发明名称 |
基于扩展的活动形状模型的实时特征点检测方法与系统 |
摘要 |
本发明涉及一种基于扩展的活动形状模型的实时特征点检测方法与系统,所述的方法包括以下步骤:训练模块基于已有的特征点数据库使用扩展的活动形状模型进行训练产生训练模型;匹配模块基于训练模型使用扩展的活动形状模型对新的图片进行匹配处理,将匹配结果通过特征点标记模块添加入特征点数据库或进行进一步处理;测试模块测试匹配结果,并判断匹配处理方法的准确率和速度情况;所述的系统包括用于完成特征点的多模式标记工作特征点标记模块、产生训练模型的训练模块、对新的图形进行匹配的匹配模块和用于测试匹配结果判断匹配方法的准确率和速度情况的测试模块。与现有技术相比,本发明具有提高匹配准确度、降低特征点检测过程复杂度等优点。 |
申请公布号 |
CN102831388B |
申请公布日期 |
2015.10.14 |
申请号 |
CN201210163132.7 |
申请日期 |
2012.05.23 |
申请人 |
上海交通大学;上海交网信息科技有限公司 |
发明人 |
王加俊;张帆;徐礼爽;陈刚;申瑞民 |
分类号 |
G06K9/00(2006.01)I;G06K9/62(2006.01)I |
主分类号 |
G06K9/00(2006.01)I |
代理机构 |
上海科盛知识产权代理有限公司 31225 |
代理人 |
赵继明 |
主权项 |
一种基于扩展的活动形状模型的实时特征点检测方法,其特征在于,该方法包括以下步骤:A、训练模块基于已有的特征点数据库使用扩展的活动形状模型进行训练产生训练模型;B、匹配模块基于训练模型使用扩展的活动形状模型对新的图片进行匹配处理,将匹配结果通过特征点标记模块添加入特征点数据库或进行进一步处理;C、测试模块测试匹配结果,并判断匹配处理方法的准确率和速度情况;所述的步骤B中的匹配处理包括两个方面:a)局部范围内搜索最优点:在垂线方向、切线方向、45度角方向和135度角方向上搜索最优点,通过多次迭代不断向最优的方向移动,在profile上用马氏距离<img file="FDA0000698754170000011.GIF" wi="572" he="88" />计算其最优点的位置,从而确定下一次迭代过程中的方向,其中profile是指特征向量,g<sub>s</sub>为profile上的最优点,g<sub>i</sub>是profile上的一点,<img file="FDA0000698754170000012.GIF" wi="53" he="86" />是n个点的平均值,s是由公式<img file="FDA0000698754170000013.GIF" wi="526" he="136" />得到的协方差矩阵;b)全局范围内搜索最优点:将形状特征向量的参数限定在<img file="FDA0000698754170000014.GIF" wi="379" he="96" />范围内搜索最优点,λ<sub>i</sub>表示特征向量所对应的特征值;所述的进一步处理包括将匹配的特征点用于物体种类识别和人脸表情识别;所述的步骤C中具体为:将匹配所得特征点结果与人工标记结果进行对比,得出平均每个特征点的像素偏移量,从而判断匹配的准确率。 |
地址 |
200240 上海市闵行区东川路800号 |