[發(fā)明專利]基于分類器的目標檢測方法及裝置

有效

• 申請?zhí)枺?/td>: 201410127358.0
• 申請日: 2014-03-31
• 公開（公告）號: CN103914706B
• 公開（公告）日: 2017-03-15
• 發(fā)明（設(shè)計）人: 孫海涌
• 申請（專利權(quán)）人: 深圳市智美達科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00
• 代理公司: 廣州華進聯(lián)合專利商標代理有限公司44224
• 代理人: 胡海斌

1.一種基于分類器的目標檢測方法，其特征在于，所述方法包括：

根據(jù)預(yù)設(shè)的縮放因子，由原始圖像建立圖像金字塔；

提取所述圖像金字塔的中間X個圖層，利用固定的滑動窗口進行遍歷采樣，對采樣圖像用分類器計算對應(yīng)的置信度，得到每個圖層中置信度最高的Y個采樣圖像對應(yīng)的置信采樣點，其中X、Y為正整數(shù)；

將所提取的X個圖層中共計XY個置信度最高的采樣圖像對應(yīng)的置信采樣點映射到所述圖像金字塔各圖層中的對應(yīng)點，并將每個所述置信采樣點及對應(yīng)點組成一條采樣鏈；

對每條所述采樣鏈中各點利用所述滑動窗口提取對應(yīng)圖層的窗口圖像，再對各窗口圖像用分類器計算對應(yīng)的置信度，得到每條采樣鏈中置信度最高的窗口圖像；

將各條采樣鏈中置信度最高的窗口圖像映射到原始圖像中的檢測結(jié)果窗口；

合并所述原始圖像中的檢測結(jié)果窗口。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對采樣圖像用分類器計算對應(yīng)的置信度，包括：對采樣圖像利用級聯(lián)Adaboost分類器計算對應(yīng)的置信度；

所述對各窗口圖像用分類器計算對應(yīng)的置信度，包括：對各窗口圖像用級聯(lián)Adaboost分類器計算對應(yīng)的置信度；

其中，所述級聯(lián)Adaboost分類器為預(yù)先訓(xùn)練的分類器，包括多個級聯(lián)的強分類器，每個所述強分類器包含多個弱分類器；

所述對采樣圖像/窗口圖像用級聯(lián)Adaboost分類器計算對應(yīng)的置信度，包括：

S1：將置信度初始值設(shè)置為0；

S2：按強分類器的級次，執(zhí)行下列循環(huán)：

利用強分類器中所包含的弱分類器分別計算所述采樣圖像/窗口圖像的分值，并將各弱分類器的分值累加作為強分類器分值；

若強分類器分值小于閾值，則未通過強分類器檢測，計算強分類器的第一歸一化分值，用置信度的當前值減去第一歸一化分值作為更新后的置信度，并退出所述循環(huán)；否則，通過強分類器檢測，計算強分類器的第二歸一化分值，用置信度的當前值加上第二歸一化分值作為更新后的置信度，并繼續(xù)執(zhí)行所述循環(huán)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述X=3，所述Y=8。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，在所述合并所述原始圖像中的檢測結(jié)果窗口的步驟之前，所述方法還包括：

對所述檢測結(jié)果窗口進行濾除處理，濾除置信度小于預(yù)值或沒有通過所有強分類器檢測的窗口圖像對應(yīng)的檢測結(jié)果窗口。

5.根據(jù)權(quán)利要求1或4所述的方法，其特征在于，合并所述原始圖像中的檢測結(jié)果窗口的步驟，包括：

將原始圖像中任意兩個相重疊的檢測結(jié)果窗口按照下列公式進行合并：

R＝(R_i×w_i+R_j×w_j)/(w_i+w_j)，其中R_i＝(x_i,y_i,a_i,b_i)，R_j＝(x_j,y_j,a_j,b_j)為兩重疊的檢測結(jié)果窗口，(x_i,y_i)、(x_j,y_j)分別為檢測結(jié)果窗口的頂點，a_i、a_j分別為檢測結(jié)果窗口的長，b_i、b_j分別為檢測結(jié)果窗口的寬，w_i、w_j分別為對應(yīng)的置信度。