[發明專利]一種通過特征模板構建特征池的物體檢測方法和系統

在審

• 申請號: 201710426358.4
• 申請日: 2017-06-08
• 公開（公告）號: CN107358240A
• 公開（公告）日: 2017-11-17
• 發明（設計）人: 孫龍喜;陳河山;曾隆先;洪榮健
• 申請（專利權）人: 廈門科拓通訊技術股份有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/48;G06K9/62
• 代理公司: 廈門果汁知識產權代理事務所(普通合伙)35227
• 代理人: 樂珠秀

技術領域

本發明涉及圖像分析技術領域，特別是一種通過特征模板構建特征池的物體檢測方法及其應用該方法的系統。

背景技術

目標檢測技術是圖像領域中很重要的應用，在智能監控、交通卡口、人臉識別、圖像檢索中應用很廣。除了傳統的圖像處理方法檢測特定目標外，通過機器學習的方法訓練特定目標的模型、在圖像中滑動模型窗口來檢測目標是至今為止非常有效的方法，尤其是針對剛性物體。

在使用機器學習方法來檢測特定目標的方法中，SVM(Support Vector Machine)和Adaboost算法是圖像目標檢測中最常用的方法。其中，Viola和Jones提出的Haar特征+Adaboost方法具有較好的檢測效果，尤其是在人臉檢測方面。然而，haar特征識別方法主要適用于像人臉這種有明顯的、穩定結構的haar特征的物體，而對于行人檢測、車輛追蹤檢測等運動物體檢測上效果不佳。

發明內容

本發明為解決上述問題，提供了一種通過特征模板構建特征池的物體檢測方法和系統，其通過利用不同特征模板對不同性質圖像進行提取圖像特征和構建特征池，能夠得到圖像的更多特征，以充分挖掘圖像的有用信息和可區分不同物體目標的特征，以便從所述特征池中挑選得到最佳的物體檢測特征，提高檢測效率和準確率。

為實現上述目的，本發明采用的技術方案為：

一種通過特征模板構建特征池的物體檢測方法，其包括以下步驟：

(10)對原始圖像進行處理，得到灰度圖、梯度幅值圖、梯度直方圖；

(20)設置一種以上不同網格的特征模板，并將所述特征模板分別在所述灰度圖、梯度幅值圖、梯度直方圖上進行移動，獲取圖像特征的特征池；

(30)采用adaboost算法對所述特征池中的圖像特征進行訓練得到最佳的物體檢測特征；

(40)根據所述最佳的物體檢測特征進行物體檢測。

優選的，所述的步驟(10)中，所述梯度直方圖進一步從0至360度范圍平均劃分為9個區間，每個區間為40度，得到9個梯度直方圖。

優選的，所述的步驟(20)中，所述特征模板包括12種，根據每種特征模板的白色單元格和黑色單元格的布局得到12種圖像特征值的算法，通過將12種特征模板分別在所述灰度圖、梯度幅值圖、梯度直方圖中按預設步長進行移動，提取大量的圖像特征，并計算各個圖像特征對應的特征值。

優選的，所述圖像特征值為所述白色單元格內的像素值之和減去所述黑色單元格內的像素值之和。

優選的，所述的步驟(30)中，是指將所述特征池中的各個圖像特征的特征值與物體所在背景的特征值進行比對，并將與物體所在背景的特征值區別最大的圖像特征作為最佳的物體檢測特征。

優選的，所述的步驟(40)中，是指利用所述最佳的物體檢測特征進行構建物體檢測分類器，通過該物體檢測分類器進行物體檢測。

相應的，本發明還提供一種通過特征模板構建特征池的物體檢測系統，其包括：

圖像預處理模塊，用于對原始圖像進行處理，得到灰度圖、梯度幅值圖、梯度直方圖；

特征池構建模塊，其通過設置一種以上不同網格的特征模板，并將所述特征模板分別在所述灰度圖、梯度幅值圖、梯度直方圖上進行移動，獲取圖像特征的特征池；

特征訓練模塊，其采用adaboost算法對所述特征池中的圖像特征進行訓練得到最佳的物體檢測特征；

物體檢測模塊，其根據所述最佳的物體檢測特征進行物體檢測。

優選的，所述的特征池構建模塊中，所述特征模板包括12種，根據每種特征模板的白色單元格和黑色單元格的布局得到12種圖像特征值的算法，通過將12種特征模板分別在所述灰度圖、梯度幅值圖、梯度直方圖中按預設步長進行移動，提取大量的圖像特征，并計算各個圖像特征對應的特征值。

優選的，所述的特征訓練模塊中，是指將所述特征池中的各個圖像特征的特征值與物體所在背景的特征值進行比對，并將與物體所在背景的特征值區別最大的圖像特征作為最佳的物體檢測特征。

優選的，所述的物體檢測模塊中，是指利用所述最佳的物體檢測特征進行構建物體檢測分類器，通過該物體檢測分類器進行物體檢測。

本發明的有益效果是：

本發明通過利用不同特征模板對不同性質圖像進行提取圖像特征和構建特征池，能夠得到圖像的更多特征，以充分挖掘圖像的有用信息和可區分不同物體目標的特征，以便從所述特征池中挑選得到最佳的物體檢測特征，提高檢測效率和準確率。

附圖說明