[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

本發明公開了一種基于級聯分類器的圖像檢測方法及裝置，涉及圖像處理領域，解決了現有技術中圖像檢測信息易丟失的問題。本發明的基于級聯分類器的圖像檢測方法包括：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。本發明的實施例主要用于對視頻圖像中的人臉或者其他物體進行識別判定。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種基于級聯分類器的圖像檢測方法及裝置。

背景技術

隨著安全需求的提高，人流量統計、人員特征識別、人臉識別等技術的商業價值已經開始顯露，并逐步開始應用，而人臉檢測作為這些任務的首要環節，具有非常重要的作用和意義，近年來，研究人員在這一領域投入了大量的時間和精力，致力于開發出一種快速準確的人臉檢測方法。

目前常用的人臉檢測算法是將圖像進行分割，通過邊緣檢測獲取識別特征。級聯分類器依據相應的識別特征對圖像進行分類，從而檢測出帶有人臉的圖像。然而現有技術中通常采用Sobel邊緣算子對圖像的邊緣進行檢測。

在實現本發明的過程中，發明人發現現有技術中至少存在如下技術問題：

Sobel邊緣算子存在檢測的邊緣粗糙，并沒有將圖像的主題與背景嚴格地區分開來，換言之就是Sobel算子并沒有基于圖像灰度進行處理，由于Sobel算子并沒有嚴格地模擬人的視覺生理特征，所以提取的圖像輪廓有時并不能令人滿意。而通過選定的閾值進行分割后，一些可能的邊緣會被忽略，導致圖像信息易丟失。

發明內容

本發明提供一種基于級聯分類器的圖像檢測方法及裝置，能夠解決圖像檢測信息易丟失的問題。

一方面，本發明提供一種基于級聯分類器的圖像檢測方法，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。

另一方面，本發明提供一種基于級聯分類器的圖像檢測裝置，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。

本發明提供的基于級聯分類器的圖像檢測方法及裝置，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。與現有技術相比，本發明在進行邊緣檢測時，基于局部相關差值特征計算獲取基于絕對歸一化梯度特征的邊緣檢測算子，該檢測算子相對于Sobel邊緣檢測算子，提取邊緣更加精細、邊緣信息保留更加完整，能夠有效避免圖像檢測信息的丟失。

附圖說明