，且随图像灰度的变化其差异性较大，甚至在有些对比度过低的图像中还可能检测不到特征，另外一个不利因素是其特征点检测方法的运算复杂度一般较高；虽然对图像内容的描述覆盖面较大，但也带来特征数据量过多的问题。常规特征相似性匹配方法的基于特征空间搜索的索引，仅能处理较低维度的特征数据，当维度提高时这些方法的复杂度呈指数级上升，性能急剧下降，而线性扫描虽然不受特征维度的限制，但耗时较长。

因此，针对相关技术中所存在的上述问题，目前尚未提出有效的解决方案。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种监控图像实时处理方法，包括：

步骤一，获取监控图像文件库的图像以及待识别的监控图像，将局部特征映射为汉明空间的点，对映射后的点进行散列处理，建立监控图像文件库中图像的索引；

步骤二，搜索监控图像文件库的图像以及待识别的监控图像的图像特征的邻近值，如果监控图像文件库中的图像中与待识别监控图像中的某个特征点欧氏距离最近的前两个特征点满足次近距离与最近距离之比大于预定阈值，则将监控图像文件库的图像的当前特征点与待识别监控图像中的上述特征点作为一对匹配点；

步骤三，确定图像匹配的精确阈值与粗阈值，并以精确阈值的匹配结果建立约束，删除粗阈值粗匹配结果中的失配。

优选地，所述步骤三进一步包括：

(1)首先进行阈值初始化，设定阈值初始值η₁＝1.5，η₂＝8；循环次数i₁＝0，i₂＝0；循环次数限制i_1max＝10，i_2max＝20，所需最小匹配点个数Q＝5；

(2)从匹配图像中提取特征矢量；

(3)利用阈值η₁做特征匹配，得到当前匹配点集A＝{(a_i，a’_i)}，i＝1，2，…，q_A，其中q_A为当前η₁所对应的匹配个数，并令i₁增1；

(4)若当前匹配个数q_A<Q，且i₁<i_1max，则令η₁递增0.15，并返回步骤(3)；若匹配个数大于Q，或i₁>i_1max，则转至步骤(5)；

(5)利用阈值η2做特征匹配，得到当前匹配点集B＝{(b_j，b’_j)}，j＝1，2，…，q_B，其中q_B为当前η₂所对应的匹配个数，并令i₂增1；

(6)若当前匹配个数q_B<2，且i₂<i_2max，则令η₂递增0.02，并返回步骤(5)；若匹配个数大于2且小于5，且i₂<i_2max，则令η₂递减0.01，并返回步骤(5)；否则，转至步骤(7)；

(7)在完成阈值选定工作时，得到粗阈值η₁及其对应的粗匹配点集A，以及精确阈值η₂及其对应的匹配点集精确匹配点集B；

建立匹配图像间的几何变化约束，具体包括：

获取两对精确匹配点(b₁，b’₁)、(b_qB，b’_qB)，以及粗匹配中的匹配点(a_i，a’_i)为任意一对，由(b₁，b’₁)、(b_qB、b’_qB)建立匹配图像间长度变换约束：