[發(fā)明專利]生成用于對(duì)象類別的區(qū)分碼字的方法和設(shè)備

無效

• 申請(qǐng)?zhí)枺?/td>: 201010253750.1
• 申請(qǐng)日: 2010-08-09
• 公開（公告）號(hào): CN102375986A
• 公開（公告）日: 2012-03-14
• 發(fā)明（設(shè)計(jì)）人: 吳偉國;路紅;薛向陽;韋仁忠
• 申請(qǐng)（專利權(quán)）人: 索尼公司;復(fù)旦大學(xué)
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46;G06K9/62
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 杜誠;陳煒

技術(shù)領(lǐng)域

本發(fā)明涉及基于局部特征的對(duì)象檢測(cè)技術(shù)，更具體地，涉及生成用于對(duì)象類別的區(qū)分碼字的方法和設(shè)備。

背景技術(shù)

隨著視頻監(jiān)控、人工智能、計(jì)算機(jī)視覺等應(yīng)用的不斷普及，對(duì)檢測(cè)視頻和圖像中出現(xiàn)的特定對(duì)象，例如人、動(dòng)物、車輛等等的技術(shù)的需求日益增加。

除了例如人/非人、車輛/非車輛的單一類別的對(duì)象檢測(cè)之外，人們提出了基于局部特征的多類別對(duì)象檢測(cè)技術(shù)。例如，G.Csurka等人在“Visual?categorization?with?bags?of?keypoints”，ECCV?Workshop?on?Statistical?Learning?in?Computer?Vision，2004中提出了基于特征包(BOF，bag-of-feature)模型的技術(shù)。具體地，首先從圖像中提取局部特征點(diǎn)(例如尺度不變特征變換(SIFT)作為可視特征。接著把所提取的局部特征量化為可視碼字集，并且通過估計(jì)碼字的頻率來產(chǎn)生直方圖以表示圖像。

此外，人們還提出了從圖像或視頻中提取出包含所檢測(cè)出的對(duì)象的區(qū)域，即感興趣區(qū)域(ROI)的技術(shù)。例如，O.Chum等人在“An?examplar?model?for?learning?object?classes，”CVPR，2007中提出了用于感興趣區(qū)域檢測(cè)的示例方法。這種方法通過選擇區(qū)分碼字來學(xué)習(xí)感興趣區(qū)域模型。

發(fā)明內(nèi)容

在O.Chum等人提出的訓(xùn)練感興趣區(qū)域檢測(cè)模型的方法中，在初始化階段，針對(duì)根據(jù)訓(xùn)練圖像獲得的字典中的每個(gè)碼字w_i，根據(jù)關(guān)系(1)計(jì)算每個(gè)碼字w_i的區(qū)分能力D(w_i)并選擇區(qū)分能力較強(qiáng)的若干碼字。

D(w_i)～N_Wi/N_Ii????????(1)

其中，N_Wi為訓(xùn)練圖像中標(biāo)記有期望類別、包含碼字w_i的圖像的數(shù)目，N_Ii為訓(xùn)練圖像中包含碼字w_i的圖像的數(shù)目，～表示D(w_i)隨著N_Wi/N_Ii的增加而增加。

此外，在改進(jìn)階段，針對(duì)前一階段標(biāo)記有期望類別的圖像中預(yù)測(cè)的感興趣區(qū)域中出現(xiàn)過的碼字，根據(jù)關(guān)系(1)計(jì)算碼字w的區(qū)分能力D(w)。

發(fā)明人認(rèn)識(shí)到，雖然在改進(jìn)階段過濾掉從未出現(xiàn)在所預(yù)測(cè)的感興趣區(qū)域中的碼字，但是對(duì)碼字的區(qū)分能力的評(píng)價(jià)未考慮到這樣的事實(shí)：雖然碼字出現(xiàn)在某些訓(xùn)練圖像的感興趣區(qū)域中，然而也出現(xiàn)在更多其它訓(xùn)練圖像的感興趣區(qū)域之外。這樣的碼字更適合表征感興趣區(qū)域之外的背景區(qū)域，而不適合表征感興趣區(qū)域內(nèi)的對(duì)象，因而不適合作為區(qū)分碼字被包含在感興趣檢測(cè)模型中。

本發(fā)明的一個(gè)目的在于提供一種生成用于對(duì)象類別的區(qū)分碼字的方法和設(shè)備，其避免選擇不適于表征對(duì)象的碼字作為區(qū)分碼字。

本發(fā)明的一個(gè)實(shí)施例是一種生成用于對(duì)象類別的區(qū)分碼字的設(shè)備，包括：字典生成裝置，根據(jù)訓(xùn)練圖像集生成包含碼字的字典；碼字分布計(jì)算裝置，針對(duì)所述訓(xùn)練圖像集中的一個(gè)子集計(jì)算所述字典的每個(gè)碼字的分布，其中所述子集的每個(gè)圖像包含同一類別的對(duì)象，并且標(biāo)記有包含所述對(duì)象的感興趣區(qū)域，并且所述分布包括所述子集中在感興趣區(qū)域內(nèi)包含所述碼字的圖像的第一數(shù)目，和在感興趣區(qū)域外包含所述碼字的圖像的第二數(shù)目；和碼字選擇裝置，從所述字典的碼字中選擇所述第一數(shù)目相對(duì)較高并且所述第二數(shù)目相對(duì)較低的碼字，作為所述區(qū)分碼字。

根據(jù)上述設(shè)備的一個(gè)進(jìn)一步的實(shí)施例，碼字選擇裝置可以包括：評(píng)估值計(jì)算單元，針對(duì)所述字典中的每個(gè)碼字，獲得隨著所述第一數(shù)目與所述第二數(shù)目的差增加而增加的評(píng)估值；和選擇單元，選擇所述評(píng)估值較高的碼字作為所述區(qū)分碼字。

根據(jù)上述設(shè)備的一個(gè)進(jìn)一步的實(shí)施例，評(píng)估值還可以隨著所述第二數(shù)目的增加而降低。

根據(jù)上述設(shè)備的一個(gè)進(jìn)一步的實(shí)施例，可以通過下述方式來計(jì)算所述評(píng)估值：如果(第一數(shù)目-第二數(shù)目)為正數(shù)，則評(píng)估值＝(第一數(shù)目-第二數(shù)目)²/(第一數(shù)目+第二數(shù)目)；如果(第一數(shù)目-第二數(shù)目)為負(fù)數(shù)，則評(píng)估值＝-(第一數(shù)目-第二數(shù)目)²/(第一數(shù)目+第二數(shù)目)，優(yōu)選地，評(píng)估值＝0。