快速检测目标的方法及系统技术方案

本申请提供了一种计算机图像中感兴趣目标物体的快速检测技术，主要用于提高计算能力受限的计算机系统中的目标物体检测速率。该申请提供一种快速检测目标物体的方法，包括：读取待检测的图片序列，对每幅图片根据图片的到达时间以及前次的检测结果计算图像特征向量；根据所述复杂特征向量，检测目标物体是否存在于图片当中。与现有技术相比，本申请提供了一种基于邻近图片之间的相互关联性，合理设置扫描区域、扫描时刻的方法有效减少传统方法中冗余扫描部分，降低了平均每帧处理时间同时保持了较高的检出率和响应速率。

【技术实现步骤摘要】

本申请涉及视频图像识别领域，尤其涉及快速的检测视频图像中目标物体的方法和系统。
技术介绍
感兴趣目标物体的检测与跟踪技术是计算机视觉的重要分支，是当前智能图像处理和视频处理的热点问题，有着广阔的应用前景和长远的经济价值。针对不同类型的目标物体，业界已提出多种检测方法，如基于几何特征的方法，基于统计特征的方法等。而基于统计特征的方法正被业界广泛采用。然而由于需要对待检测图像做多尺度的稠密扫描，目标物体的检测过程所需的运算量相当惊人，以至于仅仅可在高性能的台式计算机上才可以达到实时计算性能，在小型的便携式计算设备上无法实时运行。本申请基于单个摄像头或者其他可输出连续的图像的设备作为输入设备，并由相应的计算单元处理，从而快速定位所拍摄的真实场景图像中感兴趣的目标物体的位置、数量以及尺寸。本技术可以使用在任何使用摄像头或视频文件作为目标物体检测录入的场景中。本申请使用创新的技术提高了场景中目标物体检测的速度并同时保证了较高的检出率水平，有效的降低了该目标物体检测系统对计算资源的需求。
技术实现思路
本申请提供了一种计算机图像中感兴趣目标物体的快速检测技术，主要用于提高计算能力受限的计算机系统中的目标物体检测速率。根据本申请的一个实施例，提供一种快速检测目标物体的方法，包括：读取待检测的图片序列，对每幅图片根据图片的到达时间以及前次的检测结果计算图像特征向量；根据所述复杂特征向量，检测目标物体是否存在于图片当中。与现有技术相比，本申请提供了一种基于邻近图片之间的相互关联性，合理设置扫描区域、扫描时刻的方法有效减少传统方法中冗余扫描部分，降低了平均每帧处理时间同时保持了较高的检出率和响应速率。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1是本申请一个实施例的快速目标物体检测方法的主要流程图。图2是本申请一个实施例的快速目标物体检测系统的主要结构框图。具体实施方式本申请的主要思想在于基于复杂图像特征的，视频图像帧间关系的快速目标物体检测，其应用复杂图像特征如HARR和LBP特征，通过采集大量比较数据样本训练分类器如支持向量机等获得训练后的具有能进行识别的一系列参数数据的分类器（以下称为识别器），该识别器与图像做匹配以检测物体，本申请通过合理划分匹配时刻、匹配区域、匹配尺度以提高图像的扫描速率并保持较高的检测准确率。为使本申请的目的、技术方案和优点更加清楚，以下结合幅度及具体实施例，对本身却做进一步的详细说明。图1示出了本申请的一个实施例的快速目标物体检测方法的主要流程图100。步骤S110，输入待检测目标物体的视频图像序列。通常利用系统的图像捕捉装置采集待检测场景的数字图像。这些数字图像中可能包含目标物体也可能没有目标物体，同时目标物体也可能具有不同的姿态。步骤S110中输出的一帧数字图像，在步骤S120处判断是否需要做全局扫描，判断条件包括1）系统初次运行到目标物体检测步骤；2）距离前次全局扫描已到达时间阈值；3）跟踪模块已触发全局扫描请求。在满足此3项判断条件之任一条件时，系统将做一次全局扫描。所谓全局扫描是指将整幅图像作为感兴趣区域计算图像特征S130并做特征匹配S140。若未满足步骤S120的全局扫描条件，系统进入步骤S160，该步骤将基于以下策略选取感兴趣的区域和图像尺度，包括1）根据参考数据所获得最高可能性出现的区域设置优先扫描的区域，如图像的下部三分之一区域或者中心区域等。此时仍需在感兴趣区域的多个尺度计算图像特征（步骤S130）并做特征匹配（步骤S140）；2）将前次检测的结果区域做适当扩张并设置为感兴趣区域，此时可能会有多个感兴趣区域还需要对感兴趣区域做合并处理以避免某些区域重叠造成重复处理。此时可在单一尺度的图像上计算图像特征（步骤S130）并做特征匹配（步骤S140）；3）对前次检测结果的相邻尺度计算图像特征（步骤S130）并做特征匹配（步骤S140）。步骤S130所示的特征提取工作于标准图像（如24x24）上，对该图像计算其局部二值模式特征，将该标准图像划分为多个区块，对区块中的每个像素，与它的八个领域像素进行比较，对于中心像素大于某个邻域的，设置为；否则设置为0，这样可获得一个八位二进制数字是为该位置的特征，将整个区块计算直方图并归一化，这样将区块中的直方图串起以后即可获得当前检测窗口的特征向量。一般来说，特征向量的维度是比较高的，可以通过一些常用的降维方法，如主元分析（PCA）等降低维度以提高步骤S140中的匹配识别速度。同时，为保证特征匹配S140的成功率，降低漏检率，特征提取还需要在图像的多个尺度上进行，即对图像做多次缩小。在获得特征图像之后，将特征图像与已知的目标物体特征做匹配步骤S140，特征匹配通过计算特征图像与目标物体特征的距离完成。特征向量之间的距离通常采用欧几里德距离或者切比雪夫距离(ChebyshevDistance)定义进行计算。图2示出了本申请的一个实施例的快速目标物体检测系统的主要流程图200。样本收集步骤S200,预先采集大量的图像数据样本并对这些图像数据样本进行分割和标记。由此能获得大量的分类好的单独的目标物体信息图像(样本图像)。在对输入的待检测的图像上的信息进行扫描检测之前，需要进行预处理，以便获得能对待检测目标物体进行检测的样本数据库以及识别器(训练后带参数数据的分类器)。具体一种方式，可以是预先采集大量的含有待检测目标物体图像数据样本，然后对这些图像数据样本进行分割，将分割后获得的单个目标物体(下称样本图像）进行标记。通过该分割，可以将图像数据样本中的目标物体分开，形成单独的目标物体图像(样本图像)作为正样本。该分割、标记（即图像数据样本分析）可以由人工或机器算法等方式，指定采集的分割后的样本图像(待检测目标物体图像）。这里，采集方式，可以通过图像捕捉/摄取装置来提供待检测目标物体图像以进行图像数据样本采集。例如：通过图像采集装置采集样本用的待检测目标物体的图像，这些图像包括了待检测目标物体在不同姿态不同光照等条件下的图像。接下来可以对这些图像数据样本做分析(分割和标记)，比如人工方式分析，具体的可以是使用图像编辑工具，如Photoshop，GIMP等，可以在采集到的这些图像数据样本上找到待检测目标物体所在区域，另行保存为一个图像，即分割图像数据样本为单独的待识别目标物体图像(样本图像），并将它的标记为待识别正样本图像（S220）。步骤S225中需要准备与正样本数目相当的负样本，负样本的选择可通过图像采集装置采集不含待检测目标物体的场景的图像中截取部分图像获得，也可以通过截取与待检测目标物体场景类似之录像文件中的图像获得。步骤S230所示之特征提取使用步骤S130所述方法。训练分类器步骤S240，利用特征提取步骤S230中提取的样本图像的特征，作为图像信息的检测处理的特征样本，并以这些样本训练分类器，以获得相应的分类器（步骤S280），即匹配检测用的目标模板。分类器，如采用支持向量机SVM或AdaBoost等。目标物体检测过程中，类似图1中的，步骤S250输入图像，而步骤S260则选择扫描窗口，基于扫描窗口和步骤S230所提取的图像特征本文档来自技高网...

【技术保护点】
一种快速目标物体识别方法，其特征在于，包括：检测、定位带识别的图像中的感兴趣的目标物体，并且保存该结果；依据参考数据、前次检测结果选择、减少扫描区域；检测定位使用特征匹配的方法，在图像中搜索，特征一般选用局部二值特征。

【技术特征摘要】
1.一种快速目标物体识别方法，其特征在于，包括：检测、定位带识别的图像中的感兴趣的目标物体，并且保存该结果；依据参考数据、前次检测结果选择、减少扫描区域；检测定位使用特征匹配的方法，在图像中搜索，特征一般选用局部二值特征。2.根据权利要求1所述的方法，其特征在于，包括检测、定位带识别的图像中的感兴趣的目标物体，并且保存该结果；依据参考数据、前次检测结果选择、减少扫描区域，减少图像缩小的尺度层次；检测定位使用特征匹配的方法，在图像中搜索，特征一般选用局部二值特征。3.根据权利要求1所述的方法，依据参考数据、前次检测结果选择、减少扫描区域，其特征在于，包括预先规划多个扫描窗口，在处理每帧图像时，按照一定规则，如顺序次序，扫描图像的窗口。4.根据权利要求2所述的方法，依据参考数据、前次检测结果选择、减少扫描区域，减少图像缩小的尺度层次，其特征在于，包括依据前一次检测的结果，在其附近区域选择候选区域，同时选择相应的图像尺度层次，即该图像与原始输入图像的尺寸比例。5.根据权利要求1所述的方法，其特征在于，对获取的目标物体图像进行复杂特征向量提取包括：基于定位所获取的一个目标物体图像，对所述目标物体图像统一大小标准；预设一像素块，对所述目标物体图像上的每个所述像素块的图像逐点计算图像特征，以获得所述字符信息图像的复杂特征向量。6.根据权利要求5所述的方法，其特征在于，所述逐点计算图像特征包括：所述像素块与其相邻的像素块形成区块，对所述区块选取476维的特征向量描述；在所述目标物体图像上分别沿横向、纵向移动，组合得到对所述目标物体图像的高维的特征向量描述。7.根据权利要求1所述的方法，其特征在于，还包括：预处理步骤，其中，采集大量具有待检测目标物体的图像标记，以获得标记目标图像；对所述标记目标图像，进行归一化处理，以获得图像；预设一像素块，对所述图像上的每个所述像素块的图像逐点计算图像特征，以获得所述目标物体的局部二值特征；利用所述特征样本，进行分类器训练，以获得识别处理用的所述识别器。8.根据权利要求...

【专利技术属性】
技术研发人员：陈果，韩龙，李扬，孙超，
申请(专利权)人：上海羽视澄蓝信息科技有限公司，
类型：发明
国别省市：上海;31