[发明专利]在线训练的目标检测方法及装置有效
申请号: | 201310241922.7 | 申请日: | 2013-06-17 |
公开(公告)号: | CN103345644A | 公开(公告)日: | 2013-10-09 |
发明(设计)人: | 魏代玉;罗巍;邓斌 | 申请(专利权)人: | 华为终端有限公司 |
主分类号: | G06K9/66 | 分类号: | G06K9/66 |
代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 刘芳 |
地址: | 518129 广东省*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 在线 训练 目标 检测 方法 装置 | ||
1.一种在线训练的目标检测方法,其特征在于,包括:
获取第N帧图像,所述N为大于2的整数;
对所述第N帧图像进行目标检测和/或目标跟踪,获取至少一个第N目标区域,所述第N目标区域为通过所述第N帧图像进行目标检测获得区域;
通过第N-1目标区域对训练检测单元进行在线训练,所述N-1目标区域为通过对第N-1帧图像进行目标检测得到的至少一个目标区域,所述第N-1帧图像为所述第N帧图像的前一帧图像,所述训练检测单元存储有在第1帧图像至所述第N-1帧图像中检测到的所有目标区域。
2.根据权利要求1所述的方法,其特征在于,还包括:
通过所述第N目标区域对所述训练检测单元进行在线训练,所述第N目标区域为通过对所述第N帧图像进行目标检测得到的至少一个目标区域。
3.根据权利要求1或2所述的方法,其特征在于,所述通过所述第N-1目标区域对训练检测单元进行在线训练之后,还包括:
对获取的第N+1帧图像进行目标检测,获取至少一个第N+1目标区域;
通过所述第N目标区域对训练检测单元进行在线训练。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述获取第N帧图像之前,还包括:
获取第2帧图像;
对所述第2帧图像进行目标检测,获取至少一个第2目标区域,所述第2目标区域为通过所述第2帧图像进行目标检测获得区域;
通过所述第2目标区域对所述训练检测单元进行在线训练。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述获取第N帧图像之前,还包括:
获取第1帧图像;
确定所述第1帧图像的至少一个目标点;
对所述目标点周围区域进行图像分割,获取第一目标区域;
通过所述第一目标区域对训练检测单元进行在线训练。
6.根据权利要求5所述的方法,其特征在于,所述对所述目标点周围区域进行图像分割,获取第一目标区域,包括:
以所述目标点为中心,对所述目标点的周围区域进行均值方差的计算,获得所述均值方差值;
若所述均值方差值大于预设均值方差值,则将所述目标点的所述周围区域转换成HSV模型,获得所述周围区域的色调H分量,并对所述目标点的所述周围区域进行灰度计算,获得所述周围区域的灰度值。
若所述H分量满足H分量预设值,并所述灰度值满足灰度预设值时,则将所述周围区域进行图像分割,获取所述第一目标区域。
7.根据权利要求6所述的方法,其特征在于,所述确定所述第1帧图像的至少一个目标点,包括:
通过用户对所述第1帧图像进行触摸或选定的方式获取至少一个所述目标点。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述对所述第N帧图像进行目标检测,包括:
采集第N帧图像的任一区域内的至少M个特征点;
将所述至少M个特征点分为K组,并将每组中的特征点组成一颗树,所述树的每个叶子节点存储有所述特征点坐标,所述K大于1,所述M大于等于所述K;
将所述树中相邻叶子节点中存储的特征点坐标对应的灰度值进行比较,若第一叶子节点对应的灰度值比第二叶子节点对应的灰度值大时,则所述第一叶子节点与所述第二叶子节点的父节点记录为1,若所述第一叶子节点对应的灰度值比所述第二叶子节点对应的灰度值小时,则所述第一叶子节点与所述第二叶子节点的所述父节点记录为0,将所述父节点中记录的1或0汇总在根节点,并获得二进制数串在所述树的所述根节点;
将所述二进制数串与存储在所述训练检测单元中的二进制数串进行比对,所述训练检测单元中以二进制数串的模式存储有所述所有目标区域,所述训练检测单元中存储的二进制数串包括有正样本二进制数串和负样本二进制数串;
若所述训练检测单元中存储的所述正样本二进制数串与第N帧图像的所述二进制数串相同,则认为所述二进制数串是正样本;若所述训练检测单元中存储的所述负样本二进制数串与第N帧图像的所述二进制数串相同,则认为 所述二进制数串是负样本,所述负样本为接近于正样本的样本;
确定所述正样本为第N目标区域。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华为终端有限公司,未经华为终端有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201310241922.7/1.html,转载请声明来源钻瓜专利网。