专利名称：目标区分方法及目标区分装置的制作方法
技术领域：
本发明一般地涉及模式识别，尤其涉及一种目标区分方法及目标区分装置，用于在模式识别中当目标数量大于等于2个时对各个目标进行精确区分。更具体地说，本发明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中的目标与感兴趣目标的相似度进行计算，并且对目标进行精确区分的方法及装置。
背景技术：
在模式识别中，对多个目标相似度的判断是所有工作的前提。现有的判断方法分为两类，一类是基于差异衡量理论的方法，另一类是基于学习理论的方法。
基于差异衡量理论的方法利用不同的距离衡量准则，将描述各目标特征之间的差异直接进行比较，以便做出区分。D.M.Gavrila和J.Giebel在“Shape-based Pedestrian Detection and Tracking.Proc.of the IEEEIntelligent Vehicles Symposium，Paris，France，2002”中分级建立了人体的多种轮廓模板，采用Chamfer距离匹配的方法对行人和背景进行区分。牛轶峰、沈林成在“基于变形模板的多目标识别与定位，电子与信息学报，Vol.28，No.6，P1026-1030”中建立了飞机的多种轮廓模板，采用图像梯度、图像灰度和形状的几何约束3项能量综合加权平均得出目标之间的差异。如果要考虑到所描述目标的多种姿态，需要建立大量模板，匹配时背景中也会产生很多虚景。Jia Liu、Xiaofeng Tong等在“Automatic PlayerDetection，Labeling and Tracking in Broadcast Soccer Video，PatternRecognition Letters，Volume 30，Issue 2(January 2009)，Pages 103-113”中、以及Kenji Okuma、Ali Taleghani等在“A boosted particle filterMulti-target detection and tracking[C].In European Conference onComputer Vision，PragueSpringer，2004，128-39”中利用Bhattacharyya距离衡量颜色信息描述的不同球员之间的差异并对衡量结果进行分类。但是，从他们的工作中可以看出，这类直接衡量差异的方法，对较相似的多个目标间的差异衡量并不精确，只能给出大体类别的区分结果。
此外，传统的欧氏、Mahalanobis、余弦距离等，都是直接衡量多个目标或者目标与背景之间的距离，作为最终的差异表示方法。
由于目标的变化多种多样，这种直接衡量差异的方式是否能够最佳的描述差异大小并对多个目标给出合理的区分，还需要使用其它方式进行进一步的确认。
基于学习理论的方法则利用对大量训练样本进行学习的方式，生成样本间差异的衡量准则，对不同样本做出区分。例如，在文献“Peng Yang，Shiguang Shan，Wen Gao，Stan Z.Li，Dong Zhang，Face RecognitionUsing Ada-Boosted Gabor Features，Proceedings of the Sixth IEEEInternational Conference on Automatic Face and Gesture Recognition(FGR’04)”以及“Juwei Lu，K.N.Plataniotis，etc，Ensemble-BasedDiscriminate Learning with Boosting for Face Recognition，IEEEtransactions on neural networks，Vol.17，No.1，Jan.2006”中，利用AdaBoost训练多个分类器的方式对多个人脸目标进行区分。这类方法的优点是可以仅进行一次训练，即可对多个样本的差异做出评价。但是，被评价目标与训练样本的差异不能过于显著，且如果需要随样本不同修改分类器参数的计算十分复杂，不利于处理样本变化不明确的情况。
发明内容
在下文中给出关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
鉴于上述情况，本发明提出一种目标区分方法及目标区分装置，用于在模式识别中当目标数量大于等于2个时对各个目标进行精确区分。
根据本发明的一个方面，提供一种目标区分装置，包括特征提取模块，配置为提取目标区域内每一个目标的特征；目标差异计算模块，配置为计算每一个待区分目标的当前特征与特征提取模块提取的目标区域内每一个目标的特征之间的差异；以及差异区分模块，配置为将目标差异计算模块计算的每一个待区分目标的当前特征与目标区域内每一个目标的特征之间的差异作为每一个待区分目标的新特征，计算各个待区分目标的新特征之间的差异以区分各个待区分目标。
根据本发明的另一个方面，提供一种目标区分方法，包括特征提取步骤，提取目标区域内每一个目标的特征；目标差异计算步骤，计算每一个待区分目标的当前特征与特征提取步骤提取的目标区域内每一个目标的特征之间的差异；以及差异区分步骤，将目标差异计算步骤计算的每一个待区分目标的当前特征与目标区域内每一个目标的特征之间的差异作为每一个待区分目标的新特征，计算各个待区分目标的新特征之间的差异以区分各个待区分目标。
优选地，分别提取目标区域内每一个目标的当前帧的特征和前一帧的特征，分别计算每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异，并且将每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异作为每一个待区分目标的新特征，分别计算每一个待区分目标的当前帧的新特征与目标区域内每一个目标的前一帧的新特征之间的差异。
根据本发明的一个实施例的目标区分方法，其中特征提取步骤包括切分步骤，将目标区域切分为不重叠的切分块；特征计算步骤，计算切分步骤所切分的每一个切分块的特征；目标确定步骤，确定目标区域内每一个目标所占据的范围；以及特征生成步骤，根据特征计算步骤所计算的切分块的特征，提取目标确定步骤确定的每一个目标所占据的范围内的所有切分块的特征，并且进行组合以生成每一个目标的特征。
优选地，特征计算步骤计算每一个切分块内所有像素点对应的特征；以及特征生成步骤提取每一个目标所占据的范围内的所有像素点对应的特征，并且进行组合以生成每一个目标的特征。
根据本发明的一个优选实施例，目标差异计算步骤按照下式分别计算每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异 其中，
是待区分目标j在当前帧第t帧中的特征与目标区域内目标N在前一帧第t-1帧中的特征之间的差异，Distance是差异评价方式，
是待区分目标j在当前帧第t帧中的特征，
是目标区域内目标N在前一帧第t-1帧中的特征。
根据本发明的一个实施例，差异区分步骤将
作为每一个待区分目标j的当前帧的新特征，并按照下式分别计算每一个待区分目标的当前帧的新特征与目标区域内每一个目标的前一帧的新特征之间的差异
其中，新差异j，N是待区分目标j在当前帧第t帧中的新特征与目标区域内目标N在前一帧第t-1帧中的新特征之间的差异，Distancenew是差异评价方式，
是待区分目标j在当前帧第t帧中的新特征，
是目标区域内目标N在前一帧第t-1帧中的新特征，
是目标区域内目标N在第t-1帧中的特征与目标区域内目标i在第t-1帧中的特征之间的差异。
优选地，按照下面的公式计算新差异j，N，并且将最小的新差异j，N所对应的目标N作为待区分目标j在当前帧第t帧中的区分结果
其中，Distance′是差异评价方式，
是待区分目标j在当前帧第t帧中的特征与在前一帧第t-1帧中的特征之间的差异，
是目标区域内目标N在第t-1帧中的特征与待区分目标j在第t-1帧中的特征之间的差异，
是待区分目标j在当前帧第t帧中的特征与目标区域内目标i在前一帧第t-1帧中的特征之间的差异，
是目标区域内目标N在第t-1帧中的特征与目标区域内目标i在第t-1帧中的特征之间的差异。
根据本发明的优选实施例，差异评价方式包括Chamfer距离，图像梯度、图像灰度和形状的几何约束的能量综合加权平均，Bhattacharyya距离，欧氏距离，Mahalanobis距离，以及余弦距离。
可以看出，根据本发明提出的目标区分方法及目标区分装置，首先直接用上述基于差异衡量理论的方法对不同目标的差异做出衡量，然后将其它样本作为新的参考标志，利用当前样本与所有其他样本的差异，完成对当前样本的精确区分。因此，根据本发明提出的目标区分方法及目标区分装置，不需通过预先学习，即可针对不同样本给出精确的定位结果。
根据本发明提出的目标区分方法及目标区分装置，能够对在图像或视频数据中目标区域中的目标与感兴趣目标的相似度进行计算，并且由此对目标进行精确区分。
另外，本发明还提供用于实现上述目标区分方法的计算机程序。
此外，本发明也提供至少计算机可读介质形式的计算机程序产品，其上记录有用于实现上述目标区分方法的计算机程序代码。
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中 图1示出根据本发明的实施例的目标区分方法的总体流程图； 图2是用于说明目标特征提取的目标分布示意图； 图3示出根据本发明实施例的特征快速提取步骤的详细流程图； 图4示出在特征空间里目标的分布示意图； 图5示出在特征空间里根据现有技术进行目标区分的示意图； 图6示出在特征空间里根据本发明的实施例进行目标区分的示意图； 图7示出根据本发明实施例的目标区分装置的结构方框图； 图8示出根据本发明实施例的特征提取模块的结构方框图； 图9示出原始图像及待区分目标的示例； 图10示出根据现有技术用欧几里德距离对图9所示的示例进行目标区分的结果示意图； 图11示出用基于欧几里德距离的本发明的目标区分方法和装置对图9所示的示例进行目标区分的结果示意图；以及 图12示出用于实施根据本发明的目标区分方法的信息处理设备的结构方块图。
本领域技术人员应当理解，附图中的元件仅仅是为了简单和清楚起见而示出的，而且不一定是按比例绘制的。例如，附图中某些元件的尺寸可能相对于其他元件放大了，以便有助于提高对本发明实施例的理解。
具体实施例方式 在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的不同而有所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本公开内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。
在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
为了便于说明本发明的原理，在下文中以图9所示的足球场上足球球员的区分作为应用场景来对本发明的实施例进行描述，但是本领域技术人员应当明白，本发明并不仅仅局限于应用在图9所示的目标区分场景中。
首先将参考附图，特别是图1至图6，描述根据本发明实施例的目标区分方法的一般工作原理。图1示出根据本发明的实施例的目标区分方法的总体流程图。
如图1所示，根据本发明实施例的目标区分方法包括特征快速提取步骤S101、目标差异计算步骤S103、以及差异精确区分步骤S105。
首先，在特征快速提取步骤S101中提取目标区域内每一个目标的特征，然后在目标差异计算步骤S103中计算每一个待区分目标的当前特征与特征提取步骤S101提取的目标区域内每一个目标的特征之间的差异，最后在差异精确区分步骤S105中，将目标差异计算步骤S103计算的每一个待区分目标的当前特征与目标区域内每一个目标的特征之间的差异作为每一个待区分目标的新特征，计算各个待区分目标的新特征之间的差异以区分各个待区分目标。
优选地，根据本发明的一个具体实施例，在特征快速提取步骤S101中分别提取目标区域内每一个目标的当前帧的特征和前一帧的特征。在目标差异计算步骤S103中分别计算每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异。另外，在差异精确区分步骤S105中，将每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异作为每一个待区分目标的新特征，分别计算每一个待区分目标的当前帧的新特征与目标区域内每一个目标的前一帧的新特征之间的差异。
下面以图2所示的目标分布示意图为例具体说明特征提取的处理过程。如图2所示，在该示例中总共示出4个目标，假定方框1对应于当前目标的区域，方框2、3、4对应于干扰目标的区域，两个点划线框则分别为当前目标1和干扰目标2的特征计算范围。
由于在差异精确区分步骤S105中，需要对当前目标与各干扰目标的特征差异进行计算，因此快速准确计算各个目标的特征是以后各个步骤的前提。对于图2所示的示例，在处理目标1对应的特征计算范围11与处理目标2对应的特征范围12时，计算时间与目标所占区域的面积成正比。在图2所示的示例中，根据现有的特征计算方法，针对目标1和目标2的总特征计算时间为 TTotal＝(T1+T2+T3+T4)+(T1+T2+T3+T4) 其中，Ti为i号目标所对应的特征计算时间。可以看到，两个点划线的重叠部分以及各目标所在范围的重叠部分，会做重复的特征提取运算。依此类推，当图像区域为N个目标特征计算范围的重叠部分时，该图像区域会被进行N次相同的特征提取运算。
为了加快特征提取的速度，根据本发明的一个实施例，提出了一种新的特征快速提取算法。图3示出根据本发明实施例的特征快速提取方法的详细流程图。如图3所示，根据该实施例的特征快速提取方法包括切分步骤S301、特征计算步骤S303、目标确定步骤S305、以及特征生成步骤S307。
首先，在切分步骤S301中将目标区域切分为不重叠的切分块，然后在特征计算步骤S303中计算切分步骤S301所切分出的每一个不重叠的切分块的特征。
接着，在目标确定步骤S305中确定目标区域内每一个目标所占据的范围，并且在特征生成步骤S307中，根据特征计算步骤S303所计算的每一个不重叠的切分块的特征，提取目标确定步骤S305所确定的每一个目标所占据的范围内的所有切分块的特征，并且进行组合以生成每一个目标的特征。
根据本发明的一个优选实施例，在特征计算步骤S303中计算每一个切分块内所有像素点对应的特征，在特征生成步骤S307中提取每一个目标所占据的范围内的所有像素点对应的特征，并且进行组合以生成每一个目标的特征。
也就是说，根据本发明的实施例的特征快速提取方法，首先对当前所有目标区域部分提取一次特征并保存。以图2所示的实例为例，就是计算目标1、2、3、4所在图像范围内所有像素点对应的特征，其中1与2、3与4重叠的部分仅计算一遍特征。然后，当需要任意区域部分的特征时，直接从保存的范围内提取，而不用再进行特征计算。
这样，当多个目标相互接近并重叠时，根据本发明的特征快速提取方法可极大的节省特征提取的时间。节省的时间如下式所示 减小的时间＝(重叠区域的重叠次数-1)＊重叠区域提取特征时间 对于图2所示的示例，根据本发明实施例的特征快速提取方法，特征计算时间变为 T′Total＝T1+T2+T3+T4-(T1∩T2)-(T3∩T4)。
在特征快速提取步骤S101中对各个目标进行特征快速提取之后，在目标差异计算步骤S103中，利用一种现有的差异评价方式，计算出当前需要做出区分的各个目标之间的差异。
当对每个目标完成特征提取之后，每个目标在特征空间里可以用一个点表示。如图4所示，示出在特征空间里各个目标的分布示意图。在图4中箭头所指向的每个点1、2、3、4、5、...、N表示对应的对当前需要进行精确区分的目标有干扰的各个目标。中间的点j表示当前需要进行区分的目标。
在目标差异计算步骤S103中所需要进行的工作就是找到一种评价各个目标之间的差异的方法，计算得到每个干扰目标与当前目标的差异。如图4中
对应的黑线所示，表示的是待区分目标j在当前帧第t帧中的特征与目标区域内目标N在前一帧第t-1帧中的特征之间的差异。
根据本发明的一个优选实施例，在目标差异计算步骤S103中按照下式分别计算每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异 其中，
是待区分目标j在当前帧第t帧中的特征与目标区域内目标N在前一帧第t-1帧中的特征之间的差异，Distance是差异评价方式，
是待区分目标j在当前帧第t帧中的特征，
是目标区域内目标N在前一帧第t-1帧中的特征。
在现有的目标区分方法中，直接根据上面计算所得的差异
来对目标进行区分，其更关注的往往是寻求一种合适的差异评价方式Distance来更精确地得到目标j与N之间的差异
图5示出在特征空间里根据现有技术进行目标区分的示意图。
如图5中所示，现有目标区分方法区分当前目标j的方法是，在特征空间中与当前目标j的差异最小的黑色直线段所对应的目标、或是小于给定阈值(图中浅灰色线段所示)的一个范围之内的所有目标。那么，在图5中点划线范围之内的所有区域，都定义为相似。点划线之上的所有点，与当前目标j的相似程度都相同，现有方法对此不能做出区分。
与此不同，根据本发明的实施例所用的方法则是在现有方法的基础上，不光比较当前目标j在当前帧t中的特征
与在前一帧t-1中的已知参考特征
之间的差异，此外还考虑
与其他干扰目标N之间的差异，采用增加参考点的方式来精确区分各目标之间的差异，这样在增加一定的区分能力的同时，还能增大各个目标之间差异的变化范围。
例如，根据本发明的一个实施例，在差异区分步骤S105中，利用目标差异计算步骤S103所得到当前目标j与其他所有干扰目标N的两两差异
将
作为每一个待区分目标j的当前帧的新特征，并按照下式分别计算每一个待区分目标的当前帧的新特征与目标区域内每一个目标的前一帧的新特征之间的差异
其中，新差异j，N是待区分目标j在当前帧第t帧中的新特征与目标区域内目标N在前一帧第t-1帧中的新特征之间的差异，Distancenew是差异评价方式，
是待区分目标j在当前帧第t帧中的新特征，
是目标区域内目标N在前一帧第t-1帧中的新特征，
是目标区域内目标N在第t-1帧中的特征与目标区域内目标i在第t-1帧中的特征之间的差异。
优选地，按照下面的公式计算新差异j，N，并且将最小的新差异j，N所对应的目标N作为待区分目标j在当前帧第t帧中的区分结果
其中，Distance′是差异评价方式，
是待区分目标j在当前帧第t帧中的特征与在前一帧第t-1帧中的特征之间的差异，
是目标区域内目标N在第t-1帧中的特征与待区分目标j在第t-1帧中的特征之间的差异，
是待区分目标j在当前帧第t帧中的特征与目标区域内目标i在前一帧第t-1帧中的特征之间的差异，
是目标区域内目标N在第t-1帧中的特征与目标区域内目标i在第t-1帧中的特征之间的差异。
根据本发明的目标区分方法如图6所示，示出在特征空间里根据本发明的实施例进行目标区分的示意图。在图6中，仅给出干扰点1、3、N与当前目标的差异
如各点划圆所示，其中以
为半径、
对应的干扰目标N为圆心做圆。
从图像上可以直观地理解为，在特征空间中，以各个干扰目标为圆心，
为半径画圆，则各圆的交点为与当前目标最接近的位置。当求相似度的特征点位置移动时，不仅
增大，
同样增大，二者相乘，使得差异变化范围大于目标差异计算步骤S103的计算结果。确定最相近目标的结果从现有方法的一个圆形线上不可分，变成仅一个点与待区分目标j最近接，其余点皆有差异。这样，大大增加了对特征空间内各目标间差异的区分能力。
这里需要指出的是，根据本发明的优选实施例，无需对差异评价方式进行具体限定，而是现有的各种差异评价方式均可以在本发明的目标区分方法中使用，例如Chamfer距离，图像梯度、图像灰度和形状的几何约束的能量综合加权平均，Bhattacharyya距离，欧氏距离，Mahalanobis距离，以及余弦距离等等。
以上描述了根据本发明实施例的目标区分方法的处理流程。下面将结合图7和图8描述根据本发明实施例的目标区分装置的工作原理。
图7示出根据本发明实施例的目标区分装置的结构方框图。如图7所示，根据该实施例的目标区分装置包括特征提取模块71、目标差异计算模块73、以及差异区分模块75。
首先，特征提取模块71提取目标区域内每一个目标的特征，然后目标差异计算模块73计算每一个待区分目标的当前特征与特征提取模块71提取的目标区域内每一个目标的特征之间的差异，最后差异区分模块75将目标差异计算模块73计算的每一个待区分目标的当前特征与目标区域内每一个目标的特征之间的差异作为每一个待区分目标的新特征，计算各个待区分目标的新特征之间的差异以区分各个待区分目标。
根据本发明的一个实施例，特征提取模块71分别提取目标区域内每一个目标的当前帧的特征和前一帧的特征，目标差异计算模块73分别计算每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异，并且差异区分模块75将每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异作为每一个待区分目标的新特征，分别计算每一个待区分目标的当前帧的新特征与目标区域内每一个目标的前一帧的新特征之间的差异。
图8示出根据本发明实施例的特征提取模块71的结构方框图。如图8所示，特征提取模块71包括切分单元81、特征计算单元83、目标确定单元85、以及特征生成单元87。
首先，切分单元81将目标区域切分为不重叠的切分块，然后特征计算单元83计算切分单元81所切分的每一个不重叠的切分块的特征。
接着，目标确定单元83确定目标区域内每一个目标所占据的范围，特征生成单元87根据特征计算单元83所计算的每一个不重叠的切分块的特征，提取目标确定单元83确定的每一个目标所占据的范围内的所有切分块的特征，并且进行组合以生成每一个目标的特征。
根据本发明的一个优选实施例，特征计算单元83计算每一个不重叠的切分块内所有像素点对应的特征，特征生成单元87提取每一个目标所占据的范围内的所有像素点对应的特征，并且进行组合以生成每一个目标的特征。
特征提取模块71中的切分单元81、特征计算单元83、目标确定单元85、以及特征生成单元87等各个单元的具体处理过程分别与参照图3描述的特征提取方法中的切分步骤S301、特征计算步骤S303、目标确定步骤S305、以及特征生成步骤S307等各个步骤的处理类似，在此不再进行进一步的详细描述。
根据本发明的一个优选实施例，目标差异计算模块73按照下式分别计算每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异 其中，
是待区分目标j在当前帧第t帧中的特征与目标区域内目标N在前一帧第t-1帧中的特征之间的差异，Distance是差异评价方式，
是待区分目标j在当前帧第t帧中的特征，
是目标区域内目标N在前一帧第t-1帧中的特征。
此外，根据本发明的一个优选实施例，在差异区分模块75中，将
作为每一个待区分目标j的当前帧的新特征，并按照下式分别计算每一个待区分目标的当前帧的新特征与目标区域内每一个目标的前一帧的新特征之间的差异
其中，新差异j，N是待区分目标j在当前帧第t帧中的新特征与目标区域内目标N在前一帧第t-1帧中的新特征之间的差异，Distancenew是差异评价方式，
是待区分目标j在当前帧第t帧中的新特征，
是目标区域内目标N在前一帧第t-1帧中的新特征，
是目标区域内目标N在第t-1帧中的特征与目标区域内目标i在第t-1帧中的特征之间的差异。
优选地，按照下式计算新差异j，N
其中，Distance′是差异评价方式，
是待区分目标j在当前帧第t帧中的特征与在前一帧第t-1帧中的特征之间的差异，
是目标区域内目标N在第t-1帧中的特征与待区分目标j在第t-1帧中的特征之间的差异，
是待区分目标j在当前帧第t帧中的特征与目标区域内目标i在前一帧第t-1帧中的特征之间的差异，
是目标区域内目标N在第t-1帧中的特征与目标区域内目标i在第t-1帧中的特征之间的差异。
根据该实施例的目标区分装置，将最小的新差异j，N所对应的目标N为待区分目标j在当前帧第t帧中的区分结果。
同样，在根据本发明的实施例的目标区分装置中，差异评价方式可以包括但不限于Chamfer距离，图像梯度、图像灰度和形状的几何约束的能量综合加权平均，Bhattacharyya距离，欧氏距离，Mahalanobis距离，以及余弦距离等等。
这里还要指出的是，在根据本发明的目标区分装置中的特征提取模块71、目标差异计算模块73、以及差异区分模块75等各个模块中的具体处理过程分别与参照图1描述的目标区分方法中的特征快速提取步骤S101、目标差异计算步骤S103、以及差异精确区分步骤S105等各个步骤中的处理类似，在此略去进一步的详细描述。
下面给出根据本发明的目标区分方法及目标区分装置在足球球员区分上的一个应用实例。例如，如图9所示，示出了足球场上的足球球员的原始图像及待区分目标的示例。图10示出根据现有技术用欧几里德距离对图9所示的示例进行目标区分的结果示意图。另外，图11示出用基于欧几里德距离的本发明的目标区分方法和装置对图9所示的示例进行目标区分的结果示意图。
我们知道，当镜头距离球员较远时，同队的各个球员非常相似，使用现有的目标区分方法，并不能很好的对每个球员做出区分。使用本发明的目标区分技术处理之后，区分效果非常明显。从区分效果图10中可以看出，用欧几里德距离区分的各目标差异不显著，不能明确区分出当前目标(图中粗黑框所选定的目标)。图11是使用欧几里德距离进行差异评价，利用本发明所述的目标区分方法和目标区分装置得到的各目标区分结果，图中越亮的部分表示相似度越高，越暗的部分表示差异越大。可以看到整幅图像中，粗黑框内目标区域部分的中心，具有最大的相似度(图中用亮点表示)，随着位置偏移，差异迅速增加(亮点较小)，其余各处差异均较大(较暗)。
以上结合具体实施例描述了本发明的基本原理，但是，需要指出的是，对本领域的普通技术人员而言，能够理解本发明的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。
在通过软件和/或固件实现本发明的实施例的情况下，从存储介质或网络向具有专用硬件结构的计算机，例如图12所示的通用个人计算机700安装构成该软件的程序，该计算机在安装有各种程序时，能够执行各种功能等等。
在图12中，中央处理单元(CPU)701根据只读存储器(ROM)702中存储的程序或从存储部分708加载到随机存取存储器(RAM)703的程序执行各种处理。在RAM 703中，也根据需要存储当CPU 701执行各种处理等等时所需的数据。CPU 701、ROM 702和RAM 703经由总线704彼此连接。输入/输出接口705也连接到总线704。
下述部件连接到输入/输出接口705输入部分706，包括键盘、鼠标等等；输出部分707，包括显示器，比如阴极射线管(CRT)、液晶显示器(LCD)等等，和扬声器等等；存储部分708，包括硬盘等等；和通信部分709，包括网络接口卡比如LAN卡、调制解调器等等。通信部分709经由网络比如因特网执行通信处理。
根据需要，驱动器710也连接到输入/输出接口705。可拆卸介质711比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器710上，使得从中读出的计算机程序根据需要被安装到存储部分708中。
在通过软件实现上述系列处理的情况下，从网络比如因特网或存储介质比如可拆卸介质711安装构成软件的程序。
本领域的技术人员应当理解，这种存储介质不局限于图12所示的其中存储有程序、与装置相分离地分发以向用户提供程序的可拆卸介质711。可拆卸介质711的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者，存储介质可以是ROM 702、存储部分708中包含的硬盘等等，其中存有程序，并且与包含它们的装置一起被分发给用户。
还需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
虽然已经详细说明了本发明及其优点，但是应当理解在不脱离由所附的权利要求所限定的本发明的精神和范围的情况下可以进行各种改变、替代和变换。而且，本申请的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者装置中还存在另外的相同要素。
权利要求
1.一种目标区分装置，包括
特征提取模块，配置为提取目标区域内每一个目标的特征；
目标差异计算模块，配置为计算每一个待区分目标的当前特征与特征提取模块提取的目标区域内每一个目标的特征之间的差异；以及
差异区分模块，配置为将目标差异计算模块计算的每一个待区分目标的当前特征与目标区域内每一个目标的特征之间的差异作为每一个待区分目标的新特征，计算各个待区分目标的新特征之间的差异以区分各个待区分目标。
2.根据权利要求1所述的目标区分装置，其中
特征提取模块分别提取目标区域内每一个目标的当前帧的特征和前一帧的特征；
目标差异计算模块分别计算每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异；以及
差异区分模块将每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异作为每一个待区分目标的新特征，分别计算每一个待区分目标的当前帧的新特征与目标区域内每一个目标的前一帧的新特征之间的差异。
3.根据权利要求2所述的目标区分装置，其中特征提取模块包括
切分单元，配置为将目标区域切分为不重叠的切分块；
特征计算单元，配置为计算切分单元所切分的每一个切分块的特征；
目标确定单元，配置为确定目标区域内每一个目标所占据的范围；以及
特征生成单元，配置为根据特征计算单元所计算的切分块的特征，提取目标确定单元确定的每一个目标所占据的范围内的所有切分块的特征，并且进行组合以生成每一个目标的特征。
4.根据权利要求3所述的目标区分装置，其中
特征计算单元计算每一个切分块内所有像素点对应的特征；以及
特征生成单元提取每一个目标所占据的范围内的所有像素点对应的特征，并且进行组合以生成每一个目标的特征。
5.根据权利要求2至4之任意一项所述的目标区分装置，其中目标差异计算模块按照下式分别计算每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异
其中，
是待区分目标j在当前帧第t帧中的特征与目标区域内目标N在前一帧第t-1帧中的特征之间的差异，Distance是差异评价方式，
是待区分目标j在当前帧第t帧中的特征，
是目标区域内目标N在前一帧第t-1帧中的特征。
6.根据权利要求5所述的目标区分装置，其中差异区分模块将
作为每一个待区分目标j的当前帧的新特征，并按照下式分别计算每一个待区分目标的当前帧的新特征与目标区域内每一个目标的前一帧的新特征之间的差异
其中，新差异j，N是待区分目标j在当前帧第t帧中的新特征与目标区域内目标N在前一帧第t-1帧中的新特征之间的差异，Distancenew是差异评价方式，
是待区分目标j在当前帧第t帧中的新特征，
是目标区域内目标N在前一帧第t-1帧中的新特征，
是目标区域内目标N在第t-1帧中的特征与目标区域内目标i在第t-1帧中的特征之间的差异。
7.根据权利要求6所述的目标区分装置，其中
其中，Distance′是差异评价方式，
是待区分目标j在当前帧第t帧中的特征与在前一帧第t-1帧中的特征之间的差异，
是目标区域内目标N在第t-1帧中的特征与待区分目标j在第t-1帧中的特征之间的差异，
是待区分目标j在当前帧第t帧中的特征与目标区域内目标i在前一帧第t-1帧中的特征之间的差异，
是目标区域内目标N在第t-1帧中的特征与目标区域内目标i在第t-1帧中的特征之间的差异；以及
最小的新差异j，N所对应的目标N为待区分目标j在当前帧第t帧中的区分结果。
8.根据权利要求6或7所述的目标区分装置，其中差异评价方式包括Chamfer距离，图像梯度、图像灰度和形状的几何约束的能量综合加权平均，Bhattacharyya距离，欧氏距离，Mahalanobis距离，以及余弦距离。
9.一种目标区分方法，包括
特征提取步骤，提取目标区域内每一个目标的特征；
目标差异计算步骤，计算每一个待区分目标的当前特征与特征提取步骤提取的目标区域内每一个目标的特征之间的差异；以及
差异区分步骤，将目标差异计算步骤计算的每一个待区分目标的当前特征与目标区域内每一个目标的特征之间的差异作为每一个待区分目标的新特征，计算各个待区分目标的新特征之间的差异以区分各个待区分目标。
10.根据权利要求9所述的目标区分方法，其中
特征提取步骤分别提取目标区域内每一个目标的当前帧的特征和前一帧的特征；
目标差异计算步骤分别计算每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异；以及
差异区分步骤将每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异作为每一个待区分目标的新特征，分别计算每一个待区分目标的当前帧的新特征与目标区域内每一个目标的前一帧的新特征之间的差异。
11.根据权利要求10所述的目标区分方法，其中特征提取步骤包括
切分步骤，将目标区域切分为不重叠的切分块；
特征计算步骤，计算切分步骤所切分的每一个切分块的特征；
目标确定步骤，确定目标区域内每一个目标所占据的范围；以及
特征生成步骤，根据特征计算步骤所计算的切分块的特征，提取目标确定步骤确定的每一个目标所占据的范围内的所有切分块的特征，并且进行组合以生成每一个目标的特征。
12.根据权利要求11所述的目标区分方法，其中
特征计算步骤计算每一个切分块内所有像素点对应的特征；以及
特征生成步骤提取每一个目标所占据的范围内的所有像素点对应的特征，并且进行组合以生成每一个目标的特征。
13.根据权利要求10至12之任意一项所述的目标区分方法，其中目标差异计算步骤按照下式分别计算每一个待区分目标的当前帧的特征与目标区域内每一个目标的前一帧的特征之间的差异
其中，
是待区分目标j在当前帧第t帧中的特征与目标区域内目标N在前一帧第t-1帧中的特征之间的差异，Distance是差异评价方式，
是待区分目标j在当前帧第t帧中的特征，
是目标区域内目标N在前一帧第t-1帧中的特征。
14.根据权利要求13所述的目标区分方法，其中差异区分步骤将
作为每一个待区分目标j的当前帧的新特征，并按照下式分别计算每一个待区分目标的当前帧的新特征与目标区域内每一个目标的前一帧的新特征之间的差异
其中，新差异j，N是待区分目标j在当前帧第t帧中的新特征与目标区域内目标N在前一帧第t-1帧中的新特征之间的差异，Distancenew是差异评价方式，
是待区分目标j在当前帧第t帧中的新特征，
是目标区域内目标N在前一帧第t-1帧中的新特征，
是目标区域内目标N在第t-1帧中的特征与目标区域内目标i在第t-1帧中的特征之间的差异。
15.根据权利要求14所述的目标区分方法，其中
其中，Distance′是差异评价方式，
是待区分目标j在当前帧第t帧中的特征与在前一帧第t-1帧中的特征之间的差异，
是目标区域内目标N在第t-1帧中的特征与待区分目标j在第t-1帧中的特征之间的差异，
是待区分目标j在当前帧第t帧中的特征与目标区域内目标i在前一帧第t-1帧中的特征之间的差异，
是目标区域内目标N在第t-1帧中的特征与目标区域内目标i在第t-1帧中的特征之间的差异；以及
最小的新差异j，N所对应的目标N为待区分目标j在当前帧第t帧中的区分结果。
16.根据权利要求14或15所述的目标区分方法，其中差异评价方式包括Chamfer距离，图像梯度、图像灰度和形状的几何约束的能量综合加权平均，Bhattacharyya距离，欧氏距离，Mahalanobis距离，以及余弦距离。
全文摘要
本发明公开了一种目标区分方法及目标区分装置。根据本发明的目标区分方法包括特征提取步骤，提取目标区域内每一个目标的特征；目标差异计算步骤，计算每一个待区分目标的当前特征与特征提取步骤提取的目标区域内每一个目标的特征之间的差异；以及差异区分步骤，将目标差异计算步骤计算的每一个待区分目标的当前特征与目标区域内每一个目标的特征之间的差异作为每一个待区分目标的新特征，计算各个待区分目标的新特征之间的差异以区分各个待区分目标。
文档编号G06K9/62GK101814145SQ20091000538
公开日2010年8月25日 申请日期2009年2月24日 优先权日2009年2月24日
发明者张斯聪, 吴伟国 申请人:索尼株式会社