[发明专利]一种基于稀疏学习可变模型的图像目标检测方法

说明书

本发明公开了一种基于稀疏学习可变模型的图像目标检测方法。本发明通过引入基于背景测量的视觉颜色轮廓检测模型，消除背景对图像目标的干扰，结合视觉颜色轮廓检测模型有效提取训练目标的轮廓信息；通过基于稀疏学习可变模型的图像目标检测方法，对易发生形变、姿态、尺度变化大及遮挡的图像目标具有良好的检测效果。本发明实现了一种健壮性佳、高鲁棒性的图像目标检测。

技术领域

本发明涉及基于稀疏学习可变模型的图像目标检测研究方法，属于智能信息处理和目标检测技术领域。

背景技术

目标检测是视觉系统中重要的环节，目标检测技术在视频监控、智能机器人导航、自动驾驶、姿态识别、形状检索等领域具有广阔的应用前景。在现实场景中，由于目标存在形变、局部遮挡、光照变化、视角变化和尺度变化等因素的影响，使得目标的外观特征发生极大变化，从而给图像目标检测带来极大的挑战。

目标检测的方法按所用的特征划分包括基于纹理特征的目标检测和基于轮廓特征的目标检测方法。基于纹理特征的目标检测方法以提取物体整体的抽象表达为核心目标，例如，Dalal等人提出的基于HOG(Histogramof Oriented Gradient)和线性SVM的行人检测方法，利用HOG特征和线性SVM学习正负样本模板。LBP(Local Binary Pattern)特征利用二进制编码方法描述该像素点和其周围像素点的关系，其柱状统计图特征常用来训练人脸检测、表情识别等应用的标准模板。纹理特征主要利用统计的方法对物体的某一显著特征进行提取，通常该类特征需要借助设计者的经验，甚至是认知自觉，而且特征更多地是针对具体的任务，因此，这类特征的适应性不强。基于轮廓特征的目标检测方法从目标的轮廓入手，在人类视觉感知研究中发现，人类视觉系统可以根据物体的轮廓或形状很容易地辨别出这个物体，而不需要其它方面的信息。通常，即使不借助环境上下文信息，仅依靠目标物体断裂的形状轮廓段也能被人类识别。基于轮廓的目标检测方法以其抗光照，颜色变化的稳定性能吸引了研究者的注意。

目标检测是计算机视觉领域中极其重要的一部分，物体之间的遮挡形变、背景的复杂性，光照变化，尺度变化等是检测过程亟待解决的问题。即现有技术中存在的主要问题：(1)在现实场景中，图像目标受光照、视角和尺度变化等因素的影响，目标的外观特征发生极大变化的问题；(2)由于图像目标缺乏上下文信息，在图像目标发生部分遮挡或形变的情况下，会导致目标检测差错的问题。

发明内容

本发明的目的是提供一种基于稀疏学习模型的图像目标检测方法，以弥补现有技术的不足。

为达到上述目的，本发明采取的具体技术方案为：

一种基于稀疏学习可变模型的图像目标检测方法，包括如下步骤：

(1)获取训练图像{I_n,n＝1,2,...,N}；

(2)图像背景测量：由于训练图像的背景对训练目标轮廓的提取干扰很大，并影响后续的模型学习，使用SLIC方法将每幅训练图像划分N个网格，计算图像中各个区域连接到图像边界的面积与该区域的整体面积的平方根的比值，以消除背景；

(3)视觉颜色轮廓检测模型：对去除背景的训练图像采用基于视觉颜色拮抗机制的计算模型，用于检测训练图像中的边界信息；

(4)稀疏学习可变模型：利用稀疏学习模型进行目标轮廓提取，将提取的目标轮廓使用Gabor滤波器滤波，对其尺度、方向、位置进行线性调制；再两阶段学习的算法对模型进行训练；

(5)目标检测：采用交替的和最大值的自底向上和自顶向下的算法实现。

进一步的，所述步骤(2)中计算图像中各个区域连接到图像边界的面积与该区域的整体面积的平方根的比值：