为实现全景视场下人体行为特征的有效提取, 在原始形状上下文特征匹配算法的基础上, 提出一种基于自适应分块思想的金字塔匹配核算法.结合光学成像原理及全景视场下人体投影特点, 计算图像二阶中心矩对人体轮廓主轴方向进行补偿.然后对轮廓点进行均匀采样, 对各采样点提取形状上下文特征, 在匹配过程中分析高维特征空间中采样点的分布特点, 采用自适应分块的思想对金字塔匹配核函数的收敛策略进行改进, 根据各维度上数据的分布范围自适应地调整收敛系数, 以保证各个维度上的点集收敛速度一致.最后通过室内摔倒检测实验来验证算法的可靠性, 使用K均值聚类方法进行识别, 识别率可达92.9%.该特征提取算法为智能监控系统的稳定性提供了保障.
特征匹配 图像二阶矩 形状上下文 金字塔核函数 Feature matching Second moment Shape context Pyramid match kernel 光子学报
2017, 46(12): 1210001