[發明專利]在線訓練的目標檢測方法及裝置

有效

• 申請號: 201310241922.7
• 申請日: 2013-06-17
• 公開（公告）號: CN103345644A
• 公開（公告）日: 2013-10-09
• 發明（設計）人: 魏代玉;羅巍;鄧斌
• 申請（專利權）人: 華為終端有限公司
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 劉芳

1.一種在線訓練的目標檢測方法，其特征在于，包括：?

獲取第N幀圖像，所述N為大于2的整數；?

對所述第N幀圖像進行目標檢測和/或目標跟蹤，獲取至少一個第N目標區域，所述第N目標區域為通過所述第N幀圖像進行目標檢測獲得區域；?

通過第N-1目標區域對訓練檢測單元進行在線訓練，所述N-1目標區域為通過對第N-1幀圖像進行目標檢測得到的至少一個目標區域，所述第N-1幀圖像為所述第N幀圖像的前一幀圖像，所述訓練檢測單元存儲有在第1幀圖像至所述第N-1幀圖像中檢測到的所有目標區域。?

2.根據權利要求1所述的方法，其特征在于，還包括：?

通過所述第N目標區域對所述訓練檢測單元進行在線訓練，所述第N目標區域為通過對所述第N幀圖像進行目標檢測得到的至少一個目標區域。?

3.根據權利要求1或2所述的方法，其特征在于，所述通過所述第N-1目標區域對訓練檢測單元進行在線訓練之后，還包括：?

對獲取的第N+1幀圖像進行目標檢測，獲取至少一個第N+1目標區域；?

通過所述第N目標區域對訓練檢測單元進行在線訓練。?

4.根據權利要求1-3任一項所述的方法，其特征在于，所述獲取第N幀圖像之前，還包括：?

獲取第2幀圖像；?

對所述第2幀圖像進行目標檢測，獲取至少一個第2目標區域，所述第2目標區域為通過所述第2幀圖像進行目標檢測獲得區域；?

通過所述第2目標區域對所述訓練檢測單元進行在線訓練。?

5.根據權利要求1-4任一項所述的方法，其特征在于，所述獲取第N幀圖像之前，還包括：?

獲取第1幀圖像；?

確定所述第1幀圖像的至少一個目標點；?

對所述目標點周圍區域進行圖像分割，獲取第一目標區域；?

通過所述第一目標區域對訓練檢測單元進行在線訓練。?

6.根據權利要求5所述的方法，其特征在于，所述對所述目標點周圍區域進行圖像分割，獲取第一目標區域，包括：?

以所述目標點為中心，對所述目標點的周圍區域進行均值方差的計算，獲得所述均值方差值；?

若所述均值方差值大于預設均值方差值，則將所述目標點的所述周圍區域轉換成HSV模型，獲得所述周圍區域的色調H分量，并對所述目標點的所述周圍區域進行灰度計算，獲得所述周圍區域的灰度值。?

若所述H分量滿足H分量預設值，并所述灰度值滿足灰度預設值時，則將所述周圍區域進行圖像分割，獲取所述第一目標區域。?

7.根據權利要求6所述的方法，其特征在于，所述確定所述第1幀圖像的至少一個目標點，包括：?

通過用戶對所述第1幀圖像進行觸摸或選定的方式獲取至少一個所述目標點。?

8.根據權利要求1-7任一項所述的方法，其特征在于，所述對所述第N幀圖像進行目標檢測，包括：?

采集第N幀圖像的任一區域內的至少M個特征點；?

將所述至少M個特征點分為K組，并將每組中的特征點組成一顆樹，所述樹的每個葉子節點存儲有所述特征點坐標，所述K大于1，所述M大于等于所述K；?

將所述樹中相鄰葉子節點中存儲的特征點坐標對應的灰度值進行比較，若第一葉子節點對應的灰度值比第二葉子節點對應的灰度值大時，則所述第一葉子節點與所述第二葉子節點的父節點記錄為1，若所述第一葉子節點對應的灰度值比所述第二葉子節點對應的灰度值小時，則所述第一葉子節點與所述第二葉子節點的所述父節點記錄為0，將所述父節點中記錄的1或0匯總在根節點，并獲得二進制數串在所述樹的所述根節點；?

將所述二進制數串與存儲在所述訓練檢測單元中的二進制數串進行比對，所述訓練檢測單元中以二進制數串的模式存儲有所述所有目標區域，所述訓練檢測單元中存儲的二進制數串包括有正樣本二進制數串和負樣本二進制數串；?

若所述訓練檢測單元中存儲的所述正樣本二進制數串與第N幀圖像的所述二進制數串相同，則認為所述二進制數串是正樣本；若所述訓練檢測單元中存儲的所述負樣本二進制數串與第N幀圖像的所述二進制數串相同，則認為?所述二進制數串是負樣本，所述負樣本為接近于正樣本的樣本；?

確定所述正樣本為第N目標區域。?