鬼佬大哥大
  • / 8
  • 下載費用:30 金幣  

一種基于組合模板聚類采樣匹配的人物比對方法.pdf

摘要
申請專利號:

CN201410121866.8

申請日:

2014.03.28

公開號:

CN103984916A

公開日:

2014.08.13

當前法律狀態:

撤回

有效性:

無權

法律詳情: 發明專利申請公布后的視為撤回IPC(主分類):G06K 9/00申請公布日:20140813|||實質審查的生效IPC(主分類):G06K 9/00申請日:20140328|||公開
IPC分類號: G06K9/00; G06K9/62 主分類號: G06K9/00
申請人: 廣東順德中山大學卡內基梅隆大學國際聯合研究院; 中山大學
發明人: 林倞; 王喆; 徐元璐; 江波
地址: 528300 廣東省佛山市順德區大良街道辦廣東順德中山大學卡內基梅隆大學國際聯合研究院
優先權:
專利代理機構: 廣州粵高專利商標代理有限公司 44102 代理人: 林麗明
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201410121866.8

授權公告號:

||||||

法律狀態公告日:

2017.09.05|||2014.09.10|||2014.08.13

法律狀態類型:

發明專利申請公布后的視為撤回|||實質審查的生效|||公開

摘要

本發明公開了一種基于組合模板聚類采樣匹配的人物比對方法,包括以下步驟:1)輸入多幅單人圖片和一幅多人圖片,其中多幅單人圖片中單人為同一人;2)從多幅單人圖片中提取出一個單人多實例組合模板,并從多人圖片中提取出備選目標集合;3)用單人多實例組合模板和備選目標集合構建肢體匹配候選圖;4)對肢體匹配候選圖進行求解,找到最佳的人物肢體的匹配。由于本方法考慮到了人物肢體之間的位置和邏輯關系,所以能夠有效的提高人物比對的準確率。

權利要求書

權利要求書
1.  一種基于組合模板聚類采樣匹配的人物比對方法,其特征在于,包括以下步驟:
1)輸入多幅單人圖片和一幅多人圖片,其中多幅單人圖片中單人為同一人;
2)從多幅單人圖片中提取出一個單人多實例組合模板T,并從多人圖片中提取出備選目標集合S;
3)用單人多實例組合模板T和備選目標集合S構建肢體匹配候選圖G;
4)對肢體匹配候選圖G進行求解,找到最佳的人物肢體的匹配。

2.  根據權利要求1所述的人物比對方法,其特征在于,所述步驟2)從多幅單人圖片中提取出一個單人多實例組合模板T,其單人多實例組合模板T為:

N=6,即人物肢體被分成6個部分,分別是頭部、軀干、上臂、前臂、大腿和小腿;其中,g表示每一個被檢測出的具體的人物肢體,用一個矩形框表示,該矩形框用一個五元組 表達,t代表該肢體的類型,x和y表示該肢體中心的坐標,θ表示該肢體的旋轉角度,s表示該肢體的相對比例;
上述單人多實例組合模板T的具體提取方法為:
21)單人圖片在豎直方向上等分成4層,在每一層中分別用對應的人物肢體檢測器進行掃描檢測,得到相應的檢測分數,具體分層方法如下:
第一層:頭
第二層:軀干,上臂,前臂
第三層:大腿
第四層:小腿
22)剔除檢測結果中與前景掩膜重疊比率小于閾值X的肢體,將剩下的肢體組成模板T。

3.  根據權利要求1所述的人物比對方法,其特征在于,所述步驟2)從多人圖片中提取出備選目標集合S的提取方法為:用人物肢體檢測器掃描多人圖片,得到檢測結果,再根據前景掩膜剔除與前景重疊面積小于閾值X的檢測出的肢體,將剩下的組成備選目標集合S。

4.  根據權利要求2或3所述的人物比對方法,其特征在于,所述閾值X為75%。

5.  根據權利要求2或3所述的人物比對方法,其特征在于,所述前景掩膜是通過背景建模的方法生成或者手動標注生成。

6.  根據權利要求1所述的人物比對方法,其特征在于,所述步驟3)中的肢體匹配候選圖G的頂點定義為單人多實例組合模板T和目標備選集合S中對應肢體的匹配對,肢體匹配候選圖G的邊定義為相鄰兩個頂點的相容關系和競爭關系;
所述相容關系是鼓勵匹配對在匹配的過程中相互激活,所述相容關系表示為兩個備選目標肢體部分的靠近程度,主要有兩個方面:(a)在位置上有依賴的運動學關系;(b)在位置上對稱的對稱關系;
所述競爭關系是在匹配對同時被激活時抑制了沖突,主要有兩個方面:(i)擁有同樣肢體類型的兩個備選目標不能同時被激活;(ii)兩個備選目標的重疊部分應該只被比較一次。

7.  根據權利要求1所述的人物比對方法,其特征在于,所述步驟4)是使用復合聚類采樣算法對肢體匹配候選圖G進行求解,找到最佳的人物肢體的匹配。

說明書

說明書一種基于組合模板聚類采樣匹配的人物比對方法
技術領域
本發明涉及人物比對領域,更具體地,涉及一種基于組合模板聚類采樣匹配的人物比對方法。
背景技術
人物比對在視頻監控中已經開始逐漸受到重視,特別是在人臉識別應用受限制的時候人物比對的功能就尤為重要。但是人物比對是很有難度和挑戰的,一方面很難找到一種針對人物且魯棒好的表達方式,因為人體外形會有很大的變化(如視角、動作、光照條件等),所以很難通過提取低級的圖像特征來構建模板從而有效的識別人物;另一方面很難找到有效的人物的局部匹配方法,給定一個人物的模板,用全局人物信息來進行人物匹配結果總是會得到很多錯誤的正樣本。因為在現實的監控視頻中,將要對比的目標人物可能被遮擋,也可能跟其他人物或是背景相連,這時就需要用人物局部的信息來進行匹配和比對。
發明內容
為了克服上述現有技術的不足,本發明提供了一種基于組合模板聚類采樣匹配的人物比對方法,該比對方法的準確率較高。
本發明的技術方案為:
一種基于組合模板聚類采樣匹配的人物比對方法,包括以下步驟:
1)輸入多幅單人圖片和一幅多人圖片,其中多幅單人圖片中單人為同一人;
2)從多幅單人圖片中提取出一個單人多實例組合模板T,并從多人圖片中提取出備選目標集合S;
3)用單人多實例組合模板T和備選目標集合S構建肢體匹配候選圖G;
4)對肢體匹配候選圖G進行求解,找到最佳的人物肢體的匹配。
在一種優選的方案中,所述步驟2)從多幅單人圖片中提取出一個單人多實例組合模板T,其單人多實例組合模板T為:

N=6,即人物肢體被分成6個部分,分別是頭部、軀干、上臂、前臂、大腿和小腿;其中,g表示每一個被檢測出的具體的人物肢體,用一個矩形框表示,該矩形框用一個五元組 表達,t代表該肢體的類型,x和y表示該肢體中心的坐標,θ表示該肢體的旋轉角度,s表示該肢體的相對比例;
上述單人多實例組合模板T的具體提取方法為:
21)單人圖片在豎直方向上等分成4層,在每一層中分別用對應的人物肢體檢測器進行掃描檢測,得到相應的檢測分數,具體分層方法如下:
第一層:頭
第二層:軀干,上臂,前臂
第三層:大腿
第四層:小腿
22)剔除檢測結果中與前景掩膜重疊比率小于閾值X的肢體,將剩下的肢體組成模板T。
在一種優選的方案中,所述步驟2)從多人圖片中提取出備選目標集合S的提取方法為:用人物肢體檢測器掃描多人圖片,得到檢測結果,再根據前景掩膜剔除與前景重疊面積小于閾值X的檢測出的肢體,將剩下的組成備選目標集合S。
在一種優選的方案中,所述閾值X為75%。
在一種優選的方案中,所述前景掩膜是通過背景建模的方法生成或者手動標注生成。
在一種優選的方案中,所述步驟3)中的肢體匹配候選圖G的頂點定義為單人多實例組合模板T和目標備選集合S中對應肢體的匹配對,肢體匹配候選圖G的邊定義為相鄰兩個頂點的相容關系和競爭關系;
所述相容關系是鼓勵匹配對在匹配的過程中相互激活,所述相容關系表示為兩個備選目標肢體部分的靠近程度,主要有兩個方面:(a)在位置上有依賴的運動學關系;(b)在位置上對稱的對稱關系;
所述競爭關系是在匹配對同時被激活時抑制了沖突,主要有兩個方面:(i)擁有同樣肢體類型的兩個備選目標不能同時被激活;(ii)兩個備選目標的重疊部分應該只被比較一次。
在一種優選的方案中,所述步驟4)是使用復合聚類采樣算法對肢體匹配候選圖G進行求解,找到最佳的人物肢體的匹配。
與現有技術相比,本發明充分考慮到人物肢體之間的位置和邏輯關系,所以人物比對的準確率較高。
附圖說明
圖1為本發明方法流程圖。
圖2為肢體檢測結果圖,其中(a)為單人圖片檢測結果,(b)為多人圖片檢測結果。
圖3為肢體配對候選圖示意圖。
圖4為肢體相容關系圖,其中(a)為肢體間的運動關系(虛線邊)和對稱關系(實線邊),(b)為肢體間組合的實例。
具體實施方式
下面結合附圖對本發明做進一步的描述,但本發明的實施方式并不限于此。
一種基于組合模板聚類采樣匹配的人物比對方法的流程如圖1所示,包括如下步驟:
1)輸入多幅單人(同一人)圖片和一幅多人圖片;
較佳地,本發明在監控應用需求中遵循如下兩條設定:
a)人物的著裝在不同場景中保持不變,即輸入的多幅單人圖片和一幅多人圖片中人物的著裝應保持不變;
b)要比對的人物需要有一定的分辨率,在本實施例中其高度為120像素。
2)從多幅單人圖片中提取出一個單人多實例組合模板T,并從多人圖片中提取出備選目標集合S;
單人多實例組合模板提取方法如下:
單人圖片在豎直方向上等分成4層,在每一層中分別用對應的人物肢體檢測器進行掃描檢測,得到相應的檢測分數,具體分層方法如下:
第一層:頭
第二層:軀干,上臂,前臂
第三層:大腿
第四層:小腿
如圖2(a)所示,紅色線框表示檢測出的頭,藍色線框表示檢測出的軀干,黃色線框表示檢測出的大腿,綠色線框表示檢測出的小腿。
然后,再根據前景掩膜剔除與前景重疊面積小于75%的檢測出的肢體,這里的前景掩膜采用手動標注生成。
如圖2(b)所示,從多人圖片中提取備選目標集合的方法與提取單人多實例模板類似,區別在于不把圖片在豎直方向上等分4層,直接用各個肢體檢測器掃描全圖片,得到掃描結果,然后再根據前景掩膜剔除與前景重疊面積小于75%的檢測出的肢體,這里的前景掩膜也是手動標注生成。
在本實施例中,給單人圖片和多人圖片中檢測出的肢體分別編號。
3)用單人多實例組合模板和備選目標集合構建肢體匹配候選圖;
肢體匹配候選圖的頂點定義為單人多實例組合模板和目標備選集合中對應肢體的匹配對,如(32,34)、(24,24)等,其中前者為單人實例模板中的肢體編號,后者為備選集合中的肢體編號;肢體匹配候選圖的邊定義為相鄰兩個頂點的相容關系和競爭關系。如圖3所示,實線表示相容關系,虛線表示競爭關系。
相容關系是鼓勵匹配對在匹配的過程中相互激活。本實施例中把相容關系表示為兩個備選目標肢體部分的靠近程度,主要考慮兩個方面:(i)在位置上有依賴的運動學關系;(ii)在位置上對稱的對稱關系。如圖4(a)所示,藍色邊代表肢體間有依賴的運動學關系,褐色邊代表肢體間的對稱關系。這兩種關系可以清楚地表達出一個人物實例,如圖4(b)所示。
競爭關系在匹配對同時被激活時抑制了沖突,主要考慮兩個方面:(i)擁有同樣肢體類型的兩個備選目標不能同時被激活;(ii)兩個備選目標的重疊部分應該只被比較一次。
4)對肢體匹配候選圖進行求解,找到最佳的人物肢體的匹配。
在本實施例中采用復合聚類采樣算法對肢體匹配候選圖進行迭代求解,找到最佳的人物肢體的匹配,從而完成人物比對的算法。
以上所述的本發明的實施方式,并不構成對本發明保護范圍的限定。任何在本發明的精神原則之內所作出的修改、等同替換和改進等,均應包含在本發明的權利要求保護范圍之內。

關 鍵 詞:
一種 基于 組合 模板 采樣 匹配 人物 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:一種基于組合模板聚類采樣匹配的人物比對方法.pdf
鏈接地址:http://www.wwszu.club/p-6140824.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大