[发明专利]基于多模型的目标检测方法及装置

说明书

本发明实施例公开了一种基于多模型的目标检测方法及装置，所述基于多模型的目标检测方法包括：对当前帧图像进行图像帧预处理操作，得到当前灰度图像；对所述当前灰度图像进行特征提取及后续的特征积分图的计算；对经过特征提取及特征积分图计算的当前灰度图像进行多模型微级联分类器检测，得到目标矩形框，并将所述目标矩形框以向量的形式进行保存；将所保存的目标矩形框进行相近窗口聚类；将经过相近窗口聚类后剩余的向量进行二次检测；将通过二次检测的目标作为最终的检测目标进行显示。本发明能够降低目标检测的误检率，提升检测效率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于多模型的目标检测方法及装置。

背景技术

随着计算机技术的发展和计算机视觉原理的广泛应用，利用计算机图像处理技术对目标进行实时跟踪研究越来越热门，对目标进行动态实时跟踪定位在智能化交通系统、智能监控系统、军事目标检测及医学导航手术中手术器械定位等方面具有广泛的应用价值。

目标检测也叫目标提取，是一种基于目标几何和统计特征的图像分割，它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。尤其是在复杂场景中，需要对多个目标进行实时处理时，目标自动提取和识别就显得特别重要。

目前，在进行基于多模型的目标检测时，通常是基于现有的级联分类器的单个模型检测，改进得到多个模型同时进行目标检测，或者基于现有的弱分类器组合成强分类器的思想，提升弱分类器的分类能力，或者基于现有的级联分类器Adaboost进行目标检测的基础上，进行新的级联分类的检测。

在实现本发明的过程中，发明人发现现有技术中至少存在如下技术问题：

现有的级联分类器的检测通过不断缩放原图进行不同尺度的检测，耗时的同时造成了一定数据损失，误检率较高；另外，现有的级联分类器检测存在计算冗余，导致检测效率较低。

发明内容

本发明提供的基于多模型的目标检测方法及装置，能够降低目标检测的误检率，提升检测效率。

一方面，本发明提供一种基于多模型的目标检测方法，包括：

对当前帧图像进行图像帧预处理操作，得到当前灰度图像；

对所述当前灰度图像进行特征提取及后续的特征积分图的计算；

对经过特征提取及特征积分图计算的当前灰度图像进行多模型微级联分类器检测，得到目标矩形框，并将所述目标矩形框以向量的形式进行保存；

将所保存的目标矩形框进行相近窗口聚类；

将经过相近窗口聚类后剩余的向量进行二次检测；

将通过二次检测的目标作为最终的检测目标进行显示。

可选地，所述方法还包括：

在对第一帧图像进行检测前进行数据模型的加载，以便读取分类器数据到相应的类的向量中。

可选地，所述对经过特征提取及特征积分图计算的当前灰度图像进行多模型微级联分类器检测，得到目标矩形框，并将所述目标矩形框以向量的形式进行保存包括：

由当前比例确定相对应的数据模型；

对于缩放后的图像进行当前大小窗口的遍历，对于每个窗口由分类器模型的第一级强分类器的第一个弱分类器对应的特征值算起，若特征值小于该弱分类器的阈值，则直接退出，否则继续走下一个弱分类器，直到通过该级强分类器，再继续走下一个强分类器，每一个窗口退出时返回其通过的当前强分类器的级数，若一个窗口退出时返回的级数不超过预定级数，则增加下一次遍历的步长，直接不检测；

当一个窗口依次通过所有的强分类器时，作为可能的目标进行保存。

可选地，所述弱分类器的阈值按照如下公式计算得到：