论文部分内容阅读
基于属性的人物图像检索技术是图像检索领域中一个前沿的研究课题，在网络图像检索、个人相册管理和智能监控等领域有着良好的应用前景。传统的人物图像检索技术有基于文本和基于内容两种主要方式，但还不能完全满足某些实际应用的需求，如通过人物的表情、服装的颜色和款式等对人物图像进行检索。近年来研究者提出基于属性的人物图像检索技术，主要关注检索对象的面部属性。当检索属性涉及人体其他部位时，面临两个难点:一是人体部位的检测与分割问题，二是人物属性自动提取问题。 针对上述难点问题，本文对人体部位检测与分割和人物属性提取这两项关键技术展开深入研究，取得如下研究成果: 1.基于MSER分析的肤色检测方法 肤色信息是人物属性提取中一类重要的信息源。现有肤色检测方法未有效利用肤色区域信息，检测准确率不高。综合分析现有不同肤色检测方法的优缺点，本文提出一种基于最稳定极值区域(MSER)分析的肤色检测方法。首先通过面部颜色判断光照是否正常，得到稳定的、适应光照变化的肤色模型。然后引入纹理模型以有效排除类肤色背景。最后提出改进的MSER分析完成肤色区域的检测与分割。与八种现有方法的比较实验表明，所提出方法的性能优于现有方法，且可以有效应对光照条件的变化。 2.融合显著性分析与图割的姿势无关躯干分割方法 躯干分割是上身服装颜色等人物属性提取的基础，人体姿势的多样性给躯干的分割带来很大挑战，现有的躯干分割方法不能有效应对姿势的变化。本文提出一种融合视觉显著性分析与图割的躯干分割方法。首先基于非肤色视觉显著性分析实现与姿势无关躯干种子区域定位，然后基于超像素方法对种子区域进行有效矫正，最后通过图割模型对种子区域进行扩展得到躯干区域。实验结果表明，所提出方法能较好适应多种多样的人体姿势，与现有方法相比，在相同查全率下，查准率增幅达10％。 3.基于空间关系约束图割模型的人体分割方法 服装款式是人物属性检索的重要手段之一，对服装款式属性等的提取涉及人体上臂和前臂等灵活性较高的部位，目前分割准确率较低。本文提出一种基于空间关系约束图割模型的人体分割方法。首先利用人体结构的互补性构建人体部位概率图，该概率图可以有效表达像素点与人体外观的相似概率，由该概率图可获得较准确的人体种子区域。然后，利用人体弱结构性约束构建基于空间关系约束的图割模型，得到人体分割结果。由于引入人体自身的上下文信息——互补性和弱结构性约束，所提方法可以有效减低姿势估计不准确引起的误分割现象。在两个有挑战性的国际公开数据集上的实验验证了本文方法的有效性，对比试实验表明，本文方法比现有方法在F-metric评价标准下提高6％。 4.人物属性自动提取方法 属性的自动提取在基于属性的人物图像检索中至关重要，根据应用需求以及人体结构特点，本文提出了服装属性、表情属性、社会关系属性和构图属性等四类属性的提取方法，实验验证了提取方法的有效性。针对服装款式中重要的一类——正装，提出一种基于形状与统计特征的正装识别方法，该方法有效利用了正装领部的形状信息和正装中Harris角点分布的统计信息，实验表明，本文所提出的方法优于视觉关键词方法。 针对服装款式和纹理属性，提出一种通过分割结果得到自适应的人体部位权重的方法，实验结果表明，自适应人体部位权重的引入可以有效提高检索的准确率。