买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：沈阳工程学院

摘要：本发明属于图像识别领域，为一种基于MRF超像素标记的人体姿态估计方法，将目标图像分割为若干特征相似的超像素图像块，采用超像素MRF模型对超像素图像块的部位标记；以一个超像素为步长完成整幅图像的遍历，将超像素中心作为姿态估计算法中矩形部位检测器的匹配中心，构建以超像素中心点为中心的矩形区域集合，获得目标图像的部位搜索空间；计算K个部位检测器与部位搜索空间内所有矩形的部位匹配分数。根据部位形变模型计算相邻部位的距离分数；将所有部位的部位匹配分数与距离分数相加得到总体姿态估计得分，选择总分最高的姿态作为各个部位的识别结果。解决姿态估计算法部位搜索效率低、易受背景和其他人体部位干扰的问题。

主权项：1.一种基于MRF超像素标记的人体姿态估计方法，其特征在于，该方法包括：将目标图像分割为若干特征相似的超像素图像块；采用超像素MRF模型对超像素图像块的部位标记；以一个超像素为步长完成整幅图像的遍历，将超像素中心作为姿态估计算法中矩形部位检测器的匹配中心，构建以超像素中心点为中心的矩形区域集合，获得目标图像的部位搜索空间；计算K个部位检测器与部位搜索空间内所有矩形的部位匹配分数，其中K为超像素个数；根据部位形变模型计算相邻部位的距离分数；将所有部位的部位匹配分数与距离分数相加得到总体姿态估计得分，选择总分最高的姿态作为各个部位的识别结果；采用超像素MRF模型对超像素图像块的部位标记包括：设图像I＝{V,E},VI＝{S1,S2,…,SN},Si为超像素图像块，EI＝{Si,Sj|Si与Sj为相邻区域}，每一超像素图像块与若干超像素图像块相邻，构建一个邻域系统；将一幅图像分割为由N个超像素图像块构成的集合，给出该集合中的第i个超像素图像块Si的标记空间中的一个标记值ci，若任意Si的标记值ci仅仅与它相邻图像块Si的标记值ci有关，而和其它非相邻图像块的标号值无关，则将该图像块集中标记值的集合作为马尔可夫随机场；将MRF后验概率的最大化问题转换为能量函数的最大化问题，采用下式表示： 转换为： 将条件概率PS|C和先验概率PC分别使用超像素特征函数和关系函数表示，得到： 其中，αSi,ci表示超像素特征函数，wi表示Si图像块的特征权重参数，通过训练获得，βSi,Sj,ci,cj表示Si与Sj关系的超像素关系函数，wij表示Si与Sj的关系权重参数，通过训练获得；完成得分函数ScoreI,S,C的最大化，获得最优超像素部位标记C；超像素关系函数βSi,Sj,ci,cj包括：颜色相似度的表示方法为： 其中，分别使用Si，Sj两个超像素的颜色直方图Yik，的交集衡量颜色相似度scSi,Sj；梯度相似度由两个超像素块的HOG直方图交集表示： 其中，梯度相似度stSi,Sj通过HOG直方图的交集表示；尺度由两个超像素在图像中的比例表示： 其中，ssSi,Sj为超像素的尺度信息，sizeSi、sizeSj、sizeI分别表示超像素块Si、Sj和整幅图像的像素个数；超像素的形状相似度由两个超像素的外接矩形框与其差值表示： 其中，sfSi,Sj为形状兼容性，sizeBBij为超像素Si和Sj的共同外接矩形像素个数；通过颜色、梯度、尺度以及形状特征相似度之和表示两个超像素的距离：dSi,Sj＝α·scSi,Sj+β·stSi,Sj+γ·ssSi,Sj+δ·sfSi,Sj其中，α、β、γ和δ分别表示四类特征相似度的调整参数；为了获得最大化的优化结果，超像素关系函数表示为：

全文数据：

权利要求：

百度查询： 沈阳工程学院 一种基于MRF超像素标记的人体姿态估计方法