形狀背景是一種用于物體識別的特征描述符。SergeBelongie和JitendraMalik在2000年的論文《用形狀背景進行匹配》中提出了這個術語。

形狀背景旨在成為一種描述形狀的方式，允許測量形狀相似性和恢復點的對應關系。其基本思想是在一個形狀的輪廓線上選取n個點。對于形狀上的每個點pi，考慮通過連接pi和所有其他點得到的n-1個向量。所有這些向量的集合是對該點局部形狀的豐富描述，但過于詳細。關鍵的想法是，相對位置的分布是一個穩健的、緊湊的和高度鑒別性的描述符。因此，對于點pi，其余n-1個點的相對坐標的粗略直方圖。.分組通常被認為是在對數極空間中均勻的。形狀上下文是一個豐富的、有鑒別力的描述符，這一事實可以從下圖中看出，圖中顯示了兩個不同版本的字母A的形狀上下文。(a)和(b)是這兩個形狀的邊緣采樣點。(c)是用于計算形狀上下文的對數極點的圖示。(d)是(a)中標有圓圈的點的形狀背景，(e)是(b)中標有鉆石的點的形狀背景，(f)是三角形的形狀背景。可以看出，由于(d)和(e)是兩個密切相關的點的形狀背景，它們非常相似，而(f)的形狀背景則非常不同。為了使一個特征描述符有用，它需要有某些不變性。特別是它需要對平移、縮放、小的擾動以及根據應用的需要對旋轉不發生變化。平移不變性對于形狀背景來說是自然而然的。尺度不變性是通過將所有徑向距離歸一化為平均距離而獲得的{displaystyle/alpha}將形狀中所有點對之間的平均距離形狀中的所有點對之間的平均距離α，盡管也可以使用中位距離。形狀上下文被經驗證明是對變形、噪聲和異常值的魯棒性，使用合成點集匹配實驗。人們可以在形狀語境中提供完全的旋轉不變性。一種方法是測量每一個點相對于該點的切線方向的角度（因為這些點被選在邊緣）。這就產生了一個完全旋轉不變的描述符。但當然這并不總是理想的，因為一些局部特征如果不相對于同一框架進行測量，就會失去其鑒別能力。許多應用實際上不允許旋轉不變量，例如區分6和9。

一個使用形狀上下文進行形狀匹配的完整系統包括以下步驟（將在實施細節部分詳細介紹）。隨機選擇一組位于已知形狀邊緣的點和另一組位于未知形狀上的點。計算步驟1中找到的每個點的形狀上下文。將已知形狀上的每個點與未知形狀上的一個點進行匹配。為了最小化匹配的成本，首先選擇一個變換（如仿生、薄板花鍵等），將已知形狀的邊緣與未知形狀的邊緣進行扭曲（基本上是將兩個形狀對齊）。然后選擇未知形狀上與已知形狀上的每個翹曲點最接近的點。計算這兩個形狀上每一對點之間的形狀距離。使用形狀上下文距離、圖像外觀距離和彎曲能量（衡量使兩個形狀對齊需要多少轉換）的加權和。為了識別未知形狀，使用最近鄰分類器將其形狀距離與已知物體的形狀距離進行比較。

實施細節第1步：尋找形狀邊緣的點列表該方法假定物體的形狀基本上是由物體內部或外部輪廓上的點的有限子集捕獲。這些可以簡單地使用Canny邊緣檢測器獲得，并從邊緣上隨機挑選一組點。請注意，這些點不需要，而且一般來說也不對應于關鍵點，如曲率的xxx值或拐點。xxx是以大致均勻的間距對形狀進行采樣，盡管這并不是關鍵。第2步：計算形狀背景這一步將在理論部分詳細描述。第3步：計算成本矩陣考慮兩個具有歸一化K-bin直方圖（即形狀背景）g(k)和h(k)的點p和q。由于形狀上下文是以直方圖表示的分布，因此很自然地使用χ2檢驗統計量作為匹配這兩個點的形狀上下文的成本。