[發明專利]一種基于級聯分類器的圖像檢測方法及裝置

有效

• 申請號: 201610136536.5
• 申請日: 2016-03-10
• 公開（公告）號: CN107180244B
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 余慧
• 申請（專利權）人: 北京君正集成電路股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京匯澤知識產權代理有限公司 11228
• 代理人: 張瑾

1.一種基于級聯分類器的圖像檢測方法，其特征在于，包括：

對待檢測的圖像進行預處理操作，得到圖像的灰度值；

根據圖像的灰度值提取像素的局部相關差值特征；

根據所述局部相關差值特征，計算圖像塊的絕對歸一化梯度特征；

通過級聯分類器利用所述絕對歸一化梯度特征對圖像塊進行檢測分類，并將通過所述級聯分類器的圖像保存為目標圖像；

所述根據所述局部相關差值特征，計算圖像塊的絕對歸一化梯度特征包括：計算中心像素的梯度大小和梯度方向；將梯度角度平均分為多個區間，根據所述梯度大小和所述梯度方向分別計算各個區間的梯度積分圖，并根據所述梯度大小計算總梯度積分圖；獲取級聯分類器中弱分類器對應的ID值，并根據所述ID值獲取圖像塊對應的位置信息；根據所述位置信息中特征維數索引與區間數，利用所述梯度積分圖或者所述總梯度積分圖計算所述絕對歸一化梯度特征。

2.根據權利要求1所述的基于級聯分類器的圖像檢測方法，其特征在于，所述根據圖像的灰度值提取像素的局部相關差值特征包括：按照如下公式提取像素的局部相關差值特征：

其中，g(x,y)為像素點(x,y)處灰度局部相關差值；p為像素點(x,y)處的灰度值；pi為鄰域像素點的灰度值；n為鄰域像素的個數。

3.根據權利要求1所述的基于級聯分類器的圖像檢測方法，其特征在于，所述根據所述位置信息中特征維數索引值與區間數，利用所述梯度積分圖或者所述總梯度積分圖計算所述絕對歸一化梯度特征，包括：

當iN+4，則由第i個方向的梯度積分圖計算圖像塊中的梯度和；

當iN+4，則i＝i％N，則由總的梯度圖得到計算所述圖像塊中第i塊梯度和，即為所述圖像塊的梯度和；其中，i為所述特征維數索引值；N為所述區間數；

對所述圖像塊的梯度和進行歸一化，得到所述絕對歸一化梯度特征；

所述絕對歸一化梯度特征的歸一化因子為根據總梯度積分圖獲取圖像塊的梯度和。

4.根據權利要求1所述的基于級聯分類器的圖像檢測方法，其特征在于，通過級聯分類器利用所述絕對歸一化梯度特征對圖像塊進行檢測分類，并將通過所述級聯分類器的圖像保存為目標圖像，包括：

將所述絕對歸一化梯度特征與強分類器中所有弱分類器進行比較，并累加比較結果；

當累加比較結果大于所述強分類器的閾值，通過下一強分類器對圖像塊進行檢測；

當所述累加比較結果依次通過所有強分類器時，將圖像塊所在的位置信息進行保存，所述位置信息包括圖像塊左上角的坐標(x，y)以及圖像塊的寬、高。

5.一種基于級聯分類器的圖像檢測裝置，其特征在于，包括：

預處理模塊，用于對待檢測的圖像進行預處理操作，得到圖像的灰度值；

特征提取模塊，用于根據圖像的灰度值提取像素的局部相關差值特征；

計算模塊，用于根據所述局部相關差值特征，計算圖像塊的絕對歸一化梯度特征；

檢測模塊，用于通過級聯分類器利用所述絕對歸一化梯度特征對圖像塊進行檢測分類，并將通過所述級聯分類器的圖像保存為目標圖像；

所述計算模塊包括：梯度計算單元，用于計算中心像素的梯度大小和梯度方向；梯度積分圖計算單元，用于將梯度角度平均分為多個區間，根據所述梯度大小和所述梯度方向分別計算各個區間的梯度積分圖；總梯度積分圖計算單元，用于根據所述梯度大小，計算總梯度積分圖；位置獲取單元，用于獲取級聯分類器中弱分類器對應的特征值，并根據所述特征值獲取圖像塊對應的位置信息；絕對歸一化梯度特征計算單元，用于根據所述位置信息中特征維數索引與區間數，利用所述梯度積分圖或者所述總梯度積分圖計算所述絕對歸一化梯度特征。

6.根據權利要求5所述的基于級聯分類器的圖像檢測裝置，其特征在于，所述特征提取模塊，用于按照如下公式提取像素的局部相關差值特征：

其中，g(x,y)為像素點(x,y)處灰度局部相關差值；p為像素點(x,y)處的灰度值；pi為鄰域像素點的灰度值；n為鄰域像素的個數。