专利名称：一种目标图像搜索方法和系统的制作方法
技术领域：
本发明涉及图像分析和识别技术领域，特别是涉及一种基于上下文的目标图像搜 索方法和系统。
背景技术：
目前，在基于上下文的目标图像搜索或位置的预测领域，Torralba使用全局上下 文特征对目标图像的位置进行条件转移概率建模，通过求取最大概率密度确定目标图像的 位置。由于其采用全局特征而忽略了局部特征，因而对目标图像的位置只能作出一个大概 的区域范围判断，不能做出精确的预测。针对这种问题，Ehinger和Paletta等人在上述粗 糙的预测范围内采用一个目标模板进行遍历匹配和搜索。Kruppa和Bergboer等人采用一 个扩大了面积的包含局部上下文的目标模板在图片表面进行遍历匹配和搜索，通过局部上 下文确定目标图像的位置。但以上几种方法存在的问题主要有两个方面(1)只使用全局上下文不足以精确 估计目标图像的位置；(2)仅使用局部上下文也无法避免遍历匹配这一机械耗时的搜索方 式。
发明内容
本发明的目的在于提供一种目标图像搜索方法和系统。采用先全局上下文估计粗 略目标图像位置、后局部上下文精确估计目标图像位置的顺序和策略，节省了上下文知识 表示和存储数量，避免了机械耗时的遍历式搜索，提高了目标图像搜索速度和精度。为实现本发明的目的而提供的一种目标图像搜索方法，所述方法，包括下列步 骤步骤100.在不同图像的不同尺度下针对不同初始视点位置和预测待搜索目标图 像中心位置的距离，与相应初始视点位置和真实目标图像中心位置的距离进行比较，保存 其中相差较多的情况所对应的上下文知识，以获得目标图像搜索模型；步骤200.输入一个图像，利用所述目标图像搜索模型，在所述图像的不同尺度下 预测待搜索目标图像中心的相对位置并保存，以获得准确的待搜索的目标图像在所述图像 上的位置。所述步骤100，包括下列步骤步骤110.输入一个训练图像Xi，i G [1，I]；步骤120.以真实目标图像中心在所述训练图像Xi上的位置(x，y)为中心采样尺 度s(s G [S，l])下的目标图像，形成在所述训练图像Xi上尺度为S的视野图像VFis;步骤130.在所述视野图像VFis上选择一个初始视点{(xisp，yisp) p =广P}， 并基于所述初始视点位置提取一个特征矢量Fis ；步骤140.计算所述真实目标图像中心位置(x，y)距离所述初始视点(xisp，yisp) 的相对距离(Axisp, A yisp) = (x-xisp, y-yisp)；并预测待搜索目标图像中心距离所述初始视点(xisp, yisp)的相对距离(Axisp，，Ayisp，)；步骤150.判断所述相对距离(Axisp', Ayisp’ )与(Axisp, Ayisp)是否相差 较大，若是，则追加存储当前新的上下文知识{Fis, (Axisp, Ayisp)}，并返回步骤130 ；否 则，返回步骤130 ；步骤160.判断S是否达到预设值，若是，则执行步骤170 ；否则，返回步骤120。步骤170.判断I值是否达到预设值，若是，则结束模型训练；否则返回步骤110。所述步骤140，包括下列步骤步骤141.根据存储的上下文知识{Fis，(Axisp，Ayisp)}，通过内积运算计算当前 特征矢量Fis与存储的Fis的相似性系数{ck = <Fis，存储的Fis>|k= 11}，选出K个最相近 的上下文{Fk，(Axk, Ayk) |k= 11}；步骤142.将选出的K个最相近的上下文对应的相似性系数ck’中的每一个都除 以ck’之和得到权重{wk|k= 11}；步骤143.预测待搜索目标图像中心位置(xisp’，yisp')距离当前初始视点 (xisp, yisp)的相对距离是(Axisp，, Ayisp，) = ( E wkAxk, E wk A yk) k = 1 K}。所述步骤200，包括下列步骤步骤210.输入一个图像并任意选定所述图像上的一点作为待搜索的目标图像中 心的位置(x，，y，)；步骤220.以(x’，y’)为中心，采样尺度s(s G [S，1])下的视野图像VFis ；步骤230.在当前视野图像VFs上提取一个特征矢量Fis’ ；步骤240.根据预先存储的上下文知识{Fis，(Axisp，Ayisp) |i =广I，s = S 1， P = 1>}，通过内积运算计算提取的特征矢量Fis’与Fis的相似性系数{ck = <Fis’，Fis>|k =11}，选出K个最相近的上下文{Fk，(Axk, Ayk) k = 1 K}；步骤250.将选出的K个最相近的上下文对应的相似性系数ck’中的每一个都除 以ck’之和得到权重{wk|k= 11}步骤260.计算预测待搜索目标图像中心(x’，y’ )的相对位置是(Ax，Ay)= (E wkAxk,E wkAyk) |k= 11}，并存储；步骤270.判断所述预测值(AX，Ay)和上一次的预测值相比变化是否小于一阈 值，若是，则执行步骤280 ；否则，返回步骤230 ；步骤280.更新目标图像中心的相对位置预测为(x,y) = (X，+AX，y’ + A y)；步骤290.判断S是否达到一预设值，若是，则所述待搜索目标图像中心的相对位 置为(X，y) = (X’ +AX，y’ +Ay)；否则，返回步骤 220。为实现本发明的目的，还提供一种目标图像搜索系统，所述系统，包括目标图像搜索模型训练模块，用于在不同图像的不同尺度下针对不同初始视点位 置和预测待搜索目标图像中心位置的距离，与相应初始视点位置和真实目标图像中心位置 的距离进行比较，保存其中相差较多的情况所对应的上下文知识；目标图像搜索模块，用于利用所述目标图像搜索模型，在所述图像的不同尺度下 预测待搜索目标图像中心的相对位置并保存，以获得准确的待搜索的目标图像在所述图像 上的位置。所述目标图像搜索模型训练模块，包括
图像采集模块，用于采集多个具有显著特征的训练图像Xi，i G [1，I]；视野图像采集模块，以真实目标图像中心在所述训练图像&上的位置(x，y)为中 心采样尺度s(s G [S，l])下的目标图像，形成在所述训练图像&上尺度为S的视野图像 VFis；特征矢量提取模块，在所述视野图像VFis上选择一个初始视点{(xisp，yisp) |p =，并基于所述初始视点位置提取一个特征矢量Fis ；距离计算模块，用于计算所述真实目标图像中心位置(x，y)距离所述初始视点 (xisp, yisp)的相对距离(Axisp, A yisp) = (x-xisp, y-yisp)；并预测待搜索目标图像 中心距离所述初始视点(xiSp，yiSp)的相对距离(Axisp’，A yisp')；判断模块，用于判断所述相对距离(Axisp，, A yisp’ )与(Axisp, A yisp)是否 相差较大，若是，则追加存储当前新的上下文知识{Fis，(Axisp, A yisp)}，并触发特征矢 量提取模块；否则，触发特征矢量提取模块；阈值判断子模块，用于判断S是否达到预设值，若是，则进一步判断判断I值是否 达到预设值，若是，则结束模型训练；否则触发图像采集模块；若S没有达到预设值则触发 视野图像采集模块。所述距离计算模块，包括上下文选择模块.根据存储的上下文知识{Fis( Axisp，Ayisp)}，通过内积运算计算 当前特征矢量Fis与存储的Fis的相似性系数{ck = <Fis，存储的Fis>|k= 11}，选出K个最 相近的上下文{Fk，(Axk, Ayk) |k = 11}；权重值计算模块，用于将选出的K个最相近的上下文对应的相似性系数ck’中的 每一个都除以ck，之和得到权重{wk|k= 11}；位置预测模块，用于预测待搜索目标图像中心位置(xisp’，yisp’ )距离当前初 始视点(xisp, yisp)的相对距离是(Axisp，, Ayisp，) = ( E wkAxk, E wk A yk) k = 1 K}。所述目标图像搜索模块，包括图像输入模块，用于输入一个图像并任意选定所述图像上的一点作为待搜索的目 标图像中心的位置(x，，y，)；视野图像采样模块，用于以(x’，y’ )为中心，采样尺度s(s G [S，l])下的视野图 像 VFis ；特征矢量提取子模块，用于在当前视野图像VFS上提取一个特征矢量Fis’ ；距离计算子模块，用于根据所述目标图像搜索模型训练模块中存储的上下文知识 {Fis，(Axisp，Ayisp)|i = n,s = S l，p =广P}，通过内积运算计算提取的特征矢量Fis，与 Fis的相似性系数{ck = <Fis，，Fis>|k = 11}，选出K个最相近的上下文{Fk，(Axk, A yk) k =1 K}；权重值计算子模块，用于将选出的K个最相近的上下文对应的相似性系数ck’中 的每一个都除以ck，之和得到权重{wk|k= 11}目标图像位置计算模块，用于计算预测待搜索目标图像中心(x’，y’ )的相对位置 是(AX，Ay) = ( E wkAxk, E wkAyk) |k= 1 K}，并存储；阈值判断模块，用于判断所述预测值(AX，Ay)和上一次的预测值相比变化是否小于一阈值，若是，则触发更新模块；否则，触发特征矢量提取子模块；更新模块，用于更新目标图像中心的相对位置预测为(x，y) = (x’ + Ax，y’ + Ay)；预设值判断子模块，用于判断S是否达到一预设值，若是，则所述待搜索目标图像 中心的相对位置为(x,y) = (x，+AX，y，+Ay)；否则，触发视野图像采样模块。本发明的有益效果是本发明采用全局上下文和局部上下文知识的顺序结合策略 和启发式预测机制，节省了上下文知识表示和存储数量，避免了机械耗时的遍历式搜索，提 高了目标搜索速度和精度。
图1是本发明的目标图像搜索方法的步骤流程图；图2是本发明中训练目标图像搜索模型的步骤流程图；图3是本发明中预测待搜索目标图像中心距离初始视点的相对距离的步骤流程 图；图4是本发明中利用所述目标图像搜索模型搜索目标图像位置的步骤流程图；图5是本发明的目标图像搜索系统的结构示意图。
具体实施例方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明的一种目标图像搜索方法和系统进行进一步详细说明。应当理解，此处所描述的具 体实施例仅仅用以解释本发明，并不用于限定本发明。本发明的一种目标图像搜索方法和系统，采用先全局上下文估计粗略目标图像位 置、后局部上下文精确估计目标图像位置的顺序和策略，以及启发式预测机制，节省了上下 文知识表示和存储数量，避免了机械耗时的遍历式搜索，提高了目标图像搜索速度和精度。下面结合上述目标详细介绍本发明的一种目标图像搜索方法，图1是本发明的目 标图像搜索方法的步骤流程图，如图1所示，所述方法，包括下列步骤步骤100.训练目标图像搜索模型；在不同图像的不同尺度下针对不同初始视点 位置和预测待搜索目标图像中心位置的距离，与相应初始视点位置和真实目标图像中心位 置的距离进行比较，保存其中相差较多的情况所对应的上下文知识，以获得目标图像搜索 模型；图2是本发明中训练目标图像搜索模型的步骤流程图，如图2所示，所述步骤100， 包括下列步骤步骤110.输入一个训练图像Xp i G [1，I]；步骤120.以真实目标图像中心在所述训练图像&上的位置(x，y)为中心采样尺 度s(s G [S，l])下的目标图像，形成在所述训练图像&上尺度为S的视野图像VFis;步骤130.在所述视野图像VFis上选择一个初始视点{(xisp, yisp) | p =广P}，并基 于所述初始视点位置提取一个特征矢量Fis ；步骤140.计算所述真实目标图像中心位置(x，y)距离所述初始视点(xisp，yisp) 的相对距离(Axisp，Ayisp) = (x-xisp,y-yisp)；并采用以下三个步骤预测待搜索目标图像中 心距离所述初始视点(xisp，yisp)的相对距离(Axisp ’，Ayisp ’)，即预测出的待搜索目标图像中心位置为(xisp，，yisp，) = (xisp+Axisp，，yisp+Ayisp，)；图3是本发明中预测待搜索目标图像中心距离初始视点的相对距离的步骤流程 图，如图3所示，所述步骤140，包括下列步骤步骤141.根据存储的上下文知识{Fis，(Axisp，Ayisp)}，通过内积运算计算当前 特征矢量Fis与存储的Fis的相似性系数{ck = <Fis，存储的Fis>|k= 11}，选出K个最相近 的上下文{Fk，(Axk, Ayk) |k= 11}；步骤142.将选出的K个最相近的上下文对应的相似性系数ck’中的每一个都除 以ck’之和得到权重{wk|k= 11}；步骤143.预测待搜索目标图像中心位置(xisp’，yisp’ )距离当前初始视点(xisp， Yisp)的相对距离是(Axisp，，Ayisp，) = ( E wkAxk,E wkAyk) k= 1 K}；步骤150.判断所述相对距离(Axisp，，Ayisp，)与(Axisp, A yisp)是否相差较大， 若是，则追加存储当前新的上下文知识{Fis，( A xisp, A yisp)}，并返回步骤130 ；否则，返回步 骤 130 ；步骤160.判断S是否达到预设值，若是，则执行步骤170 ；否则，返回步骤120。步骤170.判断I值是否达到预设值，若是，则结束模型训练；否则返回步骤110。上述训练目标图像搜索模型的方法，是在不同图像的不同尺度下针对不同初始视 点位置与预测待搜索目标图像中心位置的距离，与相应初始视点位置与真实目标图像中心 位置的距离进行比较，选择相差较多的情况所对应的上下文知识存入模型中，补充未知的 上下文知识，以获得更优的目标图像搜索模型。步骤200.输入一个图像，利用所述目标图像搜索模型，在所述图像的不同尺度下 预测待搜索目标图像中心的相对位置并保存，以获得准确的待搜索的目标图像在所述图像 上的位置。图4是本发明中利用所述目标图像搜索模型搜索目标图像位置的步骤流程图，如 图4所示，所述步骤200，包括下列步骤步骤210.输入一个图像并任意选定所述图像上的一点作为待搜索的目标图像中 心的位置(x，，y，)；步骤220.以(x’，y’)为中心，采样尺度s(s e [S，1])下的视野图像VFis ；步骤230.在当前视野图像VFS上提取一个特征矢量Fis’ ；步骤240.根据预先存储的上下文知识{Fis，( Axisp，A yisp) | i =广I，s = S 1，p =广P}，通过内积运算计算提取的特征矢量Fis’与Fis的相似性系数{Ck = <Fis，，Fis>|k = 11}，选出K个最相近的上下文{Fk，(Axk, Ayk) |k= 1 K}；步骤250.将选出的K个最相近的上下文对应的相似性系数ck’中的每一个都除 以ck’之和得到权重{wk|k= 11}步骤260.预测待搜索目标图像中心(x’，y’)的相对位置是(Ax，Ay)= (E wkAxk,E wkAyk) |k= 11}，并存储；步骤270.判断所述预测值(AX，Ay)和上一次的预测值相比变化是否小于一阈 值，若是，则执行步骤280 ；否则，返回步骤230 ；本步骤中所述预测值(AX，Ay)和上一次的预测值相比变化小于一阈值，说明根 据在当前尺度S下提取的特征矢量计算得到的待搜索目标图像中心的位置相对准确，可以结束当前尺度S下待搜索目标图像中心的位置的搜索。步骤280.更新目标图像中心的相对位置预测为(x,y) = (χ，+Δχ,γ' +Δγ)；步骤290.判断S是否达到一预设值，若是，则所述待搜索目标图像中心的相对位 置为(X，y) = (χ' +Δχ,γ' +ΔΥ)；否则，返回步骤 230。相应于本发明的一种目标图像搜索方法，还提供一种目标图像搜索系统，图5是 本发明的目标图像搜索系统的结构示意图，如图5所示，所述系统10，包括目标图像搜索模型训练模块1，用于在不同图像的不同尺度下针对不同初始视点 位置和预测待搜索目标图像中心位置的距离，与相应初始视点位置和真实目标图像中心位 置的距离进行比较，保存其中相差较多的情况所对应的上下文知识；目标图像搜索模块2，用于利用所述目标图像搜索模型，在所述图像的不同尺度下 预测待搜索目标图像中心的相对位置并保存，以获得准确的待搜索的目标图像在所述图像 上的位置。其中，所述目标图像搜索模型训练模块1，包括图像采集模块11，用于采集多个具有显著特征的训练图像Xi, i e [1，I]；视野图像采集模块12，以真实目标图像中心在所述训练图像&上的位置(x，y)为 中心采样尺度s(s e [S，l])下的目标图像，形成在所述训练图像Xi上尺度为S的视野图 像 VFis ；特征矢量提取模块13，在所述视野图像VFis上选择一个初始视点{(xisp， yisp) |p = 1 P}，并基于所述初始视点位置提取一个特征矢量Fis ；距离计算模块14，用于计算所述真实目标图像中心位置(x，y)距离所述初始视点 (xisp, yisp)的相对距离(Δ xisp, Δ yisp) = (x-xisp, y-yisp)；并预测待搜索目标图像 中心距离所述初始视点(xisp，yisp)的相对距离(Axisp’，Ayisp')；作为一种可实施方式，所述距离计算模块14，包括上下文选择模块141.根据存储的上下文知识{Fis，(Axisp, Δ yisp)}，通过内积 运算计算当前特征矢量Fis与存储的Fis的相似性系数{ck = <Fis，存储的Fis> I k = 1 K}，选出K个最相近的上下文{Fk，( Δ xk，Δ yk) k = 1 K}；权重值计算模块142，用于将选出的K个最相近的上下文对应的相似性系数ck’中 的每一个都除以ck’之和得到权重Iwk Ik = 1 K}；位置预测模块143，用于预测待搜索目标图像中心位置(xisp’，yisp’ )距离当前 初始视点(xisp，yisp)的相对距离是(Δ xisp，，Δ yisp，)= ( Σ wkAxk, Σ wk Δ yk) |k =
1 K}。判断模块15，用于判断所述相对距离(Axisp', Δ yisp’)与(Δ xisp, Δ yisp)是 否相差较大，若是，则追加存储当前新的上下文知识{Fis，(Axisp, Ayisp)}，并触发特征 矢量提取模块13 ；否则，触发特征矢量提取模块13 ；阈值判断子模块16，用于判断S是否达到预设值，若是，则进一步判断判断I值是 否达到预设值，若是，则结束模型训练；否则触发图像采集模块11 ；若S没有达到预设值则 触发视野图像采集模块12。其中，所述目标图像搜索模块2，包括图像输入模块21，用于输入一个图像并任意选定所述图像上的一点作为待搜索的目标图像中心的位置(x，，y，)；视野图像采样模块22，用于以(x’，y’)为中心，采样尺度s(s e [S，l])下的视野 图像VFis ；特征矢量提取子模块23，用于在当前视野图像VFs上提取一个特征矢量Fis’ ；距离计算子模块24，用于根据所述目标图像搜索模型训练模块1中存储的上下文 知识{Fis，(Axisp，Ayisp) |i = Γ ,8 = S l，p =广P}，通过内积运算计算提取的特征矢量 Fis，与Fis的相似性系数Ick = <Fis，，Fis>|k= 11}，选出K个最相近的上下文{Fk，(Axk, Ayk) Ik=TKj ；权重值计算子模块25，用于将选出的K个最相近的上下文对应的相似性系数ck’ 中的每一个都除以Ck’之和得到权重IwkIk = ΓΚ}目标图像位置计算模块26，用于计算预测待搜索目标图像中心(x’，y’)的相对位 置是(ΔΧ，Δγ) = ( Σ WkAxk, Σ WkAyk) |k= 1 Κ}，并存储；阈值判断模块27，用于判断所述预测值(ΔΧ，Ay)和上一次的预测值相比变化是 否小于一阈值，若是，则触发更新模块28 ；否则，触发特征矢量提取子模块23 ；更新模块28，用于更新目标图像中心的相对位置预测为(x，y) = (χ’+Δχ， y，+ Ay)；预设值判断子模块29，用于判断S是否达到一预设值，若是，则所述待搜索目标图 像中心的相对位置为(x，y) = (X’ +Ax，y’ +Ay)；否则，触发视野图像采样模块22。较佳地，在实际操作时，对于目标图像搜索模型训练模块和目标图像搜索模块中 一些实现相同功能的模块，可以仅由一个模块完成。本发明的有益效果在于本发明采用全局上下文和局部上下文知识的顺序结合策略和启发式预测机制，节 省了上下文知识表示和存储数量，避免了机械耗时的遍历式搜索，提高了目标搜索速度和 精度。通过结合附图对本发明具体实施例的描述，本发明的其它方面及特征对本领域的 技术人员而言是显而易见的。以上对本发明的具体实施例进行了描述和说明，这些实施例应被认为其只是示例 性的，并不用于对本发明进行限制，本发明应根据所附的权利要求进行解释。
权利要求
一种目标图像搜索方法，其特征在于，所述方法，包括下列步骤步骤100.在不同图像的不同尺度下针对不同初始视点位置和预测待搜索目标图像中心位置的距离，与相应初始视点位置和真实目标图像中心位置的距离进行比较，保存其中相差较多的情况所对应的上下文知识，以获得目标图像搜索模型；步骤200.输入一个图像，利用所述目标图像搜索模型，在所述图像的不同尺度下预测待搜索目标图像中心的相对位置并保存，以获得准确的待搜索的目标图像在所述图像上的位置。
2.根据权利要求1所述的目标图像搜索方法，其特征在于，所述步骤100，包括下列步骤步骤110.输入一个训练图像Xi，i G [1，I]；步骤120.以真实目标图像中心在所述训练图像Xii的位置(X，y)为中心采样尺度 s(s G [s，l])下的目标图像，形成在所述训练图像&上尺度为S的视野图像VFis;步骤130.在所述视野图像VFis上选择一个初始视点{(xisp，yisp) |p =广P}，并基于所 述初始视点位置提取一个特征矢量Fis ；步骤140.计算所述真实目标图像中心位置(x，y)距离所述初始视点(xisp，yisp)的 相对距离(Axisp, A yisp) = (x-xisp, y-yisp)；并预测待搜索目标图像中心距离所述初 始视点(xisp, yisp)的相对距离(Axisp', A yisp，)；步骤150.判断所述相对距离(Axisp', A yisp’)与(Axisp, A yisp)是否相差较大， 若是，则追加存储当前新的上下文知识{Fis，(Axisp, A yisp)}，并返回步骤130;否则，返回 步骤130 ；步骤160.判断S是否达到预设值，若是，则执行步骤170 ；否则，返回步骤120。 步骤170.判断I值是否达到预设值，若是，则结束模型训练；否则返回步骤110。
3.根据权利要求2所述的目标图像搜索方法，其特征在于，所述步骤140，包括下列步骤步骤141.根据存储的上下文知识{Fis，(Axisp, A yisp)}，通过内积运算计算当前特征 矢量Fis与存储的Fis的相似性系数{ck = <Fis，存储的Fis>|k= 11}，选出K个最相近的上 下文{Fk，(Axk, A yk) | k = 1 K}；步骤142.将选出的K个最相近的上下文对应的相似性系数ck’中的每一个都除以ck’ 之和得到权重{wk|k = 11}；步骤143.预测待搜索目标图像中心位置(xisp’，yisp’ )距离当前初始视点(xisp， yisp)的相对距离是(Axisp，, A yisp，) = ( E wkAxk, E wk A yk) k = 1 K}。
4.根据权利要求1所述的目标图像搜索方法，其特征在于，所述步骤200，包括下列步骤步骤210.输入一个图像并任意选定所述图像上的一点作为待搜索的目标图像中心的 位置(x，，y，)；步骤220.以(x’，y’)为中心，采样尺度s(s e [S，1])下的视野图像VFis ； 步骤230.在当前视野图像VFS上提取一个特征矢量Fis’ ；步骤240.根据预先存储的上下文知识{Fis，(Axisp, Ayisp) |i =广I，s = S 1，p = 广P}，通过内积运算计算提取的特征矢量Fis’与Fis的相似性系数{ck = <Fis，，Fis>|k =11}，选出K个最相近的上下文{Fk，(Axk, Ayk) |k= 1 K}；步骤250.将选出的K个最相近的上下文对应的相似性系数ck’中的每一个都除以ck’ 之和得到权重{wk|k = 11}；步骤260.计算预测待搜索目标图像中心(x’，y’)的相对位置是(Ax，Ay)= (E wkAxk,E wkAyk) |k= 11}，并存储；步骤270.判断所述预测值(AX，Ay)和上一次的预测值相比变化是否小于一阈值，若 是，则执行步骤280 ；否则，返回步骤230 ；步骤280.更新目标图像中心的相对位置预测为(X，y) = (X’ +AX，y’ +Ay)； 步骤290.判断S是否达到一预设值，若是，则所述待搜索目标图像中心的相对位置为 (x,y) = (x’ +Ax,y' +Ay)；否则，返回步骤 220。
5.一种目标图像搜索系统，其特征在于，所述系统，包括目标图像搜索模型训练模块，用于在不同图像的不同尺度下针对不同初始视点位置和 预测待搜索目标图像中心位置的距离，与相应初始视点位置和真实目标图像中心位置的距 离进行比较，保存其中相差较多的情况所对应的上下文知识；目标图像搜索模块，用于利用所述目标图像搜索模型，在所述图像的不同尺度下预测 待搜索目标图像中心的相对位置并保存，以获得准确的待搜索的目标图像在所述图像上的 位置。
6.根据权利要求5所述的目标图像搜索系统，其特征在于，所述目标图像搜索模型训 练模块，包括图像采集模块，用于采集多个具有显著特征的训练图像X” i G [1，I]； 视野图像采集模块，以真实目标图像中心在所述训练图像&上的位置(x，y)为中心采 样尺度s(s G [S，l])下的目标图像，形成在所述训练图像&上尺度为S的视野图像VFis;特征矢量提取模块，在所述视野图像VFis上选择一个初始视点{(xisp，yisp) |p = ， 并基于所述初始视点位置提取一个特征矢量Fis ；距离计算模块，用于计算所述真实目标图像中心位置(x，y)距离所述初始视点(xisp， yisp)的相对距离(Axisp, A yisp) = (x-xisp, y-yisp)；并预测待搜索目标图像中心距 离所述初始视点(xisp, yisp)的相对距离(Axisp', A yisp，)；判断模块，用于判断所述相对距离(Axisp', A yisp’ )与(Axisp, A yisp)是否相差 较大，若是，则追加存储当前新的上下文知识{Fis，(Axisp, A yisp)}，并触发特征矢量提 取模块；否则，触发特征矢量提取模块；阈值判断子模块，用于判断S是否达到预设值，若是，则进一步判断判断I值是否达到 预设值，若是，则结束模型训练；否则触发图像采集模块；若S没有达到预设值则触发视野 图像采集模块。
7.根据权利要求6所述的目标图像搜索系统，其特征在于，所述距离计算模块，包括 上下文选择模块.根据存储的上下文知识{Fis，(Axisp, Ayisp)}，通过内积运算计算当前特征矢量Fis与存储的Fis的相似性系数{ck = <Fis，存储的Fis>|k= 11}，选出K个最相 近的上下文{Fk，(Axk, Ayk) |k = 11}；权重值计算模块，用于将选出的K个最相近的上下文对应的相似性系数ck’中的每一 个都除以ck，之和得到权重{wk|k= 11}；位置预测模块，用于预测待搜索目标图像中心位置(Xisp’，yisp’ )距离当前初始视点 (xisp, yisp)的相对距离是(Axisp，，Ayisp，) = ( E wkAxk, E wk A yk) k = 1 K}。 8.根据权利要求6所述的目标图像搜索系统，其特征在于，所述目标图像搜索模块，包括图像输入模块，用于输入一个图像并任意选定所述图像上的一点作为待搜索的目标图 像中心的位置(x，，y，)；视野图像采样模块，用于以(x’，r)为中心，采样尺度s(s G [S，l])下的视野图像 VFis；特征矢量提取子模块，用于在当前视野图像VFS上提取一个特征矢量Fis’ ； 距离计算子模块，用于根据所述目标图像搜索模型训练模块中存储的上下文知识{Fis， (AXisp，Ayisp) |i = n,s = S l，p =广P}，通过内积运算计算提取的特征矢量Fis，与Fis 的相似性系数{ck = <Fis，，Fis> | k = 1 K}，选出K个最相近的上下文{Fk，(Axk, A yk) | k = 1 K}；权重值计算子模块，用于将选出的K个最相近的上下文对应的相似性系数ck’中的每 一个都除以ck，之和得到权重{wk|k= 11}目标图像位置计算模块，用于计算预测待搜索目标图像中心(x’，r)的相对位置是 (Ax, A y) = ( E wkAxk, E wkAyk) k = 1 K}，并存储；阈值判断模块，用于判断所述预测值(Ax，Ay)和上一次的预测值相比变化是否小于 一阈值，若是，则触发更新模块；否则，触发特征矢量提取子模块；更新模块，用于更新目标图像中心的相对位置预测为(x，y) = (x’ +Ax，y’ +Ay)； 预设值判断子模块，用于判断S是否达到一预设值，若是，则所述待搜索目标图像中心 的相对位置为(x,y) = (X，+AX，y，+ A y)；否则，触发视野图像采样模块。
全文摘要
本发明公开了一种目标图像搜索方法和系统。所述方法，包括下列步骤在不同图像的不同尺度下针对不同初始视点位置和预测待搜索目标图像中心位置的距离，与相应初始视点位置和真实目标图像中心位置的距离进行比较，保存其中相差较多的情况所对应的上下文知识，以获得目标图像搜索模型；输入一个图像，利用所述目标图像搜索模型，在所述图像的不同尺度下预测待搜索目标图像中心的相对位置并保存，以获得准确的待搜索的目标图像在所述图像上的位置。
文档编号G06F17/30GK101923575SQ201010269299
公开日2010年12月22日 申请日期2010年8月31日 优先权日2010年8月31日
发明者卿来云, 苗军, 陈熙霖, 高文 申请人:中国科学院计算技术研究所