[發(fā)明專利]一種目標圖像的檢測方法、裝置及存儲介質(zhì)、機器人

有效

• 申請?zhí)枺?/td>: 201711480428.0
• 申請日: 2017-12-29
• 公開（公告）號: CN108229380B
• 公開（公告）日: 2022-02-15
• 發(fā)明（設計）人: 徐棟;辛冠希;王可可
• 申請（專利權）人: 深圳市神州云海智能科技有限公司
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/44;G06V10/74
• 代理公司: 深圳瑞天謹誠知識產(chǎn)權代理有限公司 44340
• 代理人: 溫青玲

本發(fā)明提供一種目標圖像的檢測方法、裝置及存儲介質(zhì)、機器人，通過BING算法快速選擇出可能含有目標的候選區(qū)域，替代了DPM算法中暴力搜索的滑窗方法，然后將得到的候選區(qū)域交給DPM做進一步篩選。其次，將DPM算法中最耗時的HOG特征金字塔計算去掉，從根源上解決計算HOG特征金字塔耗時的問題，DPM算法的運行速度隨之大幅度提升。

技術領域

本發(fā)明涉及圖像處理技術領域，尤其涉及一種目標圖像的檢測方法、裝置及存儲介質(zhì)、機器人。

背景技術

現(xiàn)有的可變型部件模型(DPM)算法在行人檢測中表現(xiàn)出很好的魯棒性，但在實際應用中，DPM算法的運行速度還遠遠不夠，尤其是在嵌入式設備中。主要原因是因為DPM算法使用的HOG特征是高維特征，并且計算了HOG特征金字塔(多層HOG特征)來處理不同尺寸的行人，這是DPM運行速度的瓶頸所在。

而BING算法的優(yōu)點是較高的召回率，運行速度非?？?，具有可擴展性，不足之處是BING算法在高召回率的同時，也會產(chǎn)生較多的誤檢區(qū)域，不適合單獨使用做目標檢測。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種目標圖像的檢測方法、裝置及存儲介質(zhì)、機器人。

第一方面，本發(fā)明實施例提供了一種目標圖像的檢測方法，包括步驟：

從待檢測的視頻中依次讀取一幀圖像；

利用基于BING的objectness算法，生成可能含有目標圖像的候選框；

計算所述圖像的HOG特征圖；

將預設DPM模型中的根濾波器尺寸大小縮放至與所述候選框中的所述HOG特征圖的尺寸大小匹配；

利用動態(tài)規(guī)劃算法，計算根濾波器和部件濾波器得分；

根據(jù)根濾波器和部件濾波器的綜合響應得分，判定所述候選框對應的圖像是否為目標圖像。

第二方面，本發(fā)明實施例還提供了一種目標圖像的檢測裝置，所述裝置包括：

圖像讀取模塊，用于從待檢測的視頻中依次讀取一幀圖像；

候選框生成模塊，用于利用基于BING的objectness算法，生成可能含有目標圖像的候選框；

特征圖計算模塊，用于計算所述圖像的HOG特征圖；

縮放模塊，用于將預設DPM模型中的根濾波器尺寸大小縮放至與所述候選框中的所述HOG特征圖的尺寸大小匹配；

得分計算模塊，用于利用動態(tài)規(guī)劃算法，計算根濾波器和部件濾波器得分；

判定模塊，用于根據(jù)根濾波器和部件濾波器的綜合響應得分，判定所述候選框對應的圖像是否為目標圖像。

第三方面，本發(fā)明實施例還提供了一種存儲介質(zhì)，其存儲有計算機程序，其中，所述計算機程序使得計算機執(zhí)行如上面所述的目標圖像的檢測方法。

第四方面，本發(fā)明實施例還提供了一種機器人，包括存儲器和處理器，所述處理器和所述存儲器通過總線連接；所述存儲器用于存儲一組程序代碼，所述處理器用于調(diào)用所述存儲器中存儲的程序代碼，執(zhí)行如上面所述的目標圖像的檢測方法。

本發(fā)明實施例提供的目標圖像的檢測方法、裝置及存儲介質(zhì)、機器人，通過使用object proposal的BING方法，快速生成可能含有目標的候選框，然后將這些候選框交給DPM算法來處理，替代了DPM中基于暴力搜索的滑窗方法，使候選框的數(shù)量大幅度下降，運行速度也隨之提升。例如1080P大小的圖像，若使用滑窗方法，濾波器大小為100*300，步長為1，候選框數(shù)量級為106，而BING算法篩選出的候選框數(shù)量一般控制在103左右。