[发明专利]用于目标检测的系统和方法有效

专利信息
申请号: 201580062263.8 申请日: 2015-11-24
公开(公告)号: CN107004137B 公开(公告)日: 2021-11-19
发明(设计)人: K·A·德萨班;M·马修;P·K·斯瓦米 申请(专利权)人: 德克萨斯仪器股份有限公司
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62
代理公司: 北京纪凯知识产权代理有限公司 11245 代理人: 赵志刚;赵蓉民
地址: 美国德*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 目标 检测 系统 方法
【权利要求书】:

1.一种用于检测图像中的目标的目标检测系统,所述图像包括多个图像像素,所述目标检测系统包括:

存储器,其用于存储指令;以及

处理器,其响应于所存储的指令来执行以下步骤:

针对所述图像的每个图像像素计算一种或更多种类型的一个或更多个特征平面,所述特征平面包括HOG区间,所述HOG区间被分配有最小区间化角和最大区间化角,所述最小区间化角和所述最大区间化角中的每个的正切为有理数,并且所述图像像素的HOG特征平面基于移位运算、减法运算以及比较运算中的至少一个来确定;

在所述图像中定义多个单元,每个单元包括第一至第n数目的像素,且所述图像中的每个单元在水平和竖直方向上的起始位置分别为预定义水平和竖直步长大小的整数倍;

针对每个单元计算一种或更多种类型的一个或更多个特征平面总和,单元的一种类型的特征平面总和通过对所述单元的所述第一至第n数目的像素的对应的特征求和来计算,n为整数;

确定所述图像的图像部分的特征向量,所述特征向量包括在所述图像部分中定义的一个或更多个单元的特征平面总和的集合;

比较所述特征向量与对应的目标分类器以检测在所述图像的所述图像部分中的所述目标的存在;以及

所述确定与比较所述特征向量包括以迭代方式执行:

从所述一种或更多种类型的特征平面选择一种类型的特征平面;

计算局部特征向量,而不在存储器中存储所述局部特征向量,所述局部特征向量包括所述图像部分的一个或更多个单元的所选类型的一个或更多个特征平面总和;

比较所述局部特征向量与所述目标的对应局部分类器;

将比较的结果存储在所述存储器中;

核对对应于所述特征平面的每种类型的比较结果;以及

基于经核对的结果来检测所述图像中所述目标的存在。

2.根据权利要求1所述的目标检测系统,其中所述一种或更多种类型的一个或更多个特征平面包括:

用于表示所述图像像素的配色方案的第一、第二以及第三特征平面;

第四特征平面,其用于表示所述图像像素的梯度量值;以及

第五至第m梯度直方图特征平面即HOG特征平面,其用于表示所述图像像素在对应的第五至第m HOG区间中的梯度,m为整数。

3.根据权利要求2所述的目标检测系统,其中单个图像像素的所述第五至第m梯度直方图特征平面即HOG特征平面通过以下操作计算:

计算所述图像像素的水平梯度和竖直梯度,并基于所述水平梯度和竖直梯度的比值来从所述第五至第m HOG区间当中确定对应的HOG区间,其中所述对应的HOG区间通过比较所述比值和与所述对应的HOG区间相关联的第一阈值和第二阈值来确定;

计算所述图像像素的梯度值;以及

将所述梯度值分配给对应于所确定的HOG区间的HOG特征平面,并将零值分配给第五至第m HOG特征平面中的其余HOG特征平面。

4.根据权利要求1所述的目标检测系统,其中所述处理器进一步响应于所存储的指令来执行以下步骤:

计算所述图像的所述图像部分的下一图像部分的特征向量;以及

比较所述下一图像部分的所述特征向量与对应的目标分类器,其中针对所述图像的其余图像部分中的每个以顺序方式执行所述计算和比较的步骤,由此检测所述图像中对应的目标的存在。

5.根据权利要求4所述的目标检测系统,其中当预定义的第一水平和竖直单元大小分别为预定义的第二水平和竖直单元大小的整数倍时,基于所述预定义的第二水平和竖直单元大小的一个或更多个单元的对应的特征平面总和来计算所述预定义的第一水平和竖直单元大小的单元的特征平面总和。

6.根据权利要求1所述的目标检测系统,其中所述处理器响应于所存储的指令来执行以下步骤:以预定义的按比例缩放因子按比例缩放所述图像以获得按比例缩放图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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德克萨斯仪器股份有限公司,未经德克萨斯仪器股份有限公司许可,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/201580062263.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top