【技术实现步骤摘要】
一种用于运动目标识别及跟踪的特征提取方法
本专利技术涉及图像处理
，尤其涉及一种用于运动目标识别及跟踪的特征提取方法。
技术介绍
人工智能(AI)是当今世界最炙手可热的一个研究领域，而计算机视觉作为人工智能技术中的一个重要研究热点，对推动人工智能的发展和进步起着至关重要的作用，目前，计算机视觉已经广泛应用于目标识别及跟踪、场景理解、医学图像分析以及产品质量检测等领域；在对运动目标进行识别和跟踪事前，首先要对目标进行特征提取并将提取的特征作为匹配模板以完成目标的识别和跟踪，在真实的环境中，运动目标在自然光照明下会从明亮处进入阴影处，导致图像的成像与在明亮处的成像结果产生很大的差别，严重影响了图像的采集质量最后导致运动目标的错误识别和跟踪丢失，在多重成像条件同时发生时，传统的运动目标识别及跟踪的特征提取方法只对光照、旋转、尺度和非刚性形变中的一种或者两种具有很好的鲁棒性，但是在这四种外界情况同时发生变化时，会严重影响运动目标的成像质量和识别正确率，尤其是在非刚性形变的情况下，如运动目标为人时，人在运动的情况下常常会发生起、蹲、跑、跳或者弯腰等情况，这些情况都会导...
【技术保护点】
1.一种用于运动目标识别及跟踪的特征提取方法，其特征在于，包括以下步骤：步骤一：图像输入并对输入的图像进行预处理，首先将需要预处理的图像转换为灰度图像序列，然后利用直方图均衡化对转换后的灰度图像进行低照度图像增强，并对增强后的图像进行基于小波阈值的图像降噪；步骤二：构建尺度空间，采用高斯核卷积函数来生成尺度空间金字塔，将一个灰度图像I(x,y)与不同尺度缩放因子的高斯二阶导数进行卷积运算，得到一系列的不同尺寸的高斯相应图像；步骤三：特征点粗定位，采用Hessian矩阵来检测特征点并对其粗定位，灰阶图像I(x,y)的Hessian矩阵即灰阶图像I(x,y)在各个像素点的二阶空...
【技术特征摘要】
1.一种用于运动目标识别及跟踪的特征提取方法，其特征在于，包括以下步骤：步骤一：图像输入并对输入的图像进行预处理，首先将需要预处理的图像转换为灰度图像序列，然后利用直方图均衡化对转换后的灰度图像进行低照度图像增强，并对增强后的图像进行基于小波阈值的图像降噪；步骤二：构建尺度空间，采用高斯核卷积函数来生成尺度空间金字塔，将一个灰度图像I(x,y)与不同尺度缩放因子的高斯二阶导数进行卷积运算，得到一系列的不同尺寸的高斯相应图像；步骤三：特征点粗定位，采用Hessian矩阵来检测特征点并对其粗定位，灰阶图像I(x,y)的Hessian矩阵即灰阶图像I(x,y)在各个像素点的二阶空间导数矩阵，在灰度图像I(x,y)上某一点的Hessian矩阵如公式(1)所示：其中，Gxx，Gxy，Gyy是三个分别沿着x,y,xy方向高斯二阶导数滤波器；步骤四：特征点精确定位，采用三维线性插值的方法对粗定位的特征点进行精确定位，并移除一些低于一定阈值的特征点，从而最终达到亚像素级别的精确定位的特征点；步骤五：局部曲面上特征点处的主曲率，采用计算Hessian矩阵的特征值和特征向量来提取图像几何表面的主方向和主曲率；步骤六：根据主曲率计算特征点出的梯度和方向，将主曲率中的最小和最大主曲率分别代替传统梯度方向直方图中的梯度分量来计算梯度幅值和方向；步骤七：利用类似于HOG的方法对所得到的梯度幅值和方向信息进行统计和和标签，首先对所有精确定位的特征点进行计算主曲率而得到对应的梯度幅值和方向，然后将所得到的梯度方向在0-180°范围内平均分成8个区域，并对每一个区域对进行标签，再对每一个区域内的幅值和方向按照胞元的方式进行统计，其中胞元的尺寸大小设置为(8,8)，再把每四个胞元连接生产一个块，最后将目标图像平均分成一个4×4的区域，并统计每一个区域内的块，最终形成一个8bin尺度空间的特征直方图。2.根据权利要求1所述的一种用于运动目标识别及跟踪的特征提取方法，其特征在于：所述步骤二中带有高斯标准偏差的高斯算子如公式(2)所示，所述灰度图像I(x,y)...
【专利技术属性】
技术研发人员：寇旗旗，程德强，李腾腾，付新竹，刘钊，袁永，龚飞，李海翔，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。