[发明专利]用于目标检测的系统和方法

说明书

在所描述的示例中，一种检测图像中的目标的方法包括针对所述图像的每个图像像素来计算(802)一种或更多种类型的一个或更多个特征平面。在所述图像中定义单元(804)，其中每个单元包括第一至第n数目的像素。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(806)一种或更多种类型的一个或更多个特征平面总和。基于特征平面总和的集合来确定(808)所述图像的图像部分的特征向量，且比较(810)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对应的目标的存在。

技术领域

本发明整体涉及目标检测，如从车辆对行人和其它目标的检测。

背景技术

现今，车辆配备有用以检测目标(如道路上的行人)的目标检测器，并向驾驶员提供警告/制动辅助。目标检测器采用摄像机来捕获在车辆前方和周围的视频/图像，并在其中应用图像处理技术以用于识别在车辆前方和周围的障碍物和行人。

现有目标检测器采用基于方向梯度直方图(HOG)的目标检测技术，其中将图像分成多个块(block)，对每个块中在任一方向上的像素梯度的量值的量进行计数以形成图像的HOG。机器学习方法对HOG应用识别和分类技术，以便有效地识别图像中的行人和预定义目标。图像的HOG基于每个图像像素的梯度方向和梯度量值来计算。对于图像像素，对应的梯度方向θ表达为θ＝tan^-1(y/x)，其中y＝在竖直方向上的梯度，且x＝在水平方向上的梯度。

常规地，定点处理器中对梯度方向θ的计算通过使用两个查找表来实施，所述查找表包括用于除法的查找表和用于反正切(tan^-1)的查找表。使用这两个查找表来计算每个图像像素的梯度方向是非常耗时的，且需要非常大量的计算和非常高的存储器带宽，这使得难以在嵌入式系统上以实时性能实施。存储器带宽是任何系统尤其是多核系统中的重要资源。存储器带宽在优化系统性能中起到重要作用。因此，使存储器带宽尽可能小是非常重要的，这样才使得其它处理器也有效地并行工作。

其它目标检测技术包括计算积分图像以用于减少计算的次数。然而，计算积分图像减少计算的次数，但增加中间数据元素大小，这同样需要高存储器带宽。

发明内容

在所描述的用于检测包括多个图像像素的图像中的目标的目标检测系统的示例中，所述系统包括存储器，其用以存储指令；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，并在图像中定义多个单元(cell)。每个单元包括第一至第n数目的像素。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。处理器进一步响应于所存储的指令来执行以下步骤：针对单元中的每个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第一至第n数目像素的对应的特征求和来计算，其中n为整数。处理器还响应于所存储的指令来执行以下步骤：确定图像的图像部分的特征向量，其中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；以及比较所述特征向量与对应的目标分类器以检测在图像的所述图像部分中的目标的存在。

并且，在所描述的检测包括多个图像像素的图像中的目标的方法的示例中，所述方法包括针对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，以及在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。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。另外，所述方法包括针对单元中的每个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第一至第n数目像素的对应的特征求和来计算，其中n为整数。并且，所述方法包括确定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。此外，所述方法包括比较所述特征向量与对应的目标分类器以检测在图像的所述图像部分中的目标的存在。