專利名稱：一種基于支持向量數(shù)據(jù)描述的三維目標(biāo)多視點(diǎn)視圖建模方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于支持向量數(shù)據(jù)描述的三維目標(biāo)多視點(diǎn)視圖建模方法，屬于模式識別領(lǐng)域，具體涉及到目標(biāo)識別、目標(biāo)建模和數(shù)據(jù)約簡等領(lǐng)域。用于三維目標(biāo)多視點(diǎn)建模，適用于不同視點(diǎn)下目標(biāo)圖像差異導(dǎo)致的單一目標(biāo)視圖描述不能識別目標(biāo)的問題。
背景技術(shù)：
三維目標(biāo)識別是計(jì)算機(jī)視覺領(lǐng)域內(nèi)一個重要的研究方向。目前在實(shí)際應(yīng)用中獲取目標(biāo)的三維信息往往十分困難，識別三維目標(biāo)仍然主要通過識別目標(biāo)二維投影形成的圖像完成。目標(biāo)二維成像(投影)過程導(dǎo)致了部分信息丟失，且在不同視點(diǎn)下，復(fù)雜目標(biāo)的外形差異明顯，使得快速穩(wěn)定的三維目標(biāo)識別難度很大。通過對三維目標(biāo)進(jìn)行建模以形成對目標(biāo)外形的全面描述，是解決該問題的手段之一。這就需要研究三維目標(biāo)的多視點(diǎn)視圖建模方法。直觀的想法是將多個視點(diǎn)下對目標(biāo)圖像的描述綜合起來作為目標(biāo)的描述。然而對于同一目標(biāo)，其姿態(tài)數(shù)目無法窮舉，不同描述間也包含了很多冗余信息。因此，需要在約簡冗余描述的同時盡可能保留重要的描述。三維目標(biāo)多視點(diǎn)視圖建模方法一般分為兩類第一類方法是基于目標(biāo)幾何結(jié)構(gòu)和可見關(guān)系的視點(diǎn)球面分割算法，主要基于目標(biāo)圖像的幾何拓?fù)涮卣?，最終得到的建模結(jié)果是關(guān)于目標(biāo)的多姿態(tài)特征視圖集。但這類方法對目標(biāo)特征視圖集的構(gòu)建依賴于目標(biāo)的幾何結(jié)構(gòu)和特征，一般只能針對一定復(fù)雜程度的某一類特定物體，如回轉(zhuǎn)體、二次曲面體等，實(shí)際中難以應(yīng)用。第二類方法是基于目標(biāo)特征相似度的聚類算法，將在視點(diǎn)球面上均勻采樣得到的目標(biāo)圖像用特征向量描述，并對特征向量集進(jìn)行聚類，將最終得到的少量目標(biāo)特征向量作為建模結(jié)果。但這類算法存在一些明顯的缺點(diǎn)一是需要知道聚類的類別數(shù)，這一般難以事先確定；二是得到的特征視圖在進(jìn)行最近鄰分類時無閾值，只能強(qiáng)制劃分到某一類中，不能拒絕數(shù)據(jù)。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于支持向量數(shù)據(jù)描述的三維目標(biāo)多視點(diǎn)視圖建模方法，它針對不同視點(diǎn)下目標(biāo)圖像差異導(dǎo)致的單一目標(biāo)視圖描述不能識別目標(biāo)的缺點(diǎn)，構(gòu)建了一種描述數(shù)量小、冗余信息少、能較好描述目標(biāo)全姿態(tài)特征向量集的三維目標(biāo)多視點(diǎn)視圖建模方法。其技術(shù)方案如下本發(fā)明一種基于支持向量數(shù)據(jù)描述的三維目標(biāo)多視點(diǎn)視圖建模方法，它包括以下步驟步驟一獲取測試目標(biāo)的全姿態(tài)圖像。將目標(biāo)置于視點(diǎn)球中心，目標(biāo)姿態(tài)變化等效于攝像機(jī)在視點(diǎn)球面上的不同點(diǎn)觀察目標(biāo)。在視點(diǎn)球面上均勻采樣，獲取數(shù)量為N的三維目標(biāo)的全姿態(tài)圖像集。步驟二 從獲取的全姿態(tài)圖像集中提取目標(biāo)特征向量集合IxiIi = 1,2,…N}。步驟三求取在高維空間內(nèi)包含盡可能多目標(biāo)特征向量的最小超球體相關(guān)參數(shù)，得到的數(shù)量較少的支持向量將作為目標(biāo)多視點(diǎn)視圖的最佳建模結(jié)果。其中，步驟一所述的獲取測試目標(biāo)的全姿態(tài)圖像，具體實(shí)現(xiàn)過程如下首先創(chuàng)建需要進(jìn)行多視點(diǎn)視圖建模的目標(biāo)三維模型。然后將目標(biāo)模型置于假想視點(diǎn)球的球心，由于目標(biāo)姿態(tài)變化等效于攝像機(jī)在視點(diǎn)球面上的不同點(diǎn)觀察目標(biāo)，因此獲取攝像機(jī)觀察視點(diǎn)的過程即為劃分視點(diǎn)球面的過程。采用類似劃分地球經(jīng)緯度的方式，以相同間隔均勻劃分視點(diǎn)球面，并在對應(yīng)的劃分點(diǎn)處對目標(biāo)成像，即可獲取目標(biāo)全姿態(tài)圖像集。其中，步驟三所述的求取在高維空間內(nèi)包含盡可能多目標(biāo)特征向量的最小超球體相關(guān)參數(shù)，得到目標(biāo)多視點(diǎn)視圖的最佳建模結(jié)果，具體實(shí)現(xiàn)過程如下 在特征空間中，定義一個包含目標(biāo)全姿態(tài)特征向量集合且封閉的超球體。該超球體由球心a和半徑R表征。SVDD算法通過最小化R2來求取包含盡可能多數(shù)據(jù)點(diǎn)的最小超球體，以對含有目標(biāo)全姿態(tài)外形信息的特征向量集進(jìn)行描述。考慮到可能在特征向量集中出現(xiàn)的異常點(diǎn)，數(shù)據(jù)點(diǎn)到球心的距離可能不嚴(yán)格小于半徑，求取最小超球體的過程可表述為以下優(yōu)化問題min(廠(八).a) = R1 + (.[(1)
I約束條件為\\Xi-af < R2+ ^,Vi(2)4 > 0,V/(3)使用拉格朗日乘子法求解得到L(HmA)=H2 + - (^2+ -(!KU2+N2))(4)
IIK}I令該泛函對R，a，I1偏導(dǎo)數(shù)為0，可得^ = 0: =丨(5)
CKi; = 0: a = YaiXi(6)
(、a^ '7^ = 0: C-a,=0(I)求解⑷的對偶最大化問題,可有L = Ha ( 、‘)-Zaiai U x,)(8)
i約束條件為y , = K0<a, <r(9)
i當(dāng)a i>0時對應(yīng)的特征向量將位于超球體邊界附近，成為描述特征向量集合的必要成分，即為目標(biāo)多視點(diǎn)視圖的最佳建模結(jié)果。其中，采用核函數(shù)K(Xi，Xp代替內(nèi)積可以得到更加靈活的柔性數(shù)據(jù)描述。
本發(fā)明具有的優(yōu)點(diǎn)是通過求解在特征空間包含大多數(shù)目標(biāo)全姿態(tài)圖像集特征向量的最優(yōu)柔性超球體邊界來描述目標(biāo)，方法通用性強(qiáng)，不需要事先知道聚類的類別數(shù)，并且優(yōu)化后得到的超球體參數(shù)R可以作為最近鄰分類器閾值，克服了一般情況下最近鄰分類無法得到合理的分類閾值，不能拒絕待分類目標(biāo)特征向量的問題。


圖I為本發(fā)明的處理流程圖；圖2為本發(fā)明中涉及的視點(diǎn)球劃分示意圖；圖3為本發(fā)明的建模結(jié)果示意具體實(shí)施例方式本發(fā)明針對三維目標(biāo)多視點(diǎn)視圖建模問題，提出了一種基于支持向量數(shù)據(jù)描述的三維目標(biāo)多視點(diǎn)視圖建模方法。見圖1，本發(fā)明一種基于支持向量數(shù)據(jù)描述的三維目標(biāo)多視點(diǎn)視圖建模方法，它包括以下步驟步驟一獲取測試目標(biāo)的全姿態(tài)圖像。將目標(biāo)置于視點(diǎn)球中心，目標(biāo)姿態(tài)變化等效于攝像機(jī)在視點(diǎn)球面上的不同點(diǎn)觀察目標(biāo)。在視點(diǎn)球面上均勻采樣，獲取數(shù)量為N的三維目標(biāo)的全姿態(tài)圖像集。步驟二 從獲取的全姿態(tài)圖像集中提取目標(biāo)特征向量集合IxiIi = 1，2，…N}。步驟三求取在高維空間內(nèi)包含盡可能多目標(biāo)特征向量的最小超球體相關(guān)參數(shù)，得到的數(shù)量較少的支持向量將作為目標(biāo)多視點(diǎn)視圖的最佳建模結(jié)果。首先，獲取目標(biāo)全姿態(tài)圖像需要創(chuàng)建待建模的目標(biāo)三維模型。見圖2，將目標(biāo)模型置于視點(diǎn)球的球心。視點(diǎn)球是定義在三維歐氏空間中的假想單位球，不同視點(diǎn)下目標(biāo)的成像過程可看作目標(biāo)以球心為起點(diǎn)向不同方向投影的過程，視點(diǎn)球面上每一點(diǎn)P對應(yīng)一個投影方向向量P，沿投影方向P的正交投影對應(yīng)于從視點(diǎn)球面上P點(diǎn)看目標(biāo)。因此獲取攝像機(jī)觀察視點(diǎn)的過程即為劃分視點(diǎn)球面的過程。采用類似劃分地球經(jīng)緯度的方式，以相同間隔均勻劃分視點(diǎn)球面，并在對應(yīng)的劃分點(diǎn)處對目標(biāo)成像，即可獲取元素個數(shù)為N的目標(biāo)全姿態(tài)圖像集。采用合適的特征描述圖像中的目標(biāo)，進(jìn)一步得到描述該目標(biāo)全姿態(tài)外形信息的特征向量集合UiI i = 1,2, ---N} o在特征空間中，定義一個包含該集合且封閉的超球體。該超球體由球心a和半徑R表征。SVDD算法通過最小化R2來求取包含盡可能多數(shù)據(jù)點(diǎn)的最小超球體，以對含有目標(biāo)全姿態(tài)外形信息的特征向量集進(jìn)行描述。對于相同目標(biāo)不同姿態(tài)下對應(yīng)的特征向量而言，它們將包含于超球體的內(nèi)部。求取最小超球體的過程可表述為以下優(yōu)化問題min (F (R, a) =R2)(10)約束條件為jx^af < R2 y I(11)考慮到可能在特征向量集T中出現(xiàn)異常點(diǎn)，數(shù)據(jù)點(diǎn)到球心的距離可能不嚴(yán)格小于半徑，引入松弛變量D 0，上述問題變?yōu)?b>權(quán)利要求
1.一種基于支持向量數(shù)據(jù)描述的三維目標(biāo)多視點(diǎn)視圖建模方法，其特征在于它包括以下步驟 步驟一獲取測試目標(biāo)的全姿態(tài)圖像；將目標(biāo)置于視點(diǎn)球中心，目標(biāo)姿態(tài)變化等效于攝像機(jī)在視點(diǎn)球面上的不同點(diǎn)觀察目標(biāo)，在視點(diǎn)球面上均勻采樣，獲取數(shù)量為N的三維目標(biāo)的全姿態(tài)圖像集； 步驟二 從獲取的全姿態(tài)圖像集中提取目標(biāo)特征向量集合IxiIi = 1,2, ...N}； 步驟三求取在高維空間內(nèi)包含盡可能多目標(biāo)特征向量的最小超球體相關(guān)參數(shù)，得到的數(shù)量較少的支持向量將作為目標(biāo)多視點(diǎn)視圖的最佳建模結(jié)果。
2.根據(jù)權(quán)利要求I所述的一種基于支持向量數(shù)據(jù)描述的三維目標(biāo)多視點(diǎn)視圖建模方 法，其特征在于步驟一所述的獲取測試目標(biāo)的全姿態(tài)圖像，具體實(shí)現(xiàn)過程如下首先創(chuàng)建需要進(jìn)行多視點(diǎn)視圖建模的目標(biāo)三維模型，然后將目標(biāo)模型置于假想視點(diǎn)球的球心，由于目標(biāo)姿態(tài)變化等效于攝像機(jī)在視點(diǎn)球面上的不同點(diǎn)觀察目標(biāo)，因此獲取攝像機(jī)觀察視點(diǎn)的過程即為劃分視點(diǎn)球面的過程；采用類似劃分地球經(jīng)緯度的方式，以相同間隔均勻劃分視點(diǎn)球面，并在對應(yīng)的劃分點(diǎn)處對目標(biāo)成像，即獲取目標(biāo)全姿態(tài)圖像集。
3.根據(jù)權(quán)利要求I所述的一種基于支持向量數(shù)據(jù)描述的三維目標(biāo)多視點(diǎn)視圖建模方法，其特征在于步驟三所述的求取在高維空間內(nèi)包含盡可能多目標(biāo)特征向量的最小超球體相關(guān)參數(shù)，得到目標(biāo)多視點(diǎn)視圖的最佳建模結(jié)果，具體實(shí)現(xiàn)過程如下 在特征空間中，定義一個包含目標(biāo)全姿態(tài)特征向量集合且封閉的超球體，該超球體由球心a和半徑R表征，SVDD算法通過最小化R2來求取包含盡可能多數(shù)據(jù)點(diǎn)的最小超球體，以對含有目標(biāo)全姿態(tài)外形信息的特征向量集進(jìn)行描述；考慮到可能在特征向量集中出現(xiàn)的異常點(diǎn)，數(shù)據(jù)點(diǎn)到球心的距離可能不嚴(yán)格小于半徑，求取最小超球體的過程表述為以下優(yōu)化問題
全文摘要
一種基于支持向量數(shù)據(jù)描述的三維目標(biāo)多視點(diǎn)視圖建模方法，它有三大步驟一獲取測試目標(biāo)的全姿態(tài)圖像。二從獲取的全姿態(tài)圖像集中提取目標(biāo)特征向量集合{xi|i＝1，2，...N}。三使用支持向量數(shù)據(jù)描述(SVDD)方法表征從圖像中提取的特征向量在特征空間中的分布，將得到的少量且具有充分代表性的特征向量作為目標(biāo)的多視點(diǎn)視圖建模結(jié)果。本發(fā)明針對不同視點(diǎn)下目標(biāo)圖像差異導(dǎo)致的單一目標(biāo)視圖描述不能識別目標(biāo)的問題，提出了一種冗余信息少、能較好描述目標(biāo)全姿態(tài)特征向量集的三維目標(biāo)多視點(diǎn)視圖建模方法。它在模式識別領(lǐng)域里具有較好的實(shí)用價值和廣闊的應(yīng)用前景。
文檔編號G06T17/00GK102682478SQ20121015088
公開日2012年9月19日 申請日期2012年5月15日 優(yōu)先權(quán)日2012年5月15日
發(fā)明者丁昊, 李旭東, 趙慧潔 申請人:北京航空航天大學(xué)