[發明專利]基于DPM算法的目標檢測方法

有效

• 申請號: 201710544443.0
• 申請日: 2017-07-06
• 公開（公告）號: CN107480585B
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 趙小明;何國經;劉小敏;程思
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06T7/11;G06T7/136;G06T7/194
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 劉長春

本發明涉及一種基于DPM算法的目標檢測方法，其特征在于，包括如下步驟：(a)根據閾值離線訓練獲得雙尺度濾波器；(b)讀取待檢測圖像；(c)提取ROI區域；(d)根據所述閾值將所述ROI區域拼接為第一區域和第二區域；(e)根據所述第一區域和所述第二區域計算HOG特征金字塔；(f)根據所述雙尺度濾波器和所述HOG特征金字塔獲取目標區域；(g)將所述目標區域映射到所述待檢測圖像以完成目標位置的檢測。本發明去除大量無用背景區域，提高了檢測效率，對不同尺度的目標檢測時存在對小目標漏檢的問題，使全局多尺度目標得到檢測，提升了檢測結果的準確性，使DPM算法更好的應用于實際工程中。

技術領域

本發明屬于圖像目標檢測技術領域，具體涉及一種基于DPM算法的目標檢測方法。

背景技術

對象檢測技術是計算機視覺的關鍵技術和研究熱點之一。可變性部件模型(Deformable Part Model，簡稱DPM)算法由Felzenszwalb于2008年提出，是一種基于部件的檢測方法，對目標的形變具有很強的魯棒性。目前DPM已成為眾多分類、分割、姿態估計等算法的核心部分，Felzenszwalb本人也因此被VOC授予終身成就獎。作為現今最流行的對象檢測算法之一，在對象檢測領域著名的PASCAL VOC競賽中多次取得優異的成績。DPM算法使用根濾波器和若干個部件濾波器來描述目標的結構，通過根濾波器來描述目標的整體輪廓，通過若干個部件濾波器來描述目標的各個組成部分，通過計算根濾波器和部件濾波器響應以及部件模型相對根模型位置偏移的綜合得分，判斷是否存在待檢測目標。對于容易發生形變的目標，該設計方案使得目標檢測更加準確。訓練過程通過隱藏支持向量機(Latent Support Vector Machine，簡稱Latent-SVM)數據學習可變形部件模型的問題簡化為二分類問題，提高系統整體檢測性能。但DPM算法的檢測過程存在滑動窗口全局搜索檢測目標導致時間長、虛警多的問題。因此，選取更準確合適方法，去除紅外圖像冗雜背景區域，減少滑動窗口數量，實現算法的實時性需求是DPM算法待解決問題之一。同時單模板的檢測存在檢測時小目標漏檢的問題。

因此，如何提供一種高效、準確的目標檢測方法已經成為目前研究的熱點問題。

發明內容

為了解決現有技術中存在的上述問題，本發明提供了一種基于DPM算法的目標檢測方法。

本發明的一個實施例提供了一種基于DPM算法的目標檢測方法，包括：

(a)根據閾值離線訓練獲得雙尺度濾波器；

(b)讀取待檢測圖像；

(c)提取所述待檢測圖像的ROI區域；

(d)根據所述閾值將所述ROI區域拼接為第一區域和第二區域；

(e)根據所述第一區域和所述第二區域計算HOG特征金字塔；

(f)根據所述雙尺度濾波器和所述HOG特征金字塔獲取目標區域；

(g)將所述目標區域映射到所述待檢測圖像以完成目標位置的檢測。

在本發明的一個實施例中，步驟(a)包括：

(a1)對樣本圖像中的訓練目標進行標注獲得標注區域信息；

(a2)根據所述閾值和所述標注區域信息將所述訓練目標劃分為第一訓練目標和第二訓練目標；

(a3)對所述第一訓練目標離線訓練獲得第一根濾波器和部件濾波器，對所述第二訓練目標離線訓練獲得第二根濾波器。

在本發明的一個實施例中，步驟(e)包括:

(e1)根據所述第一區域計算第一HOG特征金字塔；

(e2)根據所述第二區域計算第二HOG特征金字塔。