[发明专利]一种运用最大子图的基于局部模型的物体检测方法

说明书

技术领域

本发明属于计算机视觉技术领域，更具体地，涉及一种运用最大子图的基于局部模型的物体检测方法。

背景技术

在这个信息量呈指数级增长的信息时代中，我们需要面对海量的视觉信息（视频、图片等），运用计算机视觉技术从这些视觉信息中分析和提取出我们想要的信息变得越来越重要。物体检测方法，是从输入的图像中判定是否有某种物体并找出它的位置，输出图像中的物体种类和位置信息。作为计算机视觉技术中非常重要并且应用性很强的一部分，物体检测方法正飞速发展。物体检测从上世纪60年代开始起步，一直有着稳定的进步和发展，近20年，随着计算机视觉基础技术的不断进步，物体检测方法实现了爆发式的发展。在视频监控、商品检索、各类自动化设备、人机互动等等应用中，物体检测发挥着巨大的作用，并且得到了越来越多的关注。

然而，现有计算机视觉领域中的物体检测方法存在两大缺点：第一是鲁棒性差，第二是检测的准确率低。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种运用最大子图的基于局部模型的物体检测方法，该方法的鲁棒性强，并且检测准确率高。

为实现上述目的，本发明提供了一种运用最大子图的基于局部模型的物体检测方法，包括以下步骤：

（1）接收训练图像并提取图像的图像块，训练图像的数量为m个，每幅训练图像中提取出的图像块为r个；

（2）根据提取的图像块构建有权图；

（3）计算有权图中的权重a_pq，其中p和q为任意两个图像块；

（4）设置图像块计数器l＝1，即从第1个图像块开始；

（5）判断条件l≤r是否满足，如果满足，则继续进行步骤（6），当不满足时跳到步骤（9）；

（6）根据有权图和图像块计数器构建最大子图问题并解这个问题；

（7）存储最大子图；根据步骤（6）得到的一系列最大子图的权重，挑选出权重最大的最大子图，把它的顶点选择情况x^*存入Q(l)中，即Q(l)={P_j|x^*＝1}，其中P_j为图像块，Q(l)即为图像块计数器为l时选择的图像块情况；

（8）设置l＝l+1并返回步骤（5）；即设置新的必选顶点，构建最大子图问题，然后求解，并把结果也存入Q(l)中；

（9）根据l个最大子图结果，实现图像块的匹配，得到图像块集合Q＝{Q(1)，...Q(r)}和它们的匹配权重W＝{W(1)，...，W(r)}；

（10）基于匹配图像块的结果选择显著部分；

（11）运用基于局部的物体检测模型训练分类器；

（12）输入测试图像，得到结果。

步骤（2）具体为：把提取的所有图像块当成顶点、图像块的相似度当成权重构建一个有权图G＝(V，E，e)。其中，V是顶点集，即上一步提取出的n个图像块，并且V＝{υ₁，...，υ_n}，n是图像块的数目，且n＝m*r；E是边集，并且即表示E中的每一个元素为V中的一个顶点和V中的另一个顶点的关系；e是边集E的权重函数。

步骤（6）包括以下子步骤：

（6-1）表示有权图中的顶点选择情况，具体为，从顶点集V中提取子集T来构建子图G_T，这里用x∈{0，1}ⁿ来表示顶点的选择情况，当x＝1时表示选择这个顶点为子集T的一部分，0则相反，且x＝(x₁，...，x_n)∈{0，1}ⁿ，即选取的顶点必须在原图中；

（6-2）根据顶点选择情况构建子图权重函数，子图G_T的总权重为f(G_T)＝∑_{p∈T，q∈T}A(p，q)，即包含的所有顶点间关系权重的和，表达成二次形式就是f(x)＝x^TAx；

（6-3）设定必选顶点集U，必选顶点集为U＝{l}，U中的元素为找出的子图必须包含的顶点，即必选顶点。这里U＝{l}，即必选第l个图像块；