1.一種對(duì)存儲(chǔ)在對(duì)象識(shí)別系統(tǒng)的數(shù)據(jù)庫(kù)中的已知對(duì)象的識(shí)別模型集進(jìn)行組織的方法，該方法包括：

為所述已知對(duì)象中的每一個(gè)確定分類模型；

將所述已知對(duì)象的分類模型分組為多個(gè)分類模型組，這些分類模型組中的每一個(gè)分類模型組對(duì)所述數(shù)據(jù)庫(kù)的對(duì)應(yīng)部分進(jìn)行鑒別，所述對(duì)應(yīng)部分包含具有是該分類模型組的成員的分類模型的所述已知對(duì)象的識(shí)別模型；以及

為所述分類模型組計(jì)算代表性分類模型，其中分類模型組的代表性分類模型是從是該分類模型組的成員的分類模型中得到的，并且其中當(dāng)識(shí)別目標(biāo)對(duì)象時(shí)將所述代表性分類模型與該目標(biāo)對(duì)象的分類模型進(jìn)行比較從而能夠選擇這些已知對(duì)象的一個(gè)識(shí)別模型子集以便與該目標(biāo)對(duì)象的識(shí)別模型進(jìn)行比較。

2.如權(quán)利要求1所述的方法，其中確定已知對(duì)象的分類模型包括根據(jù)該已知對(duì)象的圖像對(duì)外觀特性進(jìn)行測(cè)量。

3.如權(quán)利要求2所述的方法，其中該外觀特性與顏色、紋理、空間頻率、形狀、照度不變的圖像屬性以及照度不變的圖像梯度屬性中的一個(gè)或更多個(gè)相對(duì)應(yīng)。

4.如權(quán)利要求2所述的方法，其中該已知對(duì)象的分類模型是通過(guò)以下方式確定的：

對(duì)由圖像捕獲裝置捕獲的場(chǎng)景的圖像進(jìn)行分割從而產(chǎn)生該已知對(duì)象的一幅分離圖像；

根據(jù)該已知對(duì)象的所述圖像計(jì)算局部特征描述符向量，其中這些局部特征描述符向量是在特征描述符向量空間內(nèi)；

將該特征描述符向量空間分為多個(gè)區(qū)域；

確定這些局部特征描述符向量屬于哪些區(qū)域；以及

創(chuàng)建直方圖，該直方圖量化有多少局部特征描述符向量屬于這些區(qū)域中的每一個(gè)區(qū)域，該直方圖對(duì)應(yīng)于所述分類模型。

5.如權(quán)利要求4所述的方法，進(jìn)一步包括：

為所述區(qū)域中的每一個(gè)區(qū)域分配一個(gè)代表性描述符向量；以及

將所述局部特征描述符向量與所述代表性描述符向量進(jìn)行比較從而確定所述局部特征描述符向量屬于哪個(gè)區(qū)域。

6.如權(quán)利要求2所述的方法，其中該已知對(duì)象的分類模型是通過(guò)以下方式確定的：

對(duì)由圖像捕獲裝置捕獲的場(chǎng)景的圖像進(jìn)行分割從而產(chǎn)生該已知對(duì)象的一幅分離圖像；

對(duì)該已知對(duì)象的分割后圖像應(yīng)用幾何變換從而獲得該已知對(duì)象的標(biāo)準(zhǔn)化圖像；以及

為該已知對(duì)象的標(biāo)準(zhǔn)化圖像生成單個(gè)特征描述符，所述分類模型包括該單個(gè)特征描述符的表示。

7.如權(quán)利要求6所述的方法，其中該單個(gè)特征描述符是使用該已知對(duì)象的標(biāo)準(zhǔn)化圖像的整個(gè)范圍生成的。

8.如權(quán)利要求2所述的方法，其中該已知對(duì)象的分類模型是通過(guò)以下方式確定的：

對(duì)由圖像捕獲裝置捕獲的場(chǎng)景的圖像進(jìn)行分割從而產(chǎn)生該已知對(duì)象的一幅分離圖像；

對(duì)該已知對(duì)象的分割后圖像應(yīng)用幾何變換從而獲得該已知對(duì)象的標(biāo)準(zhǔn)化圖像；

將該已知對(duì)象的標(biāo)準(zhǔn)化圖像劃分為多個(gè)預(yù)定的格柵部分；以及

為已劃分圖像的每一個(gè)格柵部分生成一個(gè)特征描述符向量，所述分類模型包括所述格柵部分的特征描述符的表示。

9.如權(quán)利要求2所述的方法，其中該已知對(duì)象的分類模型是通過(guò)以下方式確定的：

對(duì)由圖像捕獲裝置捕獲的場(chǎng)景的圖像進(jìn)行分割從而產(chǎn)生該已知對(duì)象的一幅分離圖像；

對(duì)該已知對(duì)象的分割后圖像應(yīng)用幾何變換從而獲得該已知對(duì)象的標(biāo)準(zhǔn)化圖像，其中向量表示該標(biāo)準(zhǔn)化圖像；以及

計(jì)算表示該標(biāo)準(zhǔn)化圖像的向量的主元分析表示，所述分類模型包括該向量的主元分析表示的一種表示。

10.如權(quán)利要求1所述的方法，其中確定已知對(duì)象的分類模型包括對(duì)該已知對(duì)象的物理屬性進(jìn)行測(cè)量。

11.如權(quán)利要求10所述的方法，其中該物理屬性是高度、寬度、長(zhǎng)度、形狀、質(zhì)量、幾何矩、體積、曲率、電磁特征以及溫度中的一個(gè)或更多個(gè)。

12.如權(quán)利要求10所述的方法，進(jìn)一步包括根據(jù)該已知對(duì)象的圖像測(cè)量外觀特性，其中該已知對(duì)象的分類模型包括該已知對(duì)象的物理屬性的表示以及該已知對(duì)象的外觀特性的表示。

13.如權(quán)利要求1所述的方法，其中所述分類模型組是通過(guò)對(duì)所述分類模型應(yīng)用聚類算法而形成的。

14.如權(quán)利要求13所述的方法，其中所述已知對(duì)象的分類模型是使用k-均值聚類算法聚類的。