[發明專利]一種基于靜態圖片的快速目標檢測識別系統及方法

有效

• 申請號: 201310044146.1
• 申請日: 2013-02-04
• 公開（公告）號: CN103065163A
• 公開（公告）日: 2013-04-24
• 發明（設計）人: 譚穎;夏志勛
• 申請（專利權）人: 成都索貝數碼科技股份有限公司
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06K9/32
• 代理公司: 成都金英專利代理事務所(普通合伙) 51218
• 代理人: 袁英

1.一種基于靜態圖片的快速目標檢測識別系統，其特征在于：它包括場景建模子系統、窗口掃描子系統和窗口融合子系統，其中，場景建模子系統包括場景初建模單元和尺度計算與合并單元；?

待檢測靜態圖片輸入至場景初建模單元，場景初建模單元連接尺度計算與合并單元，尺度計算與合并單元輸出的檢測尺度信息與窗口掃描子系統的輸入連接，窗口掃描子系統與窗口融合子系統相連，窗口融合子系統輸出檢測結果。

2.根據權利要求1所述的一種基于靜態圖片的快速目標檢測識別系統，其特征在于：它還包括樣本學習子系統，樣本學習子系統包括特征提取單元和分類器訓練單元，訓練樣本輸入至特征提取單元，特征提取單元與分類器訓練單元連接，分類器訓練單元輸出分類器模型。

3.根據權利要求1所述的一種基于靜態圖片的快速目標檢測識別系統，其特征在于：所述的靜態圖片包括圖像文件和視頻幀。

4.一種基于靜態圖片的快速目標檢測識別方法，其特征在于：它包括以下步驟：

S1：場景建模：建立場景模型，得到圖像中各個位置上某種類型的目標成像的尺度；

S2：窗口掃描：在檢測時，用各個位置對應尺度的窗口對該位置進行掃描；

S3：特征識別：提取每個掃描窗內的圖像特征，并識別該特征是否為指定類型的目標，去掉被識別為背景的窗口；

S4：窗口融合：將屬于同一個目標的所有檢測窗融合為一個，得到最終的檢測目標。

5.根據權利要求4所述的一種基于靜態圖片的快速目標檢測識別方法，其特征在于：當特征識別的算法采用分類器識別時，它還包括一個樣本學習的步驟：先在線下對被識別目標進行訓練庫樣本特征提取，學習并建立用于目標分類的識別模型。

6.根據權利要求5所述的一種基于靜態圖片的快速目標檢測識別方法，其特征在于：所述的樣本學習步驟包括以下子步驟：使用正負樣本提取特征，提取特征后進行訓練得到分類模型，根據分類模型進行識別。

7.根據權利要求4所述的一種基于靜態圖片的快速目標檢測識別方法，其特征在于：所述的場景建模步驟包括以下子步驟：

S101：場景初建模：獲取場景中出現的若干個同類型目標各自的上下端點坐標，計算目標成像高度，將上端點或下端點的成像坐標看作自變量，目標成像高度看作因變量，構造兩者之間的映射關系模型；

S102：尺度計算與合并：通過映射關系模型計算出同類型目標在圖像中各處的高度成像范圍，從而限定窗口掃描檢測時的尺度及其范圍。

8.根據權利要求4所述的一種基于靜態圖片的快速目標檢測識別方法，其特征在于：所述的窗口掃描步驟包括以下子步驟：

S201：窗口滑動：場景建模后，得到目標在圖像各個位置上的成像尺度，根據得到的成像尺度信息在對應的圖像位置上使用窗口滑動掃描，在進行窗口掃描前，根據該尺度下目標所需檢測窗口尺寸與標準窗口尺寸的比例，對該尺度對應的區域圖像進行縮放，再使用標準尺寸窗口在縮放后的圖像上滑動；

S202：窗口識別，它包括以下步驟：

①、計算窗口區域的梯度方向直方圖特征；

②、使用級聯分類器中的每一級強分類器進行識別，識別結果為正樣本的窗口繼續進入下一級強分類器，識別結果為負樣本的則直接輸出識別結果；其中，正樣本為含有待檢測目標的區域的樣本，負樣本為不含待檢測目標的區域的樣本；

③、重復步驟②，直到被最后一級強分類器判為正樣本，則最終被判為正樣本，將被判為正樣本的窗口坐標和尺寸換算為原始圖像上的坐標和尺寸，記錄該窗口信息。

9.根據權利要求4所述的一種基于靜態圖片的快速目標檢測識別方法，其特征在于：所述的窗口融合步驟對被判斷為含有目標的檢測窗中心點進行聚類，在聚類得到的各個類內各自融合，得到最終的目標區域，它包括以下子步驟：?

S401：計算目標檢測窗中心點的x軸方向上的密度分布直方圖；

S402：對直方圖進行平滑濾波，減少噪聲干擾；

S403：尋找波谷并分類；

S404：計算目標檢測窗中心點的y軸方向上的密度分布直方圖；

S405：重復步驟S402、S403，完成y方向分類，將所有的檢測窗分到不同類別中去；

S406：確定各類的中心點和該類的融合檢測框。