匹配程度计算装置及方法制造方法及图纸

本发明专利技术公开了匹配程度计算装置及方法，其中，该匹配程度计算装置包括：样本选取模块，用于对输入的训练样本进行选取，以得到对应于单一前景区域的多个样本用于特征训练；特征训练模块，用于对多个样本执行预定处理，以自动完成多类特征的训练以及分类判别标准的确定；以及匹配程度计算模块，用于基于通过特征训练模块训练好的多类特征和分类判别标准，计算得出输入图像中所有前景区域的匹配程度结果并进行分类。通过本发明专利技术，提高了算法的应用便捷性和对特征分类的准确性。

【技术实现步骤摘要】

本专利技术涉及目标相似度计算，尤其涉及在图像或视频数据中对目标区域与感兴趣目标的相似度进行计算并进4亍类别判定的。
技术介绍
在图像分析的问题中，对检测区域与目标相似度的判断，是所有工作的前提。现有判断方法大致分为两类基于判别理i仑的方法和基于坤目似、度匹配J里i仑的方法。基于判别理论的方法主要是通过学习目标的统计特点，训练两类分类器，直接从图像中确定检测区域是否为目标。例如，先用区域增长法提取所有非草地区域，再利用预先手工标定好的图像训练支4掌向量才几(support vector machine, SVM)分类器，》于非草;l也区域是否为球员进行识别，将识别为人的区域作为分割结果。此外，还可以利用手工标定大量训练图像的方式训练得到Boost型球员定位器，将定位器检测结果直接作为球员分割区域。还可以利用图像的斗弟度方4立直方图(Histogram of Oriented Gradient, HOG)特M正训练SVM分类器，对检测区域是否为行人或车辆作出判断。另外，还可以采用矩形特征来才企测静态图4象中的人体，用Boost方法自动选才奪人所在的区域。这类方法首先通过对手工标定好的正负样本进;f于学习，建立跟踪区域判别准则。然后在定位时，利用已经训练好的判别准则对目标区域进^亍判断。这类方法对已训练图^f象一般具有较高的分类正确率，但由于需要预先手工标定好大量训练图像，因此训练样本图像的标定工作相当困难。另一方面，基于相似度匹配理i仑的方法首先确定图^象中感兴趣区的大体位置，然后4艮据目标的特征信息对所有感兴趣区的匹配程度进行标定，按照匹配程度的大小，对检测区域是否为目标做出判断。例如，可利用检测区域与人物姿势的吻合程度，给出图像中每像素点的匹配程度。另夕卜，可以利用颜色信息给出跟踪图像的匹配程度。此外，也有利用运动信息等其它特征确定匹配程度的方法。这类方法的优点是大多不受跟踪目标的形状和姿势变化的影响，并且特征计算方便。但是，由于需要对每个目标区域单独建立匹配模型，因此在对属于较少类别的多目标追踪问题中，计算效率不高。综上所述，需要能够自动完成样本提取且能够提高计算效率的匹配程度计算装置及其方法。
技术实现思路
本专利技术的目的在于解决现有技术中所存在的问题。根据本专利技术的一个方面，提供了一种匹配程度计算装置，用于在图像分析中计算目标区域的匹配程度并对目标区域进行分类，该匹配程度计算装置包括样本选取^^莫块，用于对输入的训练样本进行选取，以得到对应于单一前景区域的多个样本作为多个特征训练图像；特征训练模块，用于对多个样本执行预定处理，以自动完成多类特征的训练以及分类判别标准的确定；以及匹配程度计算才莫块，用于基于通过特征训练模块训练得到的多类特征和分类判别标准，计算得到关于输入图像中所有前景区域的匹配程度结果并对所有前景区域进4亍分类。其中，样本选取模块包括训练图像集采集模块，用于从所输入的训练样本中采集预定数量的包括一 个或多个前景区域的训练图像作为训练图像集；范围限制条件获取模块，用于统计训练图像集中的所有训练图像的大小和形状参数，获取对应于单一前景区域的范围限制条件；以及特征训练图像选择模块，用于基于通过范围限制条件获取模块所获取的范围限制条件，从所有训练图像中选择对应于单一前景区域的多个特征训练图像。此外，范围限制条件获取模块包括计算模块，用于求取所有训练图像的长、宽、以及长宽比参数，并分别计算所有训练图像的长、宽、以及长宽比所^"应的均^直和方差；以及范围限制条4牛确定模块，用于基于在计算模块中得到的均值和方差，确定范围限制条件。优选地，特征训练模块包括样本接收模块，用于接收从样本选取模块中输出的多个样本；特征提取模块，用于提取多个样本中每一个的特征；样本初始中心确定才莫块，用于计算多个样本之间的两两距离，并将距离最大的两个样本确定为第一类样本的初始中心和第二类样本的初始中心；以及样本分类模块，用于以通过样本初始中心确定才莫块所确定的初始中心为起点，综合使用最近邻和K均值两种自动聚类算法，通过迭代到最终收敛中心的方式得到第 一阈值和第二阈值，然后利用第 一 阈值和第二阔值将多个样本分为第一类样本、第二类样本以及第三类样本。另外，特征提取模块包括转换模块，用于将多个样本的RGB图像信息转换到HSV特征空间；以及直方图信息提取模块，用于分别4是取单一样本区域内HSV三通道的直方图信息作为多个样本的特征。另外，样本分类模块还包括迭代模块，用于计算每个样本与 第 一类样本的初始中心的第 一距离以及与第二类样本的初始中心 的第二距离，然后使用最近邻算法根据第 一距离和第二距离的大小 将所有样本分为第一类样本和第二类样本，使用K均值算法计算第 一类样本和第二类样本的平均特征作为第一类样本和第二类样本 新的中心，然后进^f于迭代处理直到所有样本类别变化个lt总和为 零；统计模块，用于统计第一类样本和第二类样本的个数，如果第 一类样本和第二类样本的个数差大于预定值，则将样本数量较少的 那类样本作为第三类样本，并对多个样本中剩余的样本重复样本初 始中心确定模块和迭代模块中的处理，直到第 一类样本的个数和第 二类样本的个数差小于等于预定值为止；样本特征计算模块，用于 在统计模块中确定第一类样本和第二类样本的个数差小于等于预 定值的情况下，计算第一类样本和第二类样本的所有特征相对应的 均值和协方差矩阵组；Mahalanobis距离计算装置，用于对每个样 本计算所有特征的Mahalanobis距离之和，然后重复迭代模块、统 计模块以及样本特征计算模块中的处理，直到所有样本类别变化个 数总和为零；以及第三类样本个数确定才莫块，用于根据预定的概率， 确定第一类样本和第二类样本中作为第三类样本的样本个数；阈值 确定模块，用于将每一类样本到各自样本中心的Mahalanobis距离 按照从大到小的顺序进行排序，将每类距离排序中从前到后、排名 等于第三类样本个数的样本所对应的距离作为从第 一类样本和第 二类样本中剔除第三类样本的第 一 阈值和第二阈值；类别判断模块，用于基于第一阈值和第二阈值将多个样本分为第一类样本、第 二类样本、以及第三类样本。优选地，匹配程度计算模块包括图像接收模块，用于接收包 括待匹配目标区域的输入图像；以及前景区域选取模块，用于基于 预定处理选取输入图4象中的所有前景区域。14具体地，前景区域选取模块包括背景去除模块，用于利用主 颜色分割处理，从输入图像中去除背景区域；以及前景区域提取模 块，用于利用单连通域选择处理，从经过背景去除才莫块处理的图4象 中提取所有前景区域。另外，匹配程度确定模块还包括匹配结果生成模块，用于基 于通过特征训练模块训练好的两类特征，通过概率投影进行两次计 算，给出输入图像中所有前景目标的匹配程度结果；以及类别判断 模块，用于提取所有前景区域的特征并分别计算特征与通过特征训 练模块训练得到的两类前景样本中心的Mahalanobis距离，按照最 近邻算法将所有前景区域分为第一类样本和第二类样本，然后基于 在特征训练模块中得到的分类判别标准，从第一类样本和第二类样 本中剔除第三类样本，从而将所有前景区域分为第一类样本、第二 类才羊本以及第三类样本。才艮据本专利技术的另一方面，提供了一本文档来自技高网...

【技术保护点】
一种匹配程度计算装置，用于在图像分析中计算目标区域的匹配程度并对所述目标区域进行分类，其特征在于，所述匹配程度计算装置包括：　样本选取模块，用于对输入的训练样本进行选取，以得到对应于单一前景区域的多个样本作为多个特征训练图像；　 特征训练模块，用于对所述多个样本执行预定处理，以自动完成多类特征的训练以及分类判别标准的确定；以及　匹配程度计算模块，用于基于通过所述特征训练模块训练得到的多类特征和分类判别标准，计算得到关于输入图像中所有前景区域的匹配程度结果并对所 有前景区域进行分类。

【技术特征摘要】

【专利技术属性】
技术研发人员：张斯聪，吴伟国，
申请(专利权)人：索尼中国有限公司，
类型：发明
国别省市：11[]