[發明專利]目標檢測方法和裝置

有效

• 申請號: 201310476548.9
• 申請日: 2013-10-12
• 公開（公告）號: CN103530610A
• 公開（公告）日: 2014-01-22
• 發明（設計）人: 孫海涌
• 申請（專利權）人: 智博銳視（北京）科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/66
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 何平

技術領域

本發明涉及視頻監控技術領域，特別是涉及一種目標檢測方法和裝置。

背景技術

Adaboost算法是智能視頻分析領域中常用的目標檢測方法，它通過學習標記為正負的樣本，提取目標概念的知識，從而泛化到其它未見過的樣本過程中。

Adaboost算法在特征提取時，根據不同的應用場景提取不同的特征，例如包括Haar特征、HOG（Histogram?of?Oriented?Gradient，有向梯度直方圖）特征等，其中HOG特征的定位精度是最高的，因此得到了廣泛的應用。

HOG特征的計算量相對較大，現有的HOG特征提取算法是采用積分圖（Integral?Image）來計算，該方法使得計算的復雜度由O(mn)降低到O(4)，其中m、n分別為HOG特征矩形的寬和高。現有積分圖方法雖然進行了優化，然而對于尺寸較大的圖像處理速度明顯不足；其次積分圖需要計算所有位置的梯度分布，而HOG特征的尺度有一定限制，因此積分圖增加了計算開銷；此外積分圖在計算中依賴相鄰位置的計算結果，因此計算的并行處理能力不高。

發明內容

基于此，有必要提供一種目標檢測方法和裝置，應用本方法和裝置，能夠提高HOG特征的提取速度，從而提高視頻監控中的目標檢測速度。

一種目標檢測方法，包括：

基于方向梯度直方圖特征，采用Adaboost算法對標定正負的圖像樣本進行訓練，得到目標檢測模型；

接收待檢測圖像；

基于BoxFlter算法提取所述待檢測圖像的有向梯度直方圖特征，并通過所述目標檢測模型進行目標檢測。

在其中一個實施例中，所述有向梯度直方圖特征包括8*8像素單元、8*16像素單元、16*8像素單元以及16*16像素單元的有向梯度直方圖特征。

在一個實施例中，所述基于BoxFilter算法提取所述待檢測圖像的有向梯度直方圖特征，包括：

根據所述待檢測圖像，進行初始化得到9個對應的輸入矩陣S_N×M，其中N為圖像像素高，M為圖像像素寬；

由所述輸入矩陣S_N×M，計算對應的B矩陣，并由B矩陣計算有向梯度直方圖特征，其中B矩陣中元素B(j,i)為輸入矩陣中以(j,i)為左上角，寬為m，高為h的矩形的所有元素的和，其中i＝0,…M-m，j＝0,…N-n，m=n=8。

在一個實施例中，所述根據待檢測圖像，進行初始化得到9個對應的輸入矩陣的步驟S_N×M，包括：

對所述待檢測圖像所有像素點的像素值進行Gamma變換：

I(x,y)＝I(x,y)^Gamma；

根據公式：

G_x＝I(x+1,y)-I(x-1,y)，G_y＝I(x,y+1)-I(x,y-1)，