基于局部特征的目标识别技术研究

针对基于全局特征的目标识别技术存在的不足,介绍基于局部特征的目标识别技术。研究局部特征的特点和优势,阐述点、线、面3种类型的局部特征的研究现状和主流算法,探讨算法所面临的难点问题,并对基于局部特征的目标识别问题的研究前景进行展望。     

用于目标快速识别的特征选取方法

现有的基于图像局部特征的目标识别算法,在保证较高识别率的情况下无法满足实时性要求。针对这个问题,考虑到多数局部特征是不稳定、不可靠或与目标无关的,可通过正确匹配的训练图像,对图像局部特征选取一个子集用于目标识别。提出一种在特征包方法基础上,通过无监督地选取鲁棒性强及足够特殊、稳定的局部特征用于目标识别的新方法并应用于目标识别实验。实验结果证实该方法在仅仅使用原图像约4%的局部特征的情况下获得了与使用全部局部特征几乎相近的目标识别率,目标识别时间由秒缩短至几十毫秒,满足了目标识别实时性要求。     

基于全局和局部特征的目标识别研究

为提高目标识别的准确性和快速性,提出了基于全局和局部特征对目标识别的方法。基于颜色直方图提取全局颜色特征,利用多尺度空间来表达目标的局部特征,最后将全局和局部特征进行数据融合得到图像的识别结果。实验结果表明,该方法很好地结合了目标的整体和局部信息,能有效地识别目标,且识别效果优于单一的全局特征和局部特征的识别效果。     

基于局部特征的多摄像机间目标识别方法

针对多摄像机监控系统中的人体目标识别问题,提出一种利用局部颜色特征和形状特征的目标识别方法.首先基于彩色图像使用Harris角点检测算子检测出目标图像的特征点,之后以每个特征点为中心分别提取其邻域的对光照、视角和姿态变化具有鲁棒性的局部颜色和形状特征,并建立目标外观模型,最后,采用改进的EMD(Earth Mover's Distance)进行目标间相似度的计算,实现多摄像机间的人体目标识别.实验结果表明,采用的改进方法充分优化了目标的颜色和形状特征,使摄像能够达到较高的识别率.     

几何显著变化的表情识别特征构造

人脸表情作为人类情感的重要传达方式,近年来作为情感计算的重要组成部分,人脸表情识别吸引了很多学者的关注。与其他模式识别的问题类似,构造更为有效的统计特征是解决人脸表情识别的关键所在。同时,由于不同种类的特征对于模型性能的贡献不同,有效地利用不同特征对于性能的提升也至关重要。根据几何显著变化筛选标注点以形成几何特征,并根据几何特征构造特定的块形成形态特征;后采用多核多特征融合方法进行表情识别。通过在公开数据集(CK+)和自建数据集(JNFE)上的实验,和一些视频序列表情识别方法对比,分别获得了96.90%和92.85%的准确率,证明了所提方法的有效性。     

三维局部相似目标匹配的微分几何方法

提出一种基于高斯曲率和平均曲率的三维局部相似目标匹配方法,首先筛选出待匹配曲面上固有特征相似的点,形成点对集合,然后利用非对称三角形骨架来定位三维曲面,在点对集合中寻找相似三角形对,并导出其空间变换,构成三角形对集合,最后通过得分函数,求出三角形对集合中空间变换的最佳值,得出最佳匹配,实验表明,该方法对三维局部相似目标匹配具有较好的识别效率,针对不规则三维曲面,能够保证较好的匹配速度.     

基于几何特征的在线手绘流程图识别

为减少绘图设计软件繁琐的操作步骤,提出基于图元几何特征的在线手绘流程图识别方法.该方法首先识别用户笔画线元,对识别出的线元进行拟合并记录其属性信息,然后以流程图基本图形为单位,利用构成图元的笔画几何特征及笔画间的几何关系识别具体图形.整个识别过程简单、快捷、准确性较高,对用户绘图笔画顺序无要求,适用于不同用户的绘图习惯.     

多特征融合的人体目标再识别

在非重叠的多摄像机监控系统中,人体目标再识别是需要解决的主要问题之一。针对当前人体目标再识别使用目标的外观统计特征或者通过训练获取目标特征时存在的问题,提出一种无需训练,对视角、光照变化和姿态变化具有较强鲁棒性的基于多特征的人体目标再识别算法。首先根据空间直方图建立目标整体外观表现模型对目标进行粗识别,之后将人体目标分为3部分,忽略头部信息,分别提取躯干和腿部的主色区域的局部颜色和形状特征,并通过EMD(earth movers distance)距离进行目标精识别。实验结果表明,本文算法具有较高的识别率,且不受遮挡和背景粘连的影响。     

一种改进的特征点匹配局部遮挡目标识别算法

图像的目标识别是图像处理与模式识别领域一个重要的研究方向,它在安全监控、医疗渗断等领域得到了越来越广泛的应用,传统算法能够准确地识别背景简单、无遮挡的目标,然而对于存在局部遮挡的目标常常会出现虚警或漏报．针对这一问题,木文提出了一种改进的基于特征点匹配的目标识别算法．该算法利用harris角点检测对特征点进行初步提取,通过对已得特征点的概率密度的有效性估计来对其进行精准提取,进而实现对局部遮挡的目标的有效识别．实验表明：本文算法实时性较好,能很好的解决局部遮挡的目标识别问题．     

基于局部特征的汽车识别

提出了一种自动检测和识别汽车类型的方法。该方法分为两个阶段,首先,用Adaboost的学习算法检测图片中是否有正面的汽车并得到车辆的头部区域。第二,对车辆头部区域,提取SURF局部特征,并与数据库中的特征相匹配,跟据匹配的结果得到车辆的类型。在实验中,对821幅图片进行测试,其中包含48个不同类型的汽车,该算法正确识别率是81.6%。     

基于尺度不变特征的目标识别与跟踪方法

针对复杂电磁环境下目标实时识别追踪的复杂性和多样性, 利用图像配准技术提出了一种基于尺度不变特征的目标识别与跟踪方法, 有效地反映了目标图像的特征分布, 提高了跟踪与识别系统的可靠性。实验表明, 当目标进行较大角度改变和背景发生剧烈变化时, 该方法能有效减小目标跟踪误差, 精确识别目标位置, 提高目标跟踪精度。     

基于局部特征的自适应加权2DPCA的人脸识别

针对二维主成分分析(2DPCA)提取的是人脸的全局特征,但局部特征对人脸识别的作用非常大,提出了一种基于局部特征的自适应加权2DPCA。该算法首先根据局部特征把人脸图像分为上中下三个独立的子块,2DPCA应用到每个子块,自适应地计算出每个子块对识别的不同预期贡献,并把此预期贡献值作为子块权重加权到分类器中以提高识别率,实验结果证明了此算法的有效性和可行性。     

融合局部特征和全局特征的手指静脉识别方法

手指静脉识别是利用人体手指静脉结构的唯一性实现个体身份认证,具有高度安全和使用便捷等优点。为了进一步提高手指静脉识别系统的性能,提出了一种融合局部特征和全局特征的手指静脉识别方法。应用局部二元模式方法提取手指静脉局部特征,利用海明距离计算匹配得分;应用双向两维主成分分析方法提取手指静脉全局特征,利用欧式距离计算匹配得分;在得分级上融合二者的匹配得分以产生识别结果。实验结果表明,局部特征与全局特征具有较好的互补性,有效地提高了识别精度。     

Face recognition with local steerable phase feature

In this paper, we propose a novel local steerable phase (LSP) feature extracted from the face image using steerable filters for face recognition. The new type of local feature is semi-invariant under common image deformations and distinctive enough to provide useful identity information. Phase information provided by steerable filters is locally stable with respect to scale changes, noise and brightness changes. Phase features from multiple scales and orientations are concatenated to an augmented feature vector which is used to evaluate similarity between face images. We use a nearest-neighbor classifier based on the local weighted phase-correlation for final classification. The experimental results on FERET dataset show an encouraging recognition performance.     

自然场景中基于局部轮廓特征的对象识别方法

在自然场景下,受背景纹理及光线影响,很难提取到对象完整的轮廓,提出了一种基于局部轮廓特征的识别方法。提取图像的边缘线段,进行基于关键点的分裂与基于Gestalt感知定律的断续线段的合并处理,得到不同方位的独立直线段。分析2或3相邻线段构成的轮廓特征,通过线段之间夹角、长度和线段的向量对2相邻直线段构成轮廓特征的语义模型定义。分解对象的整体模板轮廓,手动绘出2或3相邻直线段所组成局部轮廓特征的样本,结合2相邻直线段语义模型与手动绘出的样本从线段夹角、长度以及对应线段向量之间的关系进行匹配,实现2或3相邻直线段组成局部轮廓特征的检测。求出所检测局部轮廓特征的位置点进行聚类实现对象的识别。通过对直无人机巡检所拍摄的输电线路图像处理,验证了这种方法能有效识别间隔棒和防震锤部件。     

自然场景中基于局部轮廓特征的类圆对象识别方法

在自然场景下,受背景纹理、遮挡、光线影响,不容易提取到对象完整的轮廓,为此,提出了一种基于局部轮廓特征的识别方法,该局部轮廓特征是由直线和曲线组成的2相邻轮廓片段特征(2AS)。首先,分析相邻片段之间的夹角、片段的长度和弯曲强度,定义2AS的语义模型;接着,依据2AS之间的相对位置关系定义2AS相互关系模型,分别描述对象的2AS特征和2AS之间的相互关系;然后,使用对象模板的2AS的语义模型与测试图像中的2AS特征进行初步匹配,接着依据对象模板的2AS相互关系模型进行精确匹配;最后,根据对象模板的2AS相互关系模型检测到的成组2AS进行重复性聚类,并根据对象模板的2AS相互关系模型对聚类的对象判决。与使用近似直线片段组成的2AS特征算法的对比实验结果证明,该算法对输电线路中均压环部件的识别具有较高的正确率、较低的误检率和漏检率,从而更为有效地识别均压环部件。     

基于加权紧凑局部图结构的人脸识别算法

针对局部图结构算法(local graph structure,LGS)构建图结构时用到的像素点距离中心像素太远,以及在图结构形成后分配权重时没有结合周围像素点到中心像素的距离因素问题,提出加权紧凑局部图结构(weighted compact local graph structure,WCLGS)算法。该算法定义了一种混合特征提取策略,从四个方向为中心像素点构建图结构,分别在垂直方向和对角线方向捕获对称和非对称信息,并且在图结构形成后对距中心像素点近的边赋较大的权重,对距中心像素点远的边赋较小的权重。WCLGS通过提取更近的像素点信息和合理的加权策略,密切关注中心像素点的近邻元素的差异,使得中心点两侧的信息提取更加均匀充分。实验证明,与现有的一些局部图结构算法相比,WCLGS在ORL(Olivetti Research Laboratory)、AR(active record)和HD(high definition)热红外人脸数据库上有更好的识别率和性能。     

精确局部特征描述的表情识别

目的 针对传统局部特征提取方法在表情识别上的局限性,提出一种精确局部特征描述的表情识别方法。方法 首先将人的眉毛、眼睛和嘴巴3个对表情识别起关键作用的器官分割出来,使得特征描述更具有针对性。然后,构造充分矢量三角形以统计图像的轮廓特征与细节特征。最后,对于不同的表情器官采用不同尺度的充分矢量三角形描述,对于同种表情器官采用多种尺度的充分矢量三角形联合描述,从而充分描述关键器官的图像信息。结果 该算法在日本女性表情人脸库(JAFFE)、cohn-kanade库(CK)以及Pain expressions库上进行实验,分别取得了95.67%、97.83%、84.0%的平均识别率以及11.70 ms、30.23 ms、11.73 ms的平均特征提取时间,实验结果表明,精确局部特征描述的表情识别方法可以较快、较准确的进行人脸表情识别。结论 精确局部特征描述的表情识别方法通过器官的分割以及充分矢量三角形模式的构造与灵活运用,良好地表达了图像的局部特征且具有较低的时间复杂度,本文算法与目前典型的表情识别算法的实验对比结果也表明了本文算法的有效性。