目标的定位方法、装置、电子设备及存储介质制造方法及图纸

本申请提供的一种目标的定位方法、装置、电子设备及存储介质，包括：获取图片数据；确定所述图片数据中滑动检测窗口对应的各个图片区域的第一特征信息；将各个第一特征信息输入至目标支持向量机SVM分类器中以从各个图片区域中确定初始图片区域集；基于目标随机森林RF分类器从所述初始图片区域集中确定目标图片区域集，以基于所述目标图片区域集实现对目标的定位，其中，所述RF分类器基于所述样本集确定的。定的。定的。

【技术实现步骤摘要】
目标的定位方法、装置、电子设备及存储介质


[0001]本申请涉及图片处理领域，特别地涉及一种目标的定位方法、装置、电子设备及存储介质。

技术介绍

[0002]方向梯度直方图(HOG，Histogram of Oriented Gradient)特征是一种在计算机视觉和图片处理中用来进行物体检测的特征描述子。它通过计算和统计图片局部区域的梯度方向直方图来构成特征。支持向量机(SVM，Support Vector Mchine)则是一种在分类与回归分析中分析数据的监督式学习模型，其能够支持线性及非线性二分类问题。HOG特征结合SVM分类器已经被广泛应用于目标检测与识别中，例如，对条形码进行检测和识别，但是通过HOG特征结合SVM分类器进行条形码识别时，识别的准确率不高，存在误判情况，例如，将非条形码区域判定为条形码区域，导致条形码的定位的准确率不高。

技术实现思路

[0003]针对上述问题，本申请提供一种目标的定位方法、装置、检测设备及存储介质。
[0004]本申请提供了一种目标的定位方法，包括：
[0005]获取图片数据；
[0006]确定所述图片数据中滑动检测窗口对应的各个图片区域的第一特征信息；
[0007]将各个第一特征信息输入至目标支持向量机SVM分类器中以从各个图片区域中确定初始图片区域集，其中，所述初始图片区域集中每个初始图片区域中包括目标区域，所述SVM分类器基于样本集确定的，所述样本集包括带有正样本标签的样本图片数据和带有负样本标签的样本图片数据，所述带有正样本标签的样本图片数据中包括目标区域，带有负样本标签的样本图片数据中不包括目标区域；
[0008]基于目标随机森林RF分类器从所述初始图片区域集中确定目标图片区域集，以基于所述目标图片区域集实现对目标的定位，其中，所述RF分类器基于所述样本集确定的。
[0009]在一些实施例中，所述方法还包括：
[0010]获取样本集，其中，所述样本集包带有正样本标签的样本图片数据和带有负样本标签的样本图片数据，所述带有正样本标签的样本图片数据中包括目标区域，带有负样本标签的样本图片数据中不包括目标区域；
[0011]基于各个样本图片数据对应的第二特征信息、及对应的标签对初始SVM进行训练，得到所述目标SVM。
[0012]在一些实施例中，所述方法还包括：
[0013]对各个样本图片数据对应的第二特征信息进行特征降维处理，得到各个样本图片数据对应的第三特征信息；
[0014]基于各个样本图片数据对应的第三特征信息、及对应的标签对初始RF分类器进行训练，得到目标RF分类器。
[0015]在一些实施例中，所述基于目标随机森林RF分类器从所述初始图片区域集中确定目标图片区域集，包括：
[0016]确定所述初始图片区域集中各个初始图片区域对应的第四特征信息；
[0017]对各个初始图片区域对应的第四特征信息进行特征降维处理，得到各个初始图片区域对应的第五特征信息；
[0018]将各个初始图片区域对应的第五特征信息输入至RF分类器中，以从各个初始图片区域中确定目标图片区域集。
[0019]在一些实施例中，所述确定所述样本集中各个样本图片数据对应的第二特征信息，包括：
[0020]确定所述样本集中各个样本图片数据对应的像素特征；
[0021]确定所述样本集中各个样本图片数据对应的颜色直方图特征；
[0022]确定所述样本集中各个样本图片数据对应的方向梯度直方图HOG特征；
[0023]基于各个像素特征、各个颜色直方图特征和各个HOG特征特征，确定各个样本图片数据对应的第二特征信息。
[0024]在一些实施例中，所述确定所述样本集中各个样本图片数据对应的方向梯度直方图HOG特征，包括：
[0025]对样本集中各个样本图片数据进行灰度处理，得到各个灰度样本图片数据；
[0026]对各个灰度样本图片数据进行标准化处理，得到各个标准样本图片数据；
[0027]计算各个标准样本图片数据对应的HOG特征。
[0028]在一些实施例中，对各个样本图片数据对应的第二特征信息进行特征降维处理，得到各个样本图片数据对应的第三特征信息，包括：
[0029]对各个样本图片数据对应的第二特征信息采用数据中心化方法处理得到各个样本图片数据对应的第六特征信息；
[0030]基于各个样本图片数据对应的第六特征信息确定各个样本图片数据中特征与特征之间的协方差矩阵；
[0031]求解各个样本图片数据对应的协方差矩阵的特征值和所述特征值对应特征向量；
[0032]基于各个样本图片数据对应的特征向量和特征值，确定各个样本图片数据对应的排列矩阵；
[0033]获取各个样本图片数据对应的排列矩阵中的前K列数据，得到各个样本图片数据对应的中间矩阵；
[0034]基于各个样本图片数据对应的中间矩阵和对应的第二特征信息得到各个图片数据对应的第三特征信息。
[0035]本申请实施例提供一种目标的定位装置，包括：
[0036]第一获取模块，用于获取图片数据；
[0037]第一确定模块，用于确定所述图片数据中滑动检测窗口对应的各个图片区域的第一特征信息；
[0038]第二确定模块，用于将各个第一特征信息输入至目标支持向量机SVM分类器中以从各个图片区域中确定初始图片区域集，其中，所述初始图片区域集中每个初始图片区域中包括目标区域，所述SVM分类器基于样本集确定的，所述样本集包括正样本图片数据和负
样本图片数据，所述正样本图片数据中包括目标区域，所述负样本图片数据中不包括目标区域；
[0039]第三确定模块，用于基于目标随机森林RF分类器从所述初始图片区域集中确定目标图片区域集，以基于所述目标图片区域集完成对目标的定位，其中，所述RF分类器基于所述样本集确定的。
[0040]本申请实施例提供一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行上述任意一项所述目标的定位方法。
[0041]本申请实施例提供一种存储介质，该存储介质存储的计算机程序，可被一个或多个处理器执行，可用来实现上述任一项所述目标的定位方法。
[0042]本申请提供的一种目标的定位方法、装置、电子设备及存储介质，在图片检测的时候，确定滑动检测窗口对应的各个图片区域的第一特征信息，基于第一特征信息输入至SVM分类器中，确定初始图片区域集，然后通过RF分类器来确定初始图片区域集中的目标图片区域集，从而基于目标图片区域集实现对目标的定位，能够提升目标(如二维码)的识别准确率，从而使得目标的定位更准确。
附图说明
[0043]在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
[0044]图1为本申请实施例提供的一种目标的定位方法的实现流程示意图；
[0045]图2为本申请实施例提供的一种确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标的定位方法，其特征在于，包括：获取图片数据；确定所述图片数据中滑动检测窗口对应的各个图片区域的第一特征信息；将各个第一特征信息输入至目标支持向量机SVM分类器中以从各个图片区域中确定初始图片区域集，其中，所述初始图片区域集中每个初始图片区域中包括目标区域，所述SVM分类器基于样本集确定的，所述样本集包括带有正样本标签的样本图片数据和带有负样本标签的样本图片数据，所述带有正样本标签的样本图片数据中包括目标区域，带有负样本标签的样本图片数据中不包括目标区域；基于目标随机森林RF分类器从所述初始图片区域集中确定目标图片区域集，以基于所述目标图片区域集完成对目标的定位，其中，所述RF分类器基于所述样本集确定的。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取样本集，其中，所述样本集包带有正样本标签的样本图片数据和带有负样本标签的样本图片数据，所述带有正样本标签的样本图片数据中包括目标区域，带有负样本标签的样本图片数据中不包括目标区域；确定所述样本集中各个样本图片数据对应的第二特征信息；基于各个样本图片数据对应的第二特征信息、及对应的标签对初始SVM进行训练，得到所述目标SVM。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：对各个样本图片数据对应的第二特征信息进行特征降维处理，得到各个样本图片数据对应的第三特征信息；基于各个样本图片数据对应的第三特征信息、及对应的标签对初始RF分类器进行训练，得到目标RF分类器。4.根据权利要求3所述的方法，其特征在于，所述基于目标随机森林RF分类器从所述初始图片区域集中确定目标图片区域集，包括：确定所述初始图片区域集中各个初始图片区域对应的第四特征信息；对各个初始图片区域对应的第四特征信息进行特征降维处理，得到各个初始图片区域对应的第五特征信息；将各个初始图片区域对应的第五特征信息输入至RF分类器中，以从各个初始图片区域中确定目标图片区域集。5.根据权利要求2所述的方法，其特征在于，所述确定所述样本集中各个样本图片数据对应的第二特征信息，包括：确定所述样本集中各个样本图片数据对应的像素特征；确定所述样本集中各个样本图片数据对应的颜色直方图特征；确定所述样本集中各个样本图片数据对应的方向梯度直方图HOG特征；基于各个像素特征、各个颜色直方图特征和各个HOG特征特征，确定各个样本图片数据对应的第...

【专利技术属性】
技术研发人员：李卓茜，罗琴，李润静，唐光远，
申请(专利权)人：珠海联云科技有限公司，
类型：发明
国别省市：