6 / 17
Селективно-ковариационный метод локализации, классификации и отслеживания людей…
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2016. № 6
59
рый содержит информацию о пикселе и, возможно, об определенной области во-
круг рассматриваемого пикселя. Функция
F
может иметь следующий вид:
F
(
x
,
y
) =
,
,
,
,
,
,
R
G
B
x
y
xy I x y I x y I x y x y
x y
где
x
,
y
— координаты пикселя;
, ,
, ,
,
R
G
B
I x y I x y I x y
— значения ком-
понент
R
,
G
и
B
пикселя с координатами (
x
,
y
);
и
x
y
— первые производные
интенсивности в точке (
x
,
y
) по горизонтали и по вертикали соответственно.
2.
Для полученного множества
R
F
векторов признаков области
R
вычисляет-
ся средний вектор
mean
f
и строится ковариационная матрица размера
d
×
d
:
т
1
1
,
1
n
R
i
mean i
mean
i
C
f f
f f
n
где
n
— количество пикселей в области
R
.
На рис. 2 представлены ковариационные матрицы, построенные для двух
различных изображений с использованием функции признаков (1). Оба изоб-
ражения имеют высоту в 60 пикселей и ширину в 55 пикселей.
Рис. 2.
Ковариационные матрицы для двух изображений
Очевидно, что ключевым аспектом при построении ковариационной мат-
рицы является выбор функции признаков
F
. Вопросу выбора функции
F
в
настоящей работе посвящен отдельный раздел, следующий далее.
Предложенный дескриптор можно улучшить, проанализировав значимость
отдельных пикселей области интереса при построении ковариационной матри-
цы. Поскольку прямоугольная область (рис. 3), которую находит алгоритм Вио-
лы — Джонса при поиске головы и плеч человека, содержит достаточно боль-
шие области, являющиеся, по сути, фоном, целесообразно строить ковариаци-
онную матрицу лишь для тех пикселей, которые принадлежат областям головы
и плеч человека.