【技术实现步骤摘要】
一种基于多特征融合的遮挡目标识别方法
本专利技术属于机器视觉
，是一种基于视觉的目标检测与定位方法。
技术介绍
机器人视觉技术模拟了人类眼睛及大脑的感知及分类功能，具有搜寻范围广、目标信息完整等优势，它是移动机器人智能化关键技术之一。遮挡目标识别技术是仿照人类双眼识别和分辨物体种类的方法，实现对物体特征信息的感知，在实现上采用基于颜色、轮廓、角点、特征点相互结合的方法，利用多种特征对同一物体从不同位置采集成像，从而在图像中分辨物体类别及定位，是机器人视觉研究的一个重要分支。对于大部分服务型移动机器人来说，机器人视觉已成为其基本组成部分。由于设备要求度低、数据采集简单迅速可以应用于各种复杂恶劣的环境中，物体遮挡识别被广泛应用于车辆检测、人脸识别、医学成像、机器人目标跟踪等领域，具有广泛的应用性。
技术实现思路
本专利技术所要解决的技术问题是针对视觉处理中由低成本硬件系统及视觉检测所造成的误检测，根据多特征结合的方式，凸显未被遮挡部分，针对该部分进行相关检测，提出一种基于多特征融合的遮挡目标识别方法。<...
【技术保护点】
1.一种基于多特征融合的遮挡目标识别方法，其特征在于包括以下步骤：/n步骤一、多特征模板图像数据库的构建：/n步骤二、检测图像的多特征提取：/n2.1颜色特征提取/n2.1.1对检测图像进行H-S彩色模型的图像转化，得到彩色检测图像；通过多特征模板图像数据库中主成颜色阈值T
【技术特征摘要】
1.一种基于多特征融合的遮挡目标识别方法，其特征在于包括以下步骤：
步骤一、多特征模板图像数据库的构建：
步骤二、检测图像的多特征提取：
2.1颜色特征提取
2.1.1对检测图像进行H-S彩色模型的图像转化，得到彩色检测图像；通过多特征模板图像数据库中主成颜色阈值T1和T2对彩色检测图像进行阈值分割，得到切割后的检测图像；
切割后的检测图像与多特征模板图像数据库中主成颜色分割后的模板图像根据式(1)进行相关性对比，对比系数记为d(H1,H2)；
式中，H1(I)为切割后的检测图像中第I个颜色区间上的值，I＝1,2,3…N，N为直方图中颜色区间的个数；H2(I)为切割后的模板图像中第I个颜色区间上的值；k取值1和2，j＝I；
2.1.2颜色描述子提取
在HSI颜色空间模型下对颜色分量进行求矩运算，得到颜色描述子：
Cfeatures＝(uh,δh,γh,us,δs,γs,ui,δi,γi)(3)
其中uh,δh,γh表示H色调分量图颜色的三阶矩描述，us,δs,γs表示S饱和度分量图颜色的三阶矩描述，ui,δi,γi表示I亮度分量图颜色的三阶矩描述；
2.2轮廓特征提取
2.2.1对步骤2.1切割后的检测图像进行轮廓特征的提取，得到检测目标的外轮廓；对检测目标的外轮廓最小外接矩阵定义为重点区域，即图像中关键图像信息的定位，截取并保存作为重点区域图像；
2.2.2轮廓描述子
首先获取待识别目标物体的外围轮廓点集，对轮廓的外围轮廓点集进行均匀采样，得到一个采样集合π＝{r1,r2,…,rn},ri∈R2,R2为2D欧式空间；以任意一点ri为对数极坐标系下原点，而轮廓上的个点会落在以ri为极坐标原点的对数坐标系中，XiYi为ri在直角坐标系下的点，ri即可以和轮廓上其他n-1个轮廓点构成形状特征向量形成对数极坐标直方图hi；
hi(k)＝{pj≠pi&pj∈bn}(i≠j)(7)
其中直方图统计落在每个区域的点个数,pj和pi分别为目标轮廓上不同的轮廓点，bn为极坐标系中第n个区域,n为极坐标系分割的区域数量，1≤n≤60；
轮廓描述子为Msc：
MSC＝(b1,b2,…,b60)(8)
2.3关键点特征提取
2.3.1使用不同高斯滤波器对重点区域图像进行卷积处理，得到不同尺度层高斯金字塔，对其中一层进行斑点检测，获取26个点，选出极大值或极小值为关键特征点；
2.3.2以步骤2.3.1中提取的关键特征点为中心的3×3矩形的区域内剩余的邻域区域称为周边的相邻区域，然后以边长为3进行分块处理，计算各个块内的梯度直方图...
【专利技术属性】
技术研发人员：李佳明，林思成，李家祥，贾学志，金佳颖，张波涛，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33
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。