[发明专利]利用联合检测器进行物体检测的方法

说明书

技术领域

本发明涉及一种物体检测方法，更具体地说，涉及一种利用不同检测器 的联合来进行物体检测的方法。

背景技术

物体检测是进行媒体内容管理、智能监控等应用领域的基础，是这些领 域中非常重要的核心技术。特别地，对于人脸的检测作为物体检测中的重要 组成部分，广泛地应用于身份验证、智能监控、智能相机等领域。

在现有技术中，都是利用单一的检测器来进行物体检测，作为示例，所 述单一的检测器为Haar检测器、SIFT(尺度不变特征变换，Scale Invariant Feature Transform)检测器、MCT(Modified Census Transform)检测器、NMF (非负矩阵分解，non-negative matrix factorization)检测器等。

图1中的(A)、(B)和(C)分别示出Haar边缘特征、Haar线特征和 Haar扩展特征，其中，Haar边缘特征可用于构造边缘特征器，Haar线特征可 用于构造线特征检测器，Haar扩展特征可用于获取点特征、对角线特征等。

Haar特征值计算如下：

h(x)=Σi∈Rwipi]]>

其中，R是预定的局部区域，i是区域内的像素点，p_i是该像素点的灰度 值，w_i是该点的权重。w_i满足如下要求：

Σi∈Rwi=0.]]>

上述Haar特征值的加权和被作为Haar检测器的判别依据，从而对被检 测样本进行筛选。此外，也可利用积分图像的方法，快速得到所计算的Haar 特征值。

图2示出现有技术中基于3×3网格的MCT特征，其中，每个网格大小 相等，可以是一个像素，也可以是多个像素组成的长方形或正方形。图3示 出现有技术中的检测器中所包括的示例性MCT特征，其中，白色网格表示其 特征值高于均值，而黑色网格表示其特征值低于均值。

MCT特征值基于3×3网格，每个网格的像素值求和以作为网格特征值； 将所述网格特征值与所有网格特征值的均值进行比较，获得0或1；将9个 网格的比较结果连接成0-511的整数，从而通过索引而得到MCT特征值。

MCT特征值的索引地址计算如下：

m(x)=Σi=19s(gi-gc)×2i]]>