配準采用的基于特征點的圖像配準方法具體流程如圖2所示:
[0043]①.初始輸入的圖像1，圖像2，是多視角圖像，根據(jù)多視角圖像檢測特征點，該步驟是將一種Harris仿射不變的特征點檢測方法應用于多視角圖像的特征點提取上。這種方法在檢測特征點的同時可以將其鄰域具有仿射不變的區(qū)域檢測出來，這樣為后續(xù)的特征描述提供了一個很好的保障，本發(fā)明利用這種檢測方法檢測出來的多視角圖像的特征點不僅具有良好的穩(wěn)定性，并且在后續(xù)的步驟中一并使用它檢測出來的鄰域的局部不變區(qū)域來進行特征描述。
[0044]上述Harris仿射不變的特征點檢測方法最好是Mikolajczyk K, SchmidC.Scale&affine invariant interest point detectors[J].1nternat1nal Journal ofComputer Vis1 一文中提出的一種改進的Harris仿射不變的特征點檢測方法。
[0045]②.歸一化特征不變的區(qū)域，根據(jù)第①步檢測出來的特征點以及它的特征不變區(qū)域，將該局部區(qū)域進行歸一化，歸一化的目的是使多視角圖像配準問題轉化為局部區(qū)域內只發(fā)生旋轉與平移的圖像配準問題。
[0046]③.描述特征點，對于第②步中歸一化的區(qū)域，本發(fā)明將一種改進的SIFT描述方法應用于對該區(qū)域進行特征描述上，這種改進的SIFT描述方法是目前最常被用來描述特征點的方法。本節(jié)首先介紹原始的SIFT描述方法，然后采用P.Moreno提出的一種改進SIFT描述子的方法對特征點進行描述，然后采用P.Moreno提出的在Improving the SIFTdescriptor with smooth derivative filter 一文中所指出的一種改進SIFT描述子的方法對特征點進行描述。該方法可以解決原有的SIFT特征描述方法中對噪聲敏感的問題。
[0047]④.匹配特征點，分別利用用歐氏距離與馬氏距離來進行特征點相似度的計算，以達到特征匹配的目的。
[0048]⑤.刪除誤匹配的點，本發(fā)明采用RANSAC算法來刪除誤匹配點，常用的幾何約束是極線約束關系。
[0049]⑥.計算變換矩陣，采用幾何變換矩陣對待配準圖像進行矩陣變換，最終，得到配準圖像，完成步驟2中的圖像配準。
[0050]3、建立感興趣區(qū)域
[0051]感興趣區(qū)域是利用整體圖像的梯度場和方向場確定的。
[0052]具體地，所述梯度場表示利用X方向與Y方向分別實現(xiàn)一階微分，求取振幅，實現(xiàn)圖像梯度效果；
[0053]具體地，所述方向場是指所有像素的水平梯度值與垂直梯度值乘積的兩倍的總和作為分子，所有像素的水平梯度值與垂直梯度值的平方差的總和作為分母，然后對商求反正切得到一角度值，這個角度值的一半作為該塊區(qū)域的方向，依次類推計算整個圖像所有分塊區(qū)域的方向；但分析痕跡紋理圖像場，我們發(fā)現(xiàn)痕跡紋理與背景的區(qū)分主要表現(xiàn)為痕跡紋理圖像的灰度和梯度，與背景的不同。痕跡紋理與背景的區(qū)分主要表現(xiàn)為痕跡紋理圖像的灰度和梯度與背景的不同；利用計算機將痕跡紋理的背景與痕跡紋理分割；
[0054]痕跡紋理強度場表示整體圖像的灰度值分布，間接代痕跡的留下來的明顯程度或拍攝痕跡的圖形輪廓的明顯程度。痕跡紋理強度場的取值分布可用灰度直方圖來表示，該灰度直方圖會形成兩個峰、一個谷，從谷的位置分開即可得到我們所要的感興趣區(qū)域。
[0055]4、閾值差分圖像
[0056]通過OSTU求取最大的閾值，然后以此為依據(jù)進行二值化。
[0057]5、生態(tài)學處理
[0058]腐蝕和膨脹，腐蝕是一種消除邊界點，使邊界向內部收縮的過程，可以用來消除小且無意義的物體。膨脹是將與物體接觸的所有背景點合并到該物體中，使邊界向外部擴張的過程，可以用來填補物體中的空洞。腐蝕和膨脹，均是較為常規(guī)的處理，增加人員痕跡花紋特征的聯(lián)通性，中值濾波得到最終的痕跡紋理。
[0059]此外，本發(fā)明的上述步驟①中圖像采集還可以是利用攝像頭采集的多幅痕跡圖像，直接對多幅痕跡圖像進行上述處理或先篩選再處理。
【主權項】
1.一種人員痕跡的提取方法，其特征在于:該提取方法包括以下步驟: a.圖像采集，利用至少兩個攝像頭在不同視角拍攝一個痕跡來分別采集痕跡圖像； b.圖像配準，將上述方法采集的至少兩幅痕跡圖像，基于特征點的圖像配準方法進行圖像配準；在圖像配準中，特征點的定位檢測以及特征點的描述是利用圖形局部不變特征提取方法來實現(xiàn)的； c.感興趣區(qū)域，利用整體圖像的梯度場和方向場確定痕跡紋理與背景圖像； 所述梯度場表示利用X方向與Y方向分別實現(xiàn)一階微分，求取振幅，實現(xiàn)圖像梯度效果; 所述方向場是指所有像素的水平梯度值與垂直梯度值乘積的兩倍的總和作為分子，所有像素的水平梯度值與垂直梯度值的平方差的總和作為分母，然后對商求反正切得到一角度值，這個角度值的一半作為該塊區(qū)域的方向，依次類推計算整個圖像所有分塊區(qū)域的方向；痕跡紋理與背景的區(qū)分主要表現(xiàn)為痕跡紋理圖像的灰度和梯度與背景的不同；利用計算機將痕跡紋理與背景分割； 而痕跡紋理強度場的取值分布可用灰度直方圖來表示；所述灰度直方圖形成兩個峰、一個谷，從谷的位置分開即可得到感興趣區(qū)域； d.閾值差分圖像，將所述感興趣區(qū)域通過OSTU算法求取最大的閾值，然后以此為依據(jù)進行二值化； e.生態(tài)學處理，腐蝕和膨脹，從而增加痕跡紋理特征的聯(lián)通性，中值濾波得到最終的痕跡圖像。
2.根據(jù)權利要求1所述的一種人員痕跡的提取方法，其特征在于: 所述人員痕跡包括足跡、指紋或掌紋。
3.根據(jù)權利要求1所述的一種人員痕跡的提取方法，其特征在于: 所述步驟b中的圖像配準包括以下步驟: bl.檢測特征點，所述步驟a采集的兩幀多視角痕跡圖像，利用一種Harris仿射不變的特征點檢測方法，提取所述檢測特征點，并且檢測出來的鄰域的局部不變區(qū)域來進行特征描述； b2.歸一化特征不變的區(qū)域，根據(jù)bl步檢測出來的檢測特征點以及它的特征不變區(qū)域，將所述局部區(qū)域進行歸一化； b3.描述特征點，對于所述b2步中歸一化的區(qū)域，將一種SIFT描述方法應用于對該區(qū)域進行特征描述上； b4.匹配特征點，分別用歐氏距離與馬氏距離來進行特征點相似度的計算，以達到特征匹配的目的； b5.刪除誤匹配的點，采用RANSAC方法來刪除誤匹配點； b6.計算變換矩陣，采用幾何變換矩陣對待配準圖像進行矩陣變換，最終，得到配準圖像。
4.根據(jù)權利要求1所述的一種人員痕跡的提取方法，其特征在于: 所述步驟a中圖像采集是利用攝像頭采集的多幅痕跡圖像。
5.根據(jù)權利要求2所述的一種人員痕跡的提取方法，其特征在于: 所述SIFT描述方法是一種改進的SIFT描述方法，其是在原始的SIFT描述方法基礎上 然后采用P.Moreno提出的一種改進SIFT描述子的方法對特征點進行描述。
【專利摘要】本發(fā)明涉及一種利用圖像采集和處理技術進行人員痕跡提取的提取方法。該方法主要由圖像采集、圖像配準、建立感興趣區(qū)域、閾值差分圖像和生態(tài)學處理等幾個步驟組成。圖像配準中，特征點的定位檢測和描述是利用圖形局部不變特征提取方法來實現(xiàn)；感興趣區(qū)域，利用整體圖像的梯度場和方向場確定痕跡紋理與背景圖像，再利用灰度強弱來建立；閾值差分圖像，將所述感興趣區(qū)域通過OSTU算法求取最大的閾值，然后以此為依據(jù)進行二值化；最后再生態(tài)學處理。這種人員痕跡的提取方法可以減少運算量，提高提取的準確度，并且適用與各類人員痕跡，適用性廣的優(yōu)點。
【IPC分類】G06K9-46
【公開號】CN104794476
【申請?zhí)枴緾N201510191305
【發(fā)明人】王亮
【申請人】杭州創(chuàng)恒電子技術開發(fā)有限公司
【公開日】2015年7月22日
【申請日】2015年4月21日