视频图像中形状的局部与全局特征结构融合方法

文档序号:6359450阅读:262来源:国知局
专利名称:视频图像中形状的局部与全局特征结构融合方法
技术领域
本发明属于视频监控图像处理领域,具体涉及一种视频图像中形状的局部与全局特征结构融合方法。
背景技术
近年来,基于内容分析的智能视频监控系统的应用越来越多,要实现视频监控图像的智能分析和识别目标,形状的表征与认知是需要解决的重要问题。由于单一特征表征不充分,使得形状的表征具有多样性,多特征可以从多个视角挖掘形状的独特判别特性,而多特征从结构难以融合,导致特征的表征不精确。这种情况当前的方法无法进行特征的结构融合,进而无法更加准确的表征形状轮廓特征。因此,提出形状的局部与全局特征结构融合方法,进而获得分类判别能力强的特征表征,是急需解决的问题。

发明内容
本发明的目的是提供一种视频图像中形状的局部与全局特征结构融合方法,填补了现有技术的空白,能获得无监督聚类和分类判别能力强的特征表征。本发明所采用的技术方案是,一种视频图像中形状的局部与全局特征结构融合方法,其特征在于,包括以下步骤步骤I、采用形状轮廓上下文描述形状局部特征,采用轮廓点分布直方图描述形状全局特征;步骤2、用X2测度分别进行形状局部结构和全局特征结构的度量;步骤3、最终通过矩阵谱优化求解的方法进行形状局部特征结构和全局特征结构的融合映射,获得特征表征。其中,步骤I的具体方法为设I为形状轮廓图像,I (x, y)为I在坐标(x,y)处的像素值,χ和y分别表示点的横纵坐标,c (χ, y)为I的重心,Xc和y。分别是c (x, y)的横纵坐标
权利要求
1.一种视频图像中形状的局部与全局特征结构融合方法,其特征在于,包括以下步骤步骤I、采用形状轮廓上下文描述形状局部特征,采用轮廓点分布直方图描述形状全局特征;步骤2、用X2测度分别进行形状局部结构和全局特征结构的度量;步骤3、最终通过矩阵谱优化求解的方法进行形状局部特征结构和全局特征结构的融合映射,获得特征表征。
2.按照权利要求I所述的视频图像中形状的局部与全局特征结构融合方法,其特征在于,所述步骤I的具体方法为设I为形状轮廓图像,I (X,y)为I在坐标(X,y)处的像素值,χ和y分别表示点的横纵坐标,C (X, y)为I的重心,Xc和y。分别是c (x, y)的横纵坐标
3.按照权利要求2所述的视频图像中形状的局部与全局特征结构融合方法,其特征在于,所述步骤2的具体方法为设有m个形状,根据步骤I得到该m个形状的局部特征集和全局特征集分别为Xl = [XlpXl2,. . .,xlm]T 和 X2 = [x21;x22,. . . , x2m]T,形状的局部特征结构度量为 dxl (xli; Xlj), Xli和Xl为形状i和形状j的局部特征表征;形状的全局特征结构度量为dX2 (χ2 ;χ2ρ,χ2, 和χ2]为形状i和形状j的全局特征表征,分别由下式计算
4.按照权利要求3所述的视频图像中形状的局部与全局特征结构融合方法,其特征在于,所述步骤3的具体方法为定义Xl = [Xl1, xl2. . , xlm]T和X2 = [x21; x22, . . . , x2m]T特征结构测度相似矩阵,以步骤2计算得到度量的相似矩阵为Wl = (WlijjI和W2 = j} (i = 1,2,...,mj = 1, 2,. . .,m)如下式
全文摘要
本发明公开了一种视频图像中形状的局部与全局特征结构融合方法,采用形状轮廓上下文描述形状局部特征,采用轮廓点分布直方图描述形状全局特征;用x2测度分别进行形状局部结构和全局特征结构的度量;最终通过矩阵谱优化求解的方法进行形状局部特征结构和全局特征结构的融合映射,获得特征表征。本发明填补了现有技术的空白,能获得无监督聚类和分类判别能力强的特征表征。
文档编号G06K9/62GK102609722SQ20121002652
公开日2012年7月25日 申请日期2012年2月7日 优先权日2012年2月7日
发明者张二虎, 朱虹, 范引娣, 范彩霞, 蔺广逢 申请人:西安理工大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1