目標(biāo)檢測(cè)方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像檢測(cè)領(lǐng)域，尤其涉及一種目標(biāo)檢測(cè)方法及裝置。
【背景技術(shù)】
[0002] 從照片、視頻等圖像中檢測(cè)室外環(huán)境中的行人的技術(shù)具有廣泛的應(yīng)用前景，可以 應(yīng)用在安全監(jiān)控領(lǐng)域長(zhǎng)時(shí)間監(jiān)視一個(gè)場(chǎng)合中的人，還可以應(yīng)用于機(jī)器人技術(shù)、汽車自動(dòng)駕 駛(或輔助駕駛）技術(shù)、無(wú)人機(jī)技術(shù)等中。
[0003] 現(xiàn)有的室外行人檢測(cè)技術(shù)主要分為兩類：生成模型方法和判別模型方法。
[0004] 其中，生成模型方法的基本思想是：首先建立識(shí)別對(duì)象的概率密度模型，然后在 模型的基礎(chǔ)上進(jìn)行后驗(yàn)概率的計(jì)算，得出樣本出現(xiàn)的概率值以判斷對(duì)象是否出現(xiàn)。這種方 法從統(tǒng)計(jì)的角度表示數(shù)據(jù)的分布情況，能夠反映同類數(shù)據(jù)本身的相似度，并且建立在貝葉 斯理論的基礎(chǔ)之上，理論基礎(chǔ)很強(qiáng)，模型適用面廣。這種方法主要通過設(shè)定一系列參數(shù)表 示行人各種狀態(tài)下的特征，然后由訓(xùn)練樣本得到形狀空間等多個(gè)空間的描述，再通過KDE (Gaussian Kernel Density Estimation,高斯核密度估計(jì)法）等方法得到生成模型。在處 理測(cè)試樣本的時(shí)候，用得到的生成模型和樣本的擬合得出測(cè)試樣本里面某個(gè)區(qū)域有人的概 率，同時(shí)還能得出如果有人，這個(gè)人保持了何種姿態(tài)等。但是這類方法用很多參數(shù)去描述人 體模型，比較復(fù)雜，實(shí)現(xiàn)困難。同時(shí)，這種方法訓(xùn)練過程難度大，要求樣本盡可能多，所以通 常在室外環(huán)境下檢測(cè)效果不是很好。
[0005] 基于判別模型的目標(biāo)檢測(cè)方法是指，在圖像檢測(cè)過程中不需要詳細(xì)地去描述檢測(cè) 目標(biāo)，而只需要判別出圖像中是否存在檢測(cè)目標(biāo)。該方法通常是將從圖像中提取的視覺特 征輸入至串聯(lián)的多個(gè)或單個(gè)濾波器、判別器中，依次經(jīng)過多次濾波、判別處理后，判別出圖 像中是否存在檢測(cè)目標(biāo)，不能有效地傳遞和利用圖像中檢測(cè)窗口區(qū)域及其周邊領(lǐng)域的信息 做出判別，所以檢測(cè)精確度較低。并且這類方法對(duì)數(shù)據(jù)依賴性高，訓(xùn)練出來(lái)的模型過擬合 的風(fēng)險(xiǎn)大，不易訓(xùn)練。

【發(fā)明內(nèi)容】

[0006] 摶術(shù)問是頁(yè)
[0007] 本發(fā)明提供一種目標(biāo)檢測(cè)方法及裝置，用以解決如何提高對(duì)圖像中的檢測(cè)目標(biāo)的 檢測(cè)精確。
[0008] 解決方案
[0009] 為了解決上述技術(shù)問題，根據(jù)本發(fā)明的一實(shí)施例，第一方面，提供了一種目標(biāo)檢測(cè) 方法，具體包括：
[0010] 將圖像劃分為N個(gè)窗口，N為大于或等于1的正整數(shù)；
[0011] 分別提取所述N個(gè)窗口對(duì)應(yīng)的視覺特征矩陣，所述視覺特征矩陣是由多個(gè)視覺特 征組成的矩陣；
[0012] 采用第一濾波器對(duì)選定窗口對(duì)應(yīng)的視覺特征矩陣進(jìn)行濾波處理，得到濾波后的第 一矩陣；
[0013] 采用至少一個(gè)第二濾波器對(duì)所述選定窗口對(duì)應(yīng)的視覺特征矩陣進(jìn)行濾波處理，得 到至少一個(gè)第二矩陣，每采用一個(gè)所述第二濾波器對(duì)所述選定窗口對(duì)應(yīng)的一個(gè)視覺特征矩 陣進(jìn)行濾波處理，得到一個(gè)所述第二矩陣；
[0014] 根據(jù)所述第一矩陣及其對(duì)應(yīng)的第一權(quán)值矩陣、以及每個(gè)所述第二矩陣及其對(duì)應(yīng)的 第二權(quán)值矩陣，計(jì)算出至少一個(gè)判別矩陣；
[0015] 根據(jù)所述至少一個(gè)判別矩陣，確定所述圖像中在所述選定窗口內(nèi)是否存在檢測(cè)目 標(biāo)。
[0016] 結(jié)合第一方面，在第一種可能的實(shí)現(xiàn)方式中，根據(jù)所述至少一個(gè)判別矩陣，確定所 述圖像中在所述選定窗口內(nèi)是否存在檢測(cè)目標(biāo)，包括：
[0017] 根據(jù)所述至少一個(gè)判別矩陣，得到輸出判別值；
[0018] 根據(jù)所述輸出判別值，確定所述圖像中在所述選定窗口內(nèi)是否存在檢測(cè)目標(biāo)。
[0019] 結(jié)合第一方面或第一方面的第一種可能的實(shí)現(xiàn)方式，在第二種可能的實(shí)現(xiàn)方式 中，所述采用第一濾波器對(duì)選定窗口對(duì)應(yīng)的視覺特征矩陣進(jìn)行濾波處理，得到濾波后的第 一矩陣，包括：
[0020] 采用公式= 1+eX〇m，得到第一矩陣，其中，Iitl為所述第一矩陣，F(xiàn) tl表示所述 第一濾波器，f表示所述視覺特征矩陣，?表示濾波運(yùn)算符；
[0021] 所述采用至少一個(gè)第二濾波器對(duì)同一個(gè)所述選定窗口對(duì)應(yīng)的視覺特征矩陣進(jìn)行 濾波處理，得到至少一個(gè)第二矩陣，包括：
[0022] 采用公式Si+1 = i+e_A+i^/，確定至少一個(gè)所述第二矩陣；其中，si+1為第i + 1個(gè) 所述第二矩陣；Fi+1表示第i+Ι個(gè)所述第二濾波器，i為大于或等于0的整數(shù)；
[0023] 所述根據(jù)所述第一矩陣及其對(duì)應(yīng)的第一權(quán)值矩陣、以及每個(gè)所述第二矩陣及其對(duì) 應(yīng)的第二權(quán)值矩陣，計(jì)算出至少一個(gè)判別矩陣，包括：
[0024] 米用公式h+i = i+g-CW/^+A+Wy+A+i；)，確定所述判別矩陣;其中，hi+1表不第 i+Ι個(gè)所述判別矩陣；Whii+1為第i+Ι個(gè)所述第一權(quán)值矩陣；WM+1為第i+Ι個(gè)所述第二權(quán)值 矩陣。
[0025] 結(jié)合第一方面、第一方面的第一種可能的實(shí)現(xiàn)方式或第一方面的第二種可能的實(shí) 現(xiàn)方式，在第三種可能的實(shí)現(xiàn)方式中，所述分別提取所述N個(gè)窗口對(duì)應(yīng)的視覺特征矩陣，所 述視覺特征矩陣是由多個(gè)視覺特征組成的矩陣，包括：
[0026] 將所述圖像按照多個(gè)尺寸進(jìn)行縮放，得到多個(gè)縮放圖像；
[0027] 采用預(yù)設(shè)大小的窗口，從每個(gè)所述縮放圖像的選定位置按照設(shè)定順序進(jìn)行滑動(dòng)， 每次滑動(dòng)設(shè)定數(shù)量個(gè)像素，將每個(gè)所述縮放圖像分別劃分成N個(gè)窗口；以及
[0028] 每次在每個(gè)所述縮放圖像上滑動(dòng)一次窗口后，將每個(gè)所述縮放圖像上的對(duì)應(yīng)窗口 中的視覺特征合并到一起，形成一個(gè)視覺特征矩陣；或者將每個(gè)所述縮放圖像上的對(duì)應(yīng)窗 口中不同種類的視覺特征形成多個(gè)視覺特征矩陣。
[0029] 結(jié)合第一方面、第一方面的第一種可能的實(shí)現(xiàn)方式、第一方面的第二種可能的實(shí) 現(xiàn)方式或第一方面的第三種可能的實(shí)現(xiàn)方式中，在第四種可能的實(shí)現(xiàn)方式中，分別提取所 述N個(gè)窗口對(duì)應(yīng)的視覺特征矩陣之前，包括：
[0030] 從預(yù)先選擇的訓(xùn)練圖像的窗口區(qū)域，提取多個(gè)視覺特征矩陣作為訓(xùn)練樣本；
[0031] 使用所述訓(xùn)練樣本，使用支持向量機(jī)SVM訓(xùn)練方法，得到所述第一濾波器；
[0032] 通過已經(jīng)訓(xùn)練得到的所述第一濾波器和預(yù)設(shè)初始值的第一權(quán)值矩陣，利用所述訓(xùn) 練樣本進(jìn)行非監(jiān)督預(yù)訓(xùn)練和后向傳遞BP訓(xùn)練，得到所有的所述第一權(quán)值矩陣的參數(shù)。
[0033] 結(jié)合第一方面的第四種可能的實(shí)現(xiàn)方式中，在第五種可能的實(shí)現(xiàn)方式中，得到所 有的所述第一權(quán)值矩陣的參數(shù)之后，還包括：
[0034] 根據(jù)已訓(xùn)練得到的所述第一濾波器和所述第一權(quán)值矩陣篩選所述訓(xùn)練樣本，保留 未正確計(jì)算出判別結(jié)果的樣本；
[0035] 每次添加一個(gè)預(yù)設(shè)初始值的第二濾波器及其對(duì)應(yīng)的第二權(quán)值矩陣，并使用已經(jīng)訓(xùn) 練得到的所述第一濾波器和所述第一權(quán)值矩陣，利用保留的所述訓(xùn)練樣本進(jìn)行BP訓(xùn)練，確 定添加的所述第二濾波器和第二權(quán)值矩陣的參數(shù)，并更新所述第一權(quán)值矩陣的參數(shù)；其中， 篩選和添加次數(shù)由預(yù)設(shè)的第二濾波器的個(gè)數(shù)確定。
[0036] 結(jié)合第一方面的第四種可能的實(shí)現(xiàn)方式中，在第六種可能的實(shí)現(xiàn)方式中，得到所 有的所述第一權(quán)值矩陣的參數(shù)之后，還包括：
[0037] 根據(jù)已訓(xùn)練得到的所述第一濾波器、所述第一權(quán)值矩陣和每次添加的預(yù)設(shè)初始值 的第二濾波器及其對(duì)應(yīng)的第二權(quán)值矩陣，篩選所述訓(xùn)練樣本，