一种基于多种特征值提取的目标识别方法

左 阳

（河南工学院，河南 新乡 453003）

一种基于多种特征值提取的目标识别方法

左 阳

（河南工学院，河南 新乡 453003）

目标跟踪系统中如何有效地在复杂环境内快速准确识别可疑目标是一个关键问题。文章基于多特征值提取的方式提出一种目标识别方法，该方法提取色矩特征、身高特征、基于 Hough变换步态特征、SIFT特征和纹理特征的特征值，然后按照权重关系将多特征值形成向量和可疑目标特征向量进行比较实现目标识别的目的。实验结果表明该方法可以提高目标识别的精确度。

目标识别；多特征提取；权重关系

随着社会科技的发展，监控摄像机的目标跟踪系统对可疑目标识别提出了更高的要求，如何在复杂环境内快速准确的识别可疑目标成为关键问题［1］。当前学者研究该问题主要集中于研究多特征值的提取方法和新的单特征值提取方法两个方面［2］。

本文研究主要基于多特征值提取的方法提出一种目标识别方法，该方法是提取色矩特征、身高特征、基于Hough变换步态特征、SIFT特征和纹理特征的特征值，然后按照权重关系将多特征值形成向量和可疑目标特征向量进行比较实现目标识别的目的。

1　特征值的提取方法

本文提出的方法首先根据背景差分减除法获得视频段内的所有运动目标，用户通过观察确定可疑目标以后，提取可疑目标的特征值，如色矩特征、身高特征、SIFT特征和纹理特征等，然后将特征值组合对目标进行识别。

背景差分减除法：背景差分方法是以一幅参考图像为背景图像，将当前图像与背景图像相减，从而提取前景运动物体。如果参考图像选取得当，就能充分显示背景差分算法的优点，快速准确地分割出图像中的运动物体［3］。

色矩特征M：图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此仅采用颜色的一阶矩（mean）、二阶矩（variance）和三阶矩（skewness）就足以表达图像的颜色分布。与颜色直方图相比，该方法的另一个好处在于无需对特征进行向量化。因此，图像的颜色矩一共只需要9个分量（3个颜色分量，每个分量上3个低阶矩），与其他的颜色特征相比是非常简洁的。

身高特征T：针孔相机模型如图1所示，图像Q和实际物体P存在如下的关系：

图1　针孔相机模型

首先选择一个目标高度P和图像Q，根据公式（1）通过定标的方法得到焦距f。然后当目标再次出现时，可以根据目标图像的位置，按照几何关系反算出其高度。

基于Hough变换步态特征H：步态是一种描述人走路方式的方法。罪犯或许会给自己化装，或者防止身上的任何物品掉落在作案现场，但有样东西他们是很难控制，这就是走路的姿势。该算法从腿部的运动进行身份识别。对于背景减除算法检测过的运动对象，在经过处理的二值图像序列中，利用边界跟踪算法获取对象边界。在对象边界图像上，局部应用Hough变换检测大腿和小腿的直线，从而得到大腿和小腿的倾斜角。用最小二乘法将一个周期内的倾斜角，拟合成 5阶多项式，按照 Fourier级数展开后得到相位与振幅的乘积，将该乘积定义为低维步态特征向量［4，5］。

收稿日期：2016-04-28

基金项目：河南省教育厅科学技术研究重点项目（15A510022）

作者简介：左阳（1984―），男，河南新乡人，硕士，主要从事通信技术、信息处理技术、模式识别技术研究。

Gabor纹理特征 G：纹理指存在于图像中某一范围内很小的形状，且具有半周期性或规律排列的图案。图像判读中常使用纹理表示图像的均匀、细致、粗糙等现象。Gabor频谱法是公认的图像识别的优秀算法之一，其中Gabor滤波器可以被视为方向和尺度均可以变化的边缘和直线的检测器。该算法可以对一个给定的区域中微特征进行统计，用来表示基本的纹理信息［6，7］。

SIFT特征S：SIFT特征是图像的局部特征，对平移、旋转、尺度缩放、亮度变化、遮挡和噪声等具有良好的不变性，对视觉变化、仿射变换也保持一定程度的稳定性，且独特性好，信息量丰富，适用于在海量特征数据库中、快速、准确地匹配信息。该方法具有多量性的特点，即使少数的几个物体也可以产生大量SIFT特征向量。算法在运算速度上相对较快，经优化的SIFT匹配算法甚至可以达到实时的要求［8］［9］。

所以，以上的特征可以通过权重关系获得最终的特征向量，公示如下所示：

最后，两个目标V1、V2比较相似度，公示如下所示，

2　实验

本文按照提出的方法进行实验，将该目标识别方法作为监控系统的模块在新疆乌市某小区内进行目标识别实验，实验中每个监控摄像机都是在实际复杂环境情况下。实验结果如图2～图4所示。

图2　南三巷-3摄像机识别

图3　南四巷-7摄像机识别

图4 南四巷-8摄像机识别

图2是确定可疑目标，使用红框标注出来，并从南三巷4号点位开始跟踪；图3是当可疑目标进入南四巷7号点位时，摄像机根据目标特征对可疑目标进行识别，以红色框为标注，并自动弹出7号位视频；图4是当可疑目标从南四巷8号点位监控区域离开时，摄像机很具特征对可疑目标进行识别，以红框标注。从以上实验中可以看出本文提出的方法在实验中可以准确地识别可疑目标，在复杂环境下的应用具有可行性。

4　结语

本文提出一种基于多特征值提取的目标识别方法，该方法是提取色矩特征、身高特征、基于Hough变换步态特征、SIFT特征和纹理特征的特征值，然后按照权重关系将多特征值形成向量和可疑目标特征向量进行比较实现目标识别的目的。实验结果尽管表明该多特征值按照权重的方法进行处理可以提高目标识别的精确度，但多种特征值提取方法的使用会对计算复杂度提出更高的要求。另外特征值提取方法种类繁多，本文提出的特征值的组合仅仅是其中之一，还可以进行其他方法的组合提高识别的精确度。

（责任编辑 吕春红）

［1］ 李彤.智能视频监控下的多目标跟踪技术研究［D］.中国科学技术大学，2013.

［2］ 李平，魏仲慧.采用多形状特征融合的多视点目标识别［J］，光学精密工程，2014，（12）.

［3］ 张小骏，刘志镜.一种基于像素梯度信息的背景减除法［J］.计算机科学，2015，（08）.

［4］ 韦素媛.实用步态数据库的建立和步态特征提取与表征方法［D］.西安电子科技大学，2013.

［5］ 禹晶，段娟.一种基于 Hough变换的步态特征提取方法的研究［J］.中国图象图形学报，2005，（10）.

［6］ 夏瑜.基于结构的纹理特征及应用研究［D］ .中国科学技术大学，2014.

［7］ 赵泉华，高郡.基于区域划分的多特征纹理图像分割［J］.仪器仪表学报，2015，（11）.

［8］ 郭文静，李军.基于改进 SIFT的图像拼接算法［J］.工业控制计算机，2014，（11）.

［9］ 孙浪，唐雁.一种有效的多特征图像检索方法［J］ .西南大学学报（自然科学版），2014，（12）

A Target Recognition Method Based on A Variety of Eigenvalue Extraction

ZUO Yang
（Henan Institute of Technology， Xinxiang 453003， China）

It is a key problem that how to identify a suspicious target effectively in the target tracking system in complex environment. This paper presents a target recognition method based on a variety of eigenvalue extraction. This features of the color moment , height, transform gait characteristics based on Hough , SIFT and texture can be extracted. The features makes a result according to the relationship between weight . The result is compared with the results of the suspicious target characteristics for identify a target. The experimental results show that this method can improve the accuracy of target recognition.

target recognition; feature extraction; the relationship between the weight

TP391

A

1008–2093(2016)03–0026–03