[发明专利]基于局部积分图像处理的目标检测方法、装置及系统

说明书

技术领域

本发明涉及目标检测技术，尤其涉及一种基于局部积分图像处理的目标检测方法、装置及系统。

背景技术

Haar-Like特征是Viola等人提出的一种简单矩形特征（参见文献1：Paul Viola,Michael Jones,Robust Real-time Object Detection[J].International Journal of Computer Vision,57(2),pp.137-154,2002.），因类似于Haar小波的而得名。如图1a至图1c所示，Haar-Like型特征的定义是黑色矩形和白色矩形在图像子窗口中对应的区域的灰度级总和之差，Haar-Like型特征反映了图像局部的灰度变化。

Haar-Like特征分为三类：边缘特征、线性特征、中心特征（参见文献2：B.,Ernst,A.,Fast frontal-view face detection using a multi-path decision tree[C],Proceding of Audio-and Video-based Biometric Person Authentication,2003,pp.921-928），三类特征组合成特征模板，如图1a至图1c所示。特征模板内有白色和黑色两种矩形，并定义该模板的特征值为白色矩形中的像素和减去黑色矩形中的像素和。在确定了特征形式后，Haar-Like特征的数量就取决于训练样本图像矩阵的大小以及特征模板在子窗口内任意放置，文献3（Lienhart Rainer,Maydt Jochen,An Extended Set of Haar-like Features for Rapid Object Detection[C].IEEE International Conference on Image Process,2002,pp.900-903）详细讨论了在某一子窗口中Haar-Like特征的数量，例如在一个24×24的子窗口中，上述三类Haar-Like特征的总数高达117,941个。

一种形态称为一种特征，找出所有子窗口的特征是进行弱分类训练的基础。而从大量的Haar特征中，选取若干具有最强分类能力的特征，是构建Haar分类器的关键所在。从Haar特征的形状发现，对于垂直、水平的特征，可以利用积分图像计算得到特征值。

积分图像是图像的一种表示方式，其定义如下：

ii(x,y)=Σx′≤x,y′≤yi(x′,y′)---(1)]]>

ii(x,y)和i(x,y)分别为位置(x,y)处的积分图像和输入图像的值。积分图像中数据具有递增的特点，并且对于固定大小的图像，其积分图像的机器计算时间是固定的。对于尺寸为M×N的输入图像，根据公式(1)计算积分图像所需的加法操作的次数：1/4M²×N²。只需要对每个像素进行少量的计算工作，就能得到一幅图像的“积分图像”。“积分图像”能够在多种尺度下，使用相同的时间来计算不同的特征。

此外，还可以用Viola-Jones叠代公式（参见上述文献1）来计算积分图像：

S(x,y)=i(x,y)+S(x-1,y)                (2)

ii(x,y)=ii(x,y-1)+S(x,y)              (3)