特征集：闭区域外形凹凸描述符及其在运动路径中的应用

2023-06-16 理论教育版权反馈

【摘要】：一种表示闭区域外形凹凸描述符如图6.4所示[172]。为了避免维缩减过程，将360°方向划分为8个扇区，如图6.4所示。引用Hu的7个矩作为形状与前述特征不同的表示，它们是m20～m26。图6.6几个从右到左运动的行为的路径

从差分序列图像或者从全前景图像中提取若干基于表观的特征，这些提取的特征接下来会用来比较对行为识别的有效性，也会被用于投票方法的比较中。这些特征最终被表示为31值的向量M=（m1，m2，...，m31），本节接下来详细描述。这些值被规划为10个类，表示为（F1，F2，...，F10）。为了减少镜头远近的影响，这些特征将利用正立的最小外接矩形（Upright Minimum Bounding Rectangle，UMBR）的参数进行标准化。UMBR是一个内接全部前景区域并且与坐标轴平行的矩形，请注意与前述的MBR不同[152]。本章中利用UMBR进行标准化是假设视频中人的行为是垂直于水平线进行的。

1.F1：8扇区的轮廓特征

轮廓是表观特征中表示形状的重要特征。一种表示闭区域外形凹凸描述符如图6.4（a）所示[172]。描述符的值由形心到轮廓上的每个点的距离确定，图中带有箭头的线段表示从质心到边界上某一点的距离。为了避免维缩减过程，将360°方向划分为8个扇区，如图6.4（b）所示。图中坐标为行列坐标（col，row），原点设在前景区域的质心。每个扇区中，计算质心到边界的最大距离，图中显示的3个带有箭头的线段表示第2、第3、第4扇区的最长距离。之后，这个距离要除以UMBR的长对角线长度，以进行标准化。这样获得了m1～m8，粗略表达运动时部位的伸缩。由于光线、遮蔽等影响，获取的全景图像，或者获取的差分图像中的前景区域有可能含多块分离的区域。在本章中，分离的块将作为整体进行质心、面积、UMBR的计算。

2.F2：8扇区像素分布描述符

如图6.4（b）所示中8扇区的像素计数用于描述8个方向的像素分布。设A是前景区域的面积，8个方向计数值除以A来标准化，结果是m9～m16。

3.F3：主轴方向

主轴可近似表达运动时身体的角度、重心和对称信息，且对噪声不敏感[173]。对于一幅前景图像，主轴可以由式（6.1）计算，其结果值表示前景主轴与水平向右的x-轴逆时针方向的夹角。M11、M02和M20是中心矩。通过±π/2使结果调整到0～π之间，这个值就是m17。如图6.5所示显示了7个图像和它们前景的主轴，其主轴值分别是：1.6341、1.6276、1.6268、1.6124、1.5894、1.5853、1.5747。

pagenumber_ebook=93,pagenumber_book=88

图6.4　一种形状描述符

（a）一种闭区域形状描述符；
（b）将行列坐标原点设置在形心，方向划分成八扇区后的形状描述符

pagenumber_ebook=93,pagenumber_book=88

图6.5　“走”的7个前景图像和它们的主轴

4.F4：相对质心运动

视频中运动物体的路径提供位置和速度信息。在室外监控视频中的运动路径用以表达简单的事件，如一个人从入口A移动到入口B[174]。利用视频帧之间前景质心的相对位置序列表示路径。因为第1帧之前没有位置信息，所以路径的初始值设为（0，0）。相对位置是（m18，m19）。如图6.6所示显示了几个行为的运动路径。

5.F5：Hu矩

Hu提出了7个对位置、缩放和旋转不变的矩的计算方法[175]。Hu矩在目标识别中有较好效果。引用Hu的7个矩作为形状与前述特征不同的表示，它们是m20～m26。

6.F6，F7，F8，F9，F10：其他表观特征

依据Hota等人测试过的几个表观特征，设计出F6，F7，F8，F9和F10，说明如下：

F6，填充率。填充率是前景面积A与UMBR面积的比值，设为m27。

F7，高宽比。是UMBR的高与宽的比值，设为m28。

F8，紧密度（C）。表达前景区域的紧密程度，用计算。P是前景区域的周长，设为m29。