[發明專利]一種新的圖像目標檢測流程

在審

• 申請號: 201610569827.3
• 申請日: 2016-07-14
• 公開（公告）號: CN107633500A
• 公開（公告）日: 2018-01-26
• 發明（設計）人: 單志輝;劉宇
• 申請（專利權）人: 南京視察者圖像識別科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及計算機視覺的目標檢測領域，特別是一種圖像目標檢測流程。

背景技術

圖像目標類別檢測是指在圖像中發現特定類別目標的準確位置，這一直是計算機視覺的研究重點。傳統方法采用不同尺度不同大小的窗口在圖像上滑動，對每一個窗口使用選定的分類器進行目標判別，該方法需要判別大量窗口，因此速度較慢。

為了取代傳統的滑動窗口方法，近年來出現一種預選窗口的方法，和霍夫森林(Hough Forest)目標檢測方法，預選窗口方法是先產生一系列的預選窗口，然后將預選窗口送給分類器進行目標判別，雖然該方法在一定程度上能減少窗口的數量，但預選窗口數量仍然較多，同時產生預選窗口的過程也需要時間開銷；霍夫森林方法首先確定目標局部塊，然后使用目標局部塊的位移預測整體目標的位置，該方法將局部塊的判別過程與整體目標位置的預測過程交織在同一個隨機森林模型中，因此檢測結果準確率不高。

發明內容

本發明的目的是提出一種新的圖像目標檢測流程，來取代傳統的滑動窗口尋找目標的方法。

為實現上述發明目的，本發明采用下述技術方案予以實現：

將檢測圖像先劃分成大小不同的網格，利用一個個網格檢測目標整體，所述方法包括以下步驟：

1.輸入圖像的某一網格區域，采用部件模型判斷是否為目標局部，若為局部則計算返回目標的大致位置；

2.根據目標大致位置，采用位置回歸模型計算確定目標的準確位置；

3.根據目標準確位置，采用整體模型判斷該區域是否為目標整體，至此，一個網格檢測結束。

附圖說明

圖1——本發明所述圖像網格劃分示例圖。

圖2——本發明所述目標檢測流程示意圖。

具體實施方式

下面將結合附圖對本發明實施例的技術方案進行詳細描述。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。

本發明所述目標檢測流程區別于傳統方法，將檢測圖像首先劃分成大小不同的網格，在一個個網格區域檢測目標局部，然后在目標局部周圍一定范圍內預測目標整體位置，這種邏輯更符合人眼利用局部、整體或周邊信息檢索目標的方法。所述網格劃分示例如圖1所示，但在實際劃分時網格之間存在一定比例的交疊，網格大小由實際情況決定。

圖2為本發明所述圖像目標檢測流程示意圖，利用圖像局部檢測目標整體的流程主要包括以下步驟：

步驟一：輸入一個測試圖片的網格區域，采用部件模型檢測是否為目標局部，返回目標的大致位置；

所述部件模型的功能是檢測圖片是否為目標的局部，將某一個網格區域輸入給部件模型，預測結果不為正，則認為該網格區域不是目標局部，結束該網格的檢測，如果預測結果為正，則以該網格為中心生成一個長寬為該網格β倍的窗口W1，矩形窗口W1則為目標的大致位置。

部件模型的訓練樣本：若訓練圖片中一個網格與某個特定目標的交疊率達到閾值α，則該網格為正樣本；若一個網格與某個特定目標的交疊率小于α，則該網格為負樣本。

步驟二，采用位置回歸模型確定目標的準確位置；

所述位置回歸模型的功能是確定目標的準確位置，輸入窗口W1所對應的圖片塊，預測目標的準確位置矩形框P1。

位置回歸模型的訓練樣本：若訓練圖片中某一網格與特定目標的交疊率達到閾值α，則以該網格為中心生成一個長寬為該網格β倍的窗口W1，計算目標相對于W1的位置坐標R1，窗口W1對應的圖片塊和相對坐標R1為訓練樣本。

步驟三，采用整體模型對目標整體進行判別。

整體模型的功能是判斷圖片塊是否為目標整體，輸入目標準確位置矩形框P1對應的圖片塊，輸出判別結果，至此，該網格檢測結束。

整體模型的訓練樣本：目標整體對應的圖片塊為正樣本；與目標交疊率小于閾值γ的圖片塊為負樣本。

上述步驟一、二、三中的模型采用的分類器和回歸器類型可以是支持向量機(SVM)、隨機森林和深度神經網絡等。

本發明與現有技術相比具有以下優點：

1.本發明所述圖像目標檢測流程的檢測窗口數量要遠小于傳統的滑動窗口方法，計算量減少，時間開銷更少，檢測準確率相當；

2.本發明所述的圖像目標檢測流程更符合人眼檢索目標的方法：充分利用局部、整體或周邊的信息。