[发明专利]一种基于一二阶合并的目标检测区域特征描述方法

说明书

技术领域

本发明属于图像处理技术领域，特别涉及联合目标检测与语义分割技术中的目标检测区域特征描述技术。

背景技术

如何让计算机具有类似于人类的认知能力，自动地完成场景理解，作为计算机视觉研究领域中极其重要的基础问题。场景理解即是让计算机理解一幅图片的内容,诸如图像分割、物体识别等研究。随着近年来电子产品和互联网技术的飞速发展,图片的内容也越来越多样化,从而引出了广义上的场景理解：对图片主题的理解。其中，联合目标检测与语义分割技术研究如何通过构建一个统一模型来联合解决场景理解中的两个子任务，即目标检测和语义分割，是近年来场景理解领域中兴起的一个热点问题。目标检测用于判断输入图片中是否存在指定目标，并使用矩形边界框对存在的目标个体进行定位。语义分割用于给出图片中每个像素的类别标识。通过该技术既可以得到视觉场景图片中每个像素的语义解释，完成了由低层语义到高层语义的推理，在一定程度上实现了对视觉场景的理解，又可以准确定位单个目标并估计其数量，是朝向整体场景理解迈进的重要一步。一些成熟的算法已逐步应用于社会的多个领域，如：智能导航，医疗诊断，用于搜索和知识获取的网络图片理解等。

在联合目标检测与语义分割系统中，目标检测区域特征描述是一项关键技术。其目的是对目标检测得到的区域进行特征提取，并将其表达为适合的特征向量，以作为后续分类器输入。区域特征描述的好坏在很大程度上决定了分类器的性能，从而影响系统整体性能。然而，目标检测得到的物体区域（通常是矩形区域）往往包含非目标区域，从中提取的特征必然会影响对真实目标区域的特征表达；其次，现有的联合目标检测与语义分割系统中常使用单一的特征描述方法来对目标检测区域进行表达，无法适用于各种目标类型。

目前常用的目标检测区域特征描述算法有：

（1）基于形状特征的特征描述算法。L.Ladicky,P.Sturgess,K.Alahari,et al.What,where and how many?Combining object detectors and CRFs.Proceedings of the11th European Conference on Computer Vision,Heraklion,Crete,Greece,2010,424-437

（2）基于多特征融合的特征描述算法。S.Gould,T.Gao,D.Koller.Region-based segmentation and object detection[C].Proceedings of the23rd Annual Conference on Neural Information Processing Systems,Vancouver,BC,Canada,2009,655-663

（3）基于纹理特征的特征描述算法。A.Ion,J.Carreira,C.Sminchisescu.Image segmentation by figure-ground composition into maximal cliques.Proceedings of the2011International Conference on Computer Vision,Barcelona,Spain,2011,2110-2117

发明内容

本发明所要解决的技术问题是，提供一种能够去除非目标区域干扰，适用于多种目标的目标检测区域特征描述方法。

本发明为解决上述技术问题所采用的技术方案是，一种基于一二阶合并的目标检测区域特征描述方法，包括以下步骤：

步骤1、提取目标检测矩形区域img1内的方向梯度直方图HOG特征，获得特征向量hog；

步骤2、提取目标检测矩形区域img1中真实目标区域的组合特征向量：

2-1)对目标检测矩形区域img1完成前景分割，提取出真实的物体区域img2；

2-2)在真实的物体区域img2中进行密集采样，获得n个采样点形成采样点集S={p₁,p₂,…,p_n}；

2-3)对采样点集S中每一个采样点p_i,i∈1,…,n计算其位置特征向量：