[發明專利]一種基于熱擴散理論的窗融合方法

有效

• 申請號: 201310151524.6
• 申請日: 2013-04-27
• 公開（公告）號: CN103268586A
• 公開（公告）日: 2013-08-28
• 發明（設計）人: 解梅;張抒;陳路;毛河;何磊
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T1/00
• 分類號: G06T1/00;G06T7/00
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 鄒裕蓉

技術領域

本發明屬于圖像處理與計算機視覺領域，主要涉及滑動窗目標檢測中的窗口融合技術。

背景技術

目標檢測是計算機視覺研究領域中的一個核心問題，它判斷數字圖片或視頻中某一類感興趣目標是否出現以及出現的具體位置和尺度。目標檢測方法多種多樣，其中，滑動窗方法因其較好的檢測性能而備受大家的關注。一般的滑動窗方法主要包括三個步驟：（1）訓練目標分類器；（2）選取不同大小和尺度的窗口遍歷整個圖像，并利用目標分類器的目標檢測子判斷每個窗口屬于目標還是背景，某一窗口目標檢測子輸出的響應分數越大則該窗口屬于目標的概率也越大；利用分類器進行全圖多尺度搜索后，獲得屬于目標的窗口，即初始檢測窗口；（3）同一個目標會存在多個初始檢測窗口重復檢測的情況，融合初始檢測窗口，獲得最終目標檢測結果。窗融合的主要工作是刪除重復檢測。好的窗融合方法能夠在不損失召回率的情況下拒絕誤檢以及防止相鄰目標干擾，一定程度上彌補目標檢測子的不足。

大量的研究工作都集中在前兩個步驟，包括目標特征提取，目標建模和快速搜索等等。一般認為窗融合的作用僅僅是刪除重復檢測，所以把它當作檢測系統的一個補充，沒有做比較詳細的研究。僅有的一些融合方法也是憑直覺的簡單處理，沒有去尋找初始檢測窗背后存在的規律，更沒有建立規范的數學模型來描述這種規律。比較常用的窗融合方法包括：

1）啟發式窗融合方法。統計每個位置一定鄰域范圍內初始檢測窗口的數量，刪除那些窗數量較少的位置。每個位置鄰域范圍內窗口的平均中心即檢測位置。該方法過于簡單，融合效果不理想。比如刪除窗數量較少的位置雖然一定程度上可以降低誤檢率，但是同樣會降低目標的召回率。詳見文獻：ROWLEY?H?A,BALUJA?S,KANADE?T.Neural?networks?based?face?detection[J].IEEE?Trans?on?Pattern?Analysis?and?Machine?Intelligence,1990,20(1):22–38。

2）非極大值抑制方法。初始檢測窗按檢測分數從大到小排列，貪婪地選擇更大檢測分數的窗并刪除與已經選擇窗口重合大于50%的窗。該方法基本沒有拒絕誤檢的能力，并且無法抑制相鄰目標之間的干擾。詳見文獻：FELZENSZWALB?P?F,GIRSHICK?R?B,MCALLESTER?D,et?al.Object?detection?with?discriminatively?trained?part?based?models[J].IEEE?Trans?on?Pattern?Analysis?and?Machine?Intelligence,2010,32(9):1627–1645。

3）mean-shift方法。把初始檢測窗映射到3維位置(x,y)和尺度s空間中。其次利用mean-shift算法找到空間中響應極大值點，極大值點即為最終融合結果。該方法的缺點是得到的目標尺度信息并不準。詳見文獻：Dalal?N.Finding?People?in?Images?and?Videos[D].INSTITUT?NATIONAL?POLYTECHNIQUE?DE?GRENOBLE,2006。

發明內容

本發明所要解決的技術問題是，提供一種能夠有效的刪除重復檢測，還能排除誤檢以及防止相鄰目標干擾的窗融合方法。

本發明為解決上述技術問題所采用的技術方案是，一種基于熱擴散理論的窗融合方法，包括以下步驟：

步驟1、將每個初始檢測窗口對應熱力學系統中的一個位置，所有初始檢測窗口對應位置的集合為V；

步驟2、計算熱力學系統中任意兩個初始檢測窗口對應位置x,y之間的熱傳導系數b_xy；

b_xy=ol(x,y)×mean(sc(x),sc(y))