[发明专利]一种基于权重的非极大值抑制的方法及装置

说明书

技术领域

本发明涉及行人检测技术领域，特别涉及一种基于权重的非极大值抑制的方法及装置。

背景技术

传统的非极大值抑制，NMS是许多计算机视觉算法的部分。当前的研究工作主要集中在特征提取、特征学习和分类器等方向，而非极大值抑制方向鲜有改进。目前常用的非极大值抑制算法是贪心策略，抑制时只使用了单一的重合面积信息，由于不同检测模型的检测信心分存在取值范围不同，因此不同检测模型在检测同一目标时候，即使它在这个位置的检测信心分是一致的，它代表的信心程度却完全不一样。举个简单例子，对于Grammar模型来说，它的检测信心分si取值为(-∞，+∞)，因此当si＝0时候，则表示半自信，而对于检测信心分取值为(0，1)的检测模型来说，当si＝0.5时候，才表示半自信。因此，我们在将不同检测模型进行结合的时候要重新调整，对其检测信心分进行归一化。而这个过程中存在一个问题正是模型A和模型B之间的检测冗余问题，对同一行人进行重叠检测，而传统的非极大值抑制并不能消除这种问题。

发明内容

本发明的主要目的是提出一种基于权重的非极大值抑制的方法，旨在提高行人检测的精准度。

为实现上述目的，本发明提出的基于权重的非极大值抑制的方法，包括如下步骤：对检测目标的特征通过不同检测模型进行检测，检测后每个检测模型生成不同的检测信心分，及不同检则模型之间产生检测冗余；建立检测信心分的线性关系，求出最高检测信心分的最终值；根据所求出的最高检测信心分的最终值，更新检测模型中最高检测信心分；消除所产生的检测冗余，确定检测目标位置。

优选地，所述建立检测信心分的线性关系，求出最高检测信心分的最终值的步骤包括：根据检测后每个检测模型生成不同的检测信心分，寻找信心分最高的检测模型；以信心分最高的检测模型为核心，建立相对低信心分的检测模型与信心分最高的检测模型之间的权重关系；当所述权重函数式的值大于预设阙值时，提取该相对低信心分的检测模型的信心分，且去除该相对低信心分的检测模型；以最高检测信心分为基数，结合相对低信心分的检测模型与信心分最高的检测模型之间的权重关系，建立检测信心分的线性关系，得到最高检测信心分的最终值。

优选地，所述相对低信心分的检测模型与信心分最高的检测模型之间的权重函数式为：

其中，pl为相对低信心分的检测模型对检测目标检测出的目标位置，ph为信心分最高的检测模型对检测目标检测出的目标位置，area(ph∩pl)构建ph和pl交集层叠的区域图，area(ph∪pl)构建ph和pl并集层叠的区域图，overlaps(ph,pl)为ph和pl的对象重叠函数。

优选地，所述检测信心分的线性关系为：

S_h+1＝S_h+Whl*S_l，

S_h为所有检测模型对检测目标的最高检测信心分，Sh+1为检测模型中最高检测信心分的更新值，S_l为第i个检测模型对检测目标的检测信心分，其中i∈(1,n),n表示的是检测模型检测到检测目标的数目。

本发明还提出一种基于权重的非极大值抑制的装置，包括检测模块，用于对检测目标的特征通过不同检测模型进行检测，检测后每个检测模型生成不同的检测信心分，及不同检则模型之间产生检测冗余；检测信心分模块，用于建立检测信心分的线性关系，求出最高检测信心分的最终值；更新模块，用于根据所求出的最高检测信心分的最终值，更新检测模型中最高检测信心分；确定模块，用于消除所产生的检测冗余，确定检测目标位置。

优选地，所述检测信心分模块包括：寻找单元，用于根据检测后每个检测模型生成不同的检测信心分，寻找信心分最高的检测模型；建立单元，用于以信心分最高的检测模型为核心，建立相对低信心分的检测模型与信心分最高的检测模型之间的权重关系；提取单元，用于当所述权重函数式的值大于预设阙值时，提取该相对低信心分的检测模型的信心分，且去除该相对低信心分的检测模型；检测信心分单元，用于以最高检测信心分为基数，结合相对低信心分的检测模型与信心分最高的检测模型之间的权重关系，建立检测信心分的线性关系，得到最高检测信心分的最终值。。

本发明技术方案通过基于权重的非极大值抑制方法，并没有直接删除相对信心分低的检测模型，而是通过权重函数来权衡信心分低的检测模型对信心分高的检测模型的影响程度，将权重函数式的值代入检测信心分的线性关系得到最终的信心分，提升了检测模型判断检测目标位置的精准度。

附图说明