基于高斯模型的特定目標(biāo)候選框生成方法
【專利摘要】本發(fā)明提供了一種基于高斯模型的特定目標(biāo)候選框生成方法，包括如下步驟：以隨時(shí)間變化的目標(biāo)尺度為自變量建立各個(gè)像素點(diǎn)處的高斯模型；訓(xùn)練高斯模型，在學(xué)習(xí)過程中動(dòng)態(tài)篩選出目標(biāo)頻繁出現(xiàn)的位置以及目標(biāo)尺度信息，從而得到檢測區(qū)域；根據(jù)高斯模型學(xué)習(xí)得到的目標(biāo)尺度信息，利用滑動(dòng)窗搜索方式在檢測區(qū)域均勻設(shè)置候選框，本發(fā)明充分利用靜態(tài)監(jiān)控視頻以及車載監(jiān)控視頻等特殊場景的固有特征，訓(xùn)練高斯模型，得到特定目標(biāo)頻繁出現(xiàn)的區(qū)域與檢測點(diǎn)處的尺度信息，并采用在線學(xué)習(xí)機(jī)制，使得模型更新與檢測同步進(jìn)行，本發(fā)明大大提升了目標(biāo)檢測效率及檢測效果，并為后續(xù)的特定目標(biāo)識別及跟蹤過程提高了較大的輔助作用。
【專利說明】
基于高斯模型的特定目標(biāo)候選框生成方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明涉及目標(biāo)檢測技術(shù)領(lǐng)域，具體涉及一種基于高斯模型的特定目標(biāo)候選框生 成方法。
【背景技術(shù)】
[0002] 特定目標(biāo)候選框的生成是目標(biāo)識別分類的一項(xiàng)重要的前期工作，候選框的生成對 最終的特定目標(biāo)檢測的準(zhǔn)確度和效率均有很大的影響。如果前期生成的候選框與真實(shí)目標(biāo) 的覆蓋度較大，且候選框的數(shù)目不足以對整體檢索效率造成明顯的影響，就會(huì)對整個(gè)目標(biāo) 檢測系統(tǒng)產(chǎn)生正面的作用，即提升目標(biāo)檢測的準(zhǔn)確度，并縮短搜索的時(shí)間；另外，目標(biāo)候選 框的生成也會(huì)改變分類器處理的數(shù)據(jù)分布，從而可能會(huì)提升檢測效果，減少誤報(bào)。
[0003] 目前已有不少生成目標(biāo)候選框的方法，比如早期的滑動(dòng)窗搜索方式以及后來發(fā)表 的選擇性搜索Selective Search與Bing等方法?；瑒?dòng)窗搜索方式的局限性在于:在應(yīng)用多 尺度搜索時(shí)，往往會(huì)產(chǎn)生數(shù)以萬計(jì)的搜索框，使目標(biāo)檢測的效率低下；另外，掃描窗口以固 定的長度步進(jìn)，搜索結(jié)果不是全局最優(yōu)的，可能造成漏檢。Selective Search方法是針對滑 動(dòng)窗搜索方式的弊端以及增強(qiáng)實(shí)時(shí)性而發(fā)展起來的，其局限性在于：用在一般物體檢測上 面效果比較好，但是不太擅長提取高覆蓋度的目標(biāo)候選框，影響檢測效果。

【發(fā)明內(nèi)容】

[0004] 本申請通過提供一種基于高斯模型的特定目標(biāo)候選框生成方法，以解決現(xiàn)有技術(shù) 中檢測效率低，檢測效果不佳的技術(shù)問題。
[0005] 為解決上述技術(shù)問題，本申請采用以下技術(shù)方案予以實(shí)現(xiàn)：
[0006] -種基于高斯模型的特定目標(biāo)候選框生成方法，包括如下步驟：
[0007] S1:以隨時(shí)間變化的目標(biāo)尺度為自變量建立各個(gè)像素點(diǎn)處的高斯模型，并初始化 各像素點(diǎn)處的高斯模型均值y以及標(biāo)準(zhǔn)差
[0008] S2:訓(xùn)練高斯模型，在學(xué)習(xí)過程中動(dòng)態(tài)篩選出目標(biāo)頻繁出現(xiàn)的位置以及目標(biāo)尺度 信息，得出檢測區(qū)域；
[0009] S21:根據(jù)高斯模型的標(biāo)準(zhǔn)差大小反映高斯曲線概率峰值大小的特性設(shè)置標(biāo)準(zhǔn)差 閾值〇t，根據(jù)高斯模型的均值反映此處出現(xiàn)概率最大的行人尺度大小的特性得到目標(biāo)尺度 信息；
[0010] S22:在學(xué)習(xí)過程中動(dòng)態(tài)篩選出圖像中高斯模型標(biāo)準(zhǔn)差〇小于標(biāo)準(zhǔn)差閾值^的檢測 點(diǎn)，即為目標(biāo)頻繁出現(xiàn)的位置，得出檢測區(qū)域；
[0011] S3:根據(jù)高斯模型學(xué)習(xí)得到的目標(biāo)尺度信息，利用滑動(dòng)窗搜索方式在檢測區(qū)域均 勻設(shè)置候選框，從而得到最終特定目標(biāo)的候選框；
[0012] S31:對于通過高斯模型學(xué)習(xí)過程得出的檢測點(diǎn)，以均值尺寸為基準(zhǔn)設(shè)置不同尺度 的搜索框；
[0013] S32:對于非高斯模型學(xué)習(xí)得出的檢測點(diǎn)，首先尋找出由步驟S31得出的與所述非 高斯模型學(xué)習(xí)得出的檢測點(diǎn)距離最近的已知檢測點(diǎn)，并計(jì)算兩者之間的最短距離d，如果d 小于lmin個(gè)像素點(diǎn)，則將最近的已知檢測點(diǎn)的基準(zhǔn)尺寸作為該非高斯模型學(xué)習(xí)得出的檢測 點(diǎn)的基準(zhǔn)尺寸，如果l_<d<l max個(gè)像素點(diǎn)，則將所有已知檢測點(diǎn)的中值尺寸作為該非高斯 模型學(xué)習(xí)得出的檢測點(diǎn)的基準(zhǔn)尺寸，如果d>l max，則將所有已知檢測點(diǎn)的最大尺寸作為該 非高斯模型學(xué)習(xí)得出的檢測點(diǎn)的基準(zhǔn)尺寸。
[0014] 考慮到實(shí)際情況，在開始進(jìn)行高斯模型的學(xué)習(xí)時(shí)，由于輸入的樣本數(shù)目不足，高斯 模型暫未收斂。得出的行人頻繁出現(xiàn)的位置較少，形成的區(qū)域面積較小，與實(shí)際情況不吻 合。因此在開始的一段時(shí)間內(nèi)，采用傳統(tǒng)滑動(dòng)窗搜索方式設(shè)置候選框，以防止出現(xiàn)檢測率過 低的情況。
[0015] 作為一種優(yōu)選的技術(shù)方案，在高斯模型趨于收斂狀態(tài)之前，即當(dāng)所述基于高斯模 型的特定目標(biāo)候選框生成方法的平均檢測率小于設(shè)定的閾值D時(shí)，先采用滑動(dòng)窗搜索方式 設(shè)置候選框，當(dāng)所述基于高斯模型的特定目標(biāo)候選框生成方法的平均檢測率大于設(shè)置的閾 值D時(shí)，由滑動(dòng)窗搜索方式切換為基于高斯模型的特定目標(biāo)候選框生成方法進(jìn)行特定目標(biāo) 候選框的選擇，具體步驟為：
[0016] A1:參數(shù)初始化，包括基于高斯模型的特定目標(biāo)候選框生成方法的檢測率的閾值 D，滑動(dòng)窗搜索方式中搜索窗基準(zhǔn)尺寸；
[0017] A2:滑動(dòng)窗搜索方式的設(shè)置:在整幅圖像上均勻分布搜索框，每個(gè)檢測點(diǎn)處設(shè)置N 個(gè)不同尺寸的搜索框；
[0018] A3:遍歷待處理的視頻幀：
[0019] A31:判斷當(dāng)前幀是否為第一幀或者上一幀通過高斯模型學(xué)習(xí)出的搜索框集合M是 否為空，如果是，則進(jìn)入步驟A33，否則進(jìn)入步驟A32;
[0020] A32:通過上一幀中高斯模型學(xué)習(xí)出的搜索框集合M，計(jì)算當(dāng)前基于高斯模型的特 定目標(biāo)候選框生成方法的檢測率，進(jìn)入步驟A34;
[0021] A33:令當(dāng)前幀基于高斯模型的特定目標(biāo)候選框生成方法的檢測率為0;
[0022] A34:通過步驟A2中的搜索框集合計(jì)算當(dāng)前幀滑動(dòng)窗搜索方式的檢測率；
[0023] A35:將步驟A34檢測出的標(biāo)注目標(biāo)作為高斯模型的輸入更新高斯模型，從而更新 搜索框集合M;
[0024] A36:判斷基于高斯模型的特定目標(biāo)候選框生成方法的平均檢測率是否大于閾值 D，如果大于，則進(jìn)入步驟A37，否則，進(jìn)入步驟A31;
[0025] A37:由滑動(dòng)窗搜索方式切換至基于高斯模型的特定目標(biāo)候選框生成方法行特定 目標(biāo)候選框的選擇。
[0026] 與現(xiàn)有技術(shù)相比，本申請?zhí)峁┑募夹g(shù)方案，具有的技術(shù)效果或優(yōu)點(diǎn)是：
[0027] (1)檢測區(qū)域可以隨時(shí)間進(jìn)行自適應(yīng)更新，當(dāng)與后續(xù)的目標(biāo)識別算法結(jié)合時(shí)，可以 做到目標(biāo)候選框更新與目標(biāo)識別同步進(jìn)行，更加符合實(shí)際需要。
[0028] (2)采用高斯模型擬合的方式找出檢測區(qū)域，約束特定目標(biāo)候選框的數(shù)量，從而提 高了檢測效率。
[0029] (3)在訓(xùn)練高斯模型的過程中，可以得出檢測區(qū)域內(nèi)部各個(gè)檢測點(diǎn)處出現(xiàn)頻率最 大的特定目標(biāo)尺度信息，并以此合理設(shè)置特定目標(biāo)候選框的大小。
[0030] 該發(fā)明大大提升了目標(biāo)檢測效率及檢測效果，并為后續(xù)的特定目標(biāo)識別及跟蹤過 程提高了較大的輔助作用。
【附圖說明】
[0031] 圖1為本發(fā)明的流程圖；
[0032] 圖2為滑動(dòng)窗搜索方式與基于高斯模型的特定目標(biāo)候選框生成方法之間切換的流 程圖；
[0033]圖3為滑動(dòng)窗搜索方式在不同數(shù)目候選模板下的測試結(jié)果圖；
[0034]圖4為兩種搜索方式隨I0U閾值的變化情況圖；
[0035] 圖5為改變相鄰搜索框間隔控制候選模板數(shù)量的對比圖；
[0036] 圖6為改變尺度步長大小控制候選模板數(shù)量的對比圖。
【具體實(shí)施方式】
[0037] 本申請實(shí)施例通過提供一種基于高斯模型的特定目標(biāo)候選框生成方法，以解決現(xiàn) 有技術(shù)中檢測效率低，檢測效果不佳的技術(shù)問題。
[0038] 為了更好的理解上述技術(shù)方案，下面將結(jié)合說明書附圖以及具體的實(shí)施方式，對 上述技術(shù)方案進(jìn)行詳細(xì)的說明。
[0039] 實(shí)施例
[0040] -種基于高斯模型的特定目標(biāo)候選框生成方法，如圖1所示，包括如下步驟：
[0041] S1:以隨時(shí)間變化的目標(biāo)尺度為自變量建立各個(gè)像素點(diǎn)處的高斯模型，并初始化 各像素點(diǎn)處的高斯模型均值y以及標(biāo)準(zhǔn)差〇,本實(shí)施例選取高斯模型均值y=900,高斯模型 標(biāo)準(zhǔn)差〇 = 20;
[0042] S2:訓(xùn)練高斯模型，在學(xué)習(xí)過程中動(dòng)態(tài)篩選出目標(biāo)頻繁出現(xiàn)的位置以及目標(biāo)尺度 信息，得出檢測區(qū)域；
[0043] S21:根據(jù)高斯模型的標(biāo)準(zhǔn)差大小反映高斯曲線概率峰值大小的特性設(shè)置標(biāo)準(zhǔn)差 閾值〇t，本實(shí)施例中標(biāo)準(zhǔn)差閾值 〇t=18,根據(jù)高斯模型的均值反映此處出現(xiàn)概率最大的行人 尺度大小的特性得到目標(biāo)尺度信息；
[0044] S22:在學(xué)習(xí)過程中動(dòng)態(tài)篩選出圖像中高斯模型標(biāo)準(zhǔn)差〇小于標(biāo)準(zhǔn)差閾值〇t的檢測 點(diǎn)，即為目標(biāo)頻繁出現(xiàn)的位置，得出檢測區(qū)域；
[0045] S3:根據(jù)高斯模型學(xué)習(xí)得到的目標(biāo)尺度信息，利用滑動(dòng)窗搜索方式在檢測區(qū)域均 勻設(shè)置候選框，從而得到最終特定目標(biāo)的候選框；
[0046] S31:對于通過高斯模型學(xué)習(xí)過程得出的檢測點(diǎn)，以均值尺寸為基準(zhǔn)設(shè)置不同尺度 的搜索框；
[0047] S32:對于非高斯模型學(xué)習(xí)得出的檢測點(diǎn)，首先尋找出由步驟S31得出的與所述非 高斯模型學(xué)習(xí)得出的檢測點(diǎn)距離最近的已知檢測點(diǎn)，并計(jì)算兩者之間的最短距離d，如果d 小于lmin個(gè)像素點(diǎn)，則將最近的已知檢測點(diǎn)的基準(zhǔn)尺寸作為該非高斯模型學(xué)習(xí)得出的檢測 點(diǎn)的基準(zhǔn)尺寸，如果l_<d<l max個(gè)像素點(diǎn)，則將所有已知檢測點(diǎn)的中值尺寸作為該非高斯 模型學(xué)習(xí)得出的檢測點(diǎn)的基準(zhǔn)尺寸，如果d>l max，則將所有已知檢測點(diǎn)的最大尺寸作為該 非高斯模型學(xué)習(xí)得出的檢測點(diǎn)的基準(zhǔn)尺寸。在本實(shí)施例中，Uin=15，l max = 37,步驟S31和 S32中得到的檢測點(diǎn)的候選框尺度與基準(zhǔn)尺度的比例范圍為:0.6-2.6，候選框模板的寬高 比鎖定為0.5。通過調(diào)整尺度變化的步長或者相鄰候選框模板質(zhì)心之間的距離，就可以控制 整幅圖像設(shè)置的候選框數(shù)目。
[0048] 本發(fā)明針對靜態(tài)監(jiān)控視頻以及車載監(jiān)控視頻等特殊場景的固有特征，認(rèn)為圖像的 某一確定位置處出現(xiàn)的特定目標(biāo)的尺度大小近似服從正態(tài)分布，因此可以用數(shù)學(xué)期望和標(biāo) 準(zhǔn)差兩個(gè)參量來進(jìn)行描述。某個(gè)像素點(diǎn)處高斯分布的期望即為此處出現(xiàn)概率最大的目標(biāo)尺 度大小，而標(biāo)準(zhǔn)差決定了高斯分布的幅度大小。通過高斯模型的學(xué)習(xí)與更新過程，不僅可以 獲取場景中特定目標(biāo)頻繁出現(xiàn)的位置，還可以得出對應(yīng)的目標(biāo)尺度信息。最終根據(jù)得出的 目標(biāo)頻繁出現(xiàn)的區(qū)域，利用滑動(dòng)窗搜索方式在該區(qū)域均勻設(shè)置候選框，即得到了最終的特 定目標(biāo)的候選框。
[0049] 考慮到實(shí)際情況，在開始進(jìn)行高斯模型的學(xué)習(xí)時(shí)，由于輸入的樣本數(shù)目不足，高斯 模型暫未收斂。得出的行人頻繁出現(xiàn)的位置較少，形成的區(qū)域面積較小，與實(shí)際情況不吻 合。因此在開始的一段時(shí)間內(nèi)，采用傳統(tǒng)滑動(dòng)窗搜索方式設(shè)置候選框，以防止出現(xiàn)檢測率過 低的情況。
[0050] 因此，在高斯模型趨于收斂狀態(tài)之前，即當(dāng)所述基于高斯模型的特定目標(biāo)候選框 生成方法的平均檢測率小于設(shè)定的閾值D時(shí)，先采用滑動(dòng)窗搜索方式設(shè)置候選框，當(dāng)所述基 于高斯模型的特定目標(biāo)候選框生成方法的平均檢測率大于設(shè)置的閾值D時(shí)，由滑動(dòng)窗搜索 方式切換為基于高斯模型的特定目標(biāo)候選框生成方法(簡稱為高斯搜索方式)進(jìn)行特定目 標(biāo)候選框的選擇，如圖2所示，具體步驟為：
[0051 ] A1:參數(shù)初始化，包括基于高斯模型的特定目標(biāo)候選框生成方法的檢測率的閾值D = 80%，滑動(dòng)窗搜索方式中搜索窗基準(zhǔn)尺寸初始化為900;
[0052] A2:滑動(dòng)窗搜索方式的設(shè)置:在整幅圖像上均勻分布搜索框，每個(gè)檢測點(diǎn)處設(shè)置21 個(gè)不同尺寸的搜索框；
[0053] A3:遍歷待處理的視頻幀：
[0054] A31:判斷當(dāng)前幀是否為第一幀或者上一幀通過高斯模型學(xué)習(xí)出的搜索框集合M是 否為空，如果是，則進(jìn)入步驟A33，否則進(jìn)入步驟A32;
[0055] A32:通過上一幀中高斯模型學(xué)習(xí)出的搜索框集合M，計(jì)算當(dāng)前基于高斯模型的特 定目標(biāo)候選框生成方法的檢測率，進(jìn)入步驟A34;
[0056] A33:令當(dāng)前幀基于高斯模型的特定目標(biāo)候選框生成方法的檢測率為0;
[0057] A34:通過步驟A2中的搜索框集合計(jì)算當(dāng)前幀滑動(dòng)窗搜索方式的檢測率；
[0058] A35:將步驟A34檢測出的標(biāo)注目標(biāo)作為高斯模型的輸入更新高斯模型，從而更新 搜索框集合M;
[0059] A36:判斷基于高斯模型的特定目標(biāo)候選框生成方法的平均檢測率是否大于閾值 D，如果大于，則進(jìn)入步驟A37，否則，進(jìn)入步驟A31;
[0060] A37:由滑動(dòng)窗搜索方式切換至基于高斯模型的特定目標(biāo)候選框生成方法行特定 目標(biāo)候選框的選擇。
[0061] 為了進(jìn)一步驗(yàn)證本發(fā)明的顯著效果，本實(shí)施例通過實(shí)驗(yàn)對傳統(tǒng)的滑動(dòng)窗搜索方式 與高斯搜索方式進(jìn)行了對比。該實(shí)例的測試數(shù)據(jù)集是加州理工行人檢測數(shù)據(jù)庫的一個(gè)分 支：setoo數(shù)據(jù)集。加州理工學(xué)院的行人數(shù)據(jù)集包含了約10小時(shí)的640x480 30hz的視頻，該 視頻是從一輛汽車駕駛攝像頭在城市環(huán)境中定期拍攝的，約有250000幀，共有350000邊界 框和2300獨(dú)特的行人標(biāo)注，標(biāo)注的信息包括了實(shí)物的邊框信息和詳細(xì)的標(biāo)注實(shí)物信息。 [0062]采用傳統(tǒng)的滑動(dòng)窗搜索方式在尺寸為480*640的圖像上均勻設(shè)置檢測點(diǎn)，通過控 制相鄰搜索框質(zhì)心之間的距離來改變候選模板數(shù)目。為方便比較，傳統(tǒng)的滑動(dòng)窗搜索方式 設(shè)置的基準(zhǔn)尺寸與高斯搜索方式設(shè)置相同的值:900,各檢測點(diǎn)設(shè)置的檢測框尺寸與基準(zhǔn)尺 寸的比例范圍是:〇.6~2.6。如圖3所示為滑動(dòng)窗搜索方式在不同數(shù)目的候選模板下的測試 結(jié)果。當(dāng)每幀圖片設(shè)置14823個(gè)候選模板時(shí)，搜索框與標(biāo)注框的最大重合比率I0U超過百分 之五十的比率近似為83%。準(zhǔn)確度滿足實(shí)際需求，但是超過10 4量級的檢測框數(shù)目會(huì)拉低檢 測系統(tǒng)的實(shí)時(shí)性。而高斯搜索方式在設(shè)置5387個(gè)候選框時(shí)，便可獲得81 %的檢測率。因此考 慮到實(shí)時(shí)性和準(zhǔn)確度之間的平衡，采用高斯搜索方式提取行人候選模板更加合理。
[0063] 當(dāng)高斯搜索方式在每幀設(shè)置5387個(gè)候選模板，而傳統(tǒng)滑動(dòng)窗搜索方式在每幀設(shè)置 6642個(gè)候選模板時(shí)，二者的檢測率隨I0U閾值的變化情況如下圖4所示。相比較之下，高斯搜 索方式在設(shè)置較少搜索框的同時(shí)達(dá)到更高的檢測率。
[0064] 同時(shí)，本實(shí)施例用每幀圖片的平均檢測率隨候選模板數(shù)目的變化情況來度量搜索 方式的效果，并采用改變相鄰搜索框間隔和改變尺度變化步長兩種方式來控制候選模板數(shù) 量。使用改變相鄰搜索框間隔的方法控制候選模板的數(shù)量，得出的效果比較圖如圖5所示， 相關(guān)數(shù)據(jù)如表1所示。
[0065] 表1高斯搜索方式與滑動(dòng)窗搜索方式的檢測數(shù)據(jù)比較(改變相鄰搜索窗的間隔）
[0067] 使用改變尺度步長大小的方法控制候選模板的數(shù)量，得出的效果比較圖如圖6所 示，相關(guān)數(shù)據(jù)如下表2所示。
[0068] 表2高斯搜索方式與滑動(dòng)窗搜索方式的檢測數(shù)據(jù)比較(改變尺度變化的步長）
[0070] 可見高斯搜索方式與傳統(tǒng)的滑動(dòng)窗搜索方式相比較，在保證較高實(shí)時(shí)性的同時(shí)， 可以獲得理想的準(zhǔn)確度。無論使用何種控制搜索框數(shù)目的方式，高斯搜索方式的檢測效果 均優(yōu)于傳統(tǒng)滑動(dòng)窗搜索方式。
[0071] 本申請的上述實(shí)施例中，通過提供一種基于高斯模型的特定目標(biāo)候選框生成方 法，包括如下步驟：以隨時(shí)間變化的目標(biāo)尺度為自變量建立各個(gè)像素點(diǎn)處的高斯模型；訓(xùn)練 高斯模型，在學(xué)習(xí)過程中動(dòng)態(tài)篩選出目標(biāo)頻繁出現(xiàn)的位置以及目標(biāo)尺度信息，從而得到檢 測區(qū)域;根據(jù)高斯模型學(xué)習(xí)得到的目標(biāo)尺度信息，利用滑動(dòng)窗搜索方式在檢測區(qū)域均勻設(shè) 置候選框，本發(fā)明充分利用靜態(tài)監(jiān)控視頻以及車載監(jiān)控視頻等特殊場景的固有特征，訓(xùn)練 高斯模型，得到特定目標(biāo)頻繁出現(xiàn)的區(qū)域與檢測點(diǎn)處的尺度信息，并采用在線學(xué)習(xí)機(jī)制，使 得模型更新與檢測同步進(jìn)行，本發(fā)明大大提升了目標(biāo)檢測效率及檢測效果，并為后續(xù)的特 定目標(biāo)識別及跟蹤過程提高了較大的輔助作用
[0072]應(yīng)當(dāng)指出的是，上述說明并非是對本發(fā)明的限制，本發(fā)明也并不僅限于上述舉例， 本技術(shù)領(lǐng)域的普通技術(shù)人員在本發(fā)明的實(shí)質(zhì)范圍內(nèi)所做出的變化、改性、添加或替換，也應(yīng) 屬于本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種基于高斯模型的特定目標(biāo)候選框生成方法，其特征在于，包括如下步驟： SI:以隨時(shí)間變化的目標(biāo)尺度為自變量建立各個(gè)像素點(diǎn)處的高斯模型，并初始化各像 素點(diǎn)處的高斯模型均值μ以及標(biāo)準(zhǔn)差σ; S2:訓(xùn)練高斯模型，在學(xué)習(xí)過程中動(dòng)態(tài)篩選出目標(biāo)頻繁出現(xiàn)的位置以及目標(biāo)尺度信息， 得出檢測區(qū)域； S21:根據(jù)高斯模型的標(biāo)準(zhǔn)差大小反映高斯曲線概率峰值大小的特性設(shè)置標(biāo)準(zhǔn)差閾值 〇t，根據(jù)高斯模型的均值反映此處出現(xiàn)概率最大的行人尺度大小的特性得到目標(biāo)尺度信 息； S22:在學(xué)習(xí)過程中動(dòng)態(tài)篩選出圖像中高斯模型標(biāo)準(zhǔn)差σ小于標(biāo)準(zhǔn)差閾值(^的檢測點(diǎn)，即 為目標(biāo)頻繁出現(xiàn)的位置，得出檢測區(qū)域； S3:根據(jù)高斯模型學(xué)習(xí)得到的目標(biāo)尺度信息，利用滑動(dòng)窗搜索方式在檢測區(qū)域均勻設(shè) 置候選框，從而得到最終特定目標(biāo)的候選框； S31:對于通過高斯模型學(xué)習(xí)過程得出的檢測點(diǎn)，以均值尺寸為基準(zhǔn)設(shè)置不同尺度的搜 索框； S32:對于非高斯模型學(xué)習(xí)得出的檢測點(diǎn)，首先尋找出由步驟S31得出的與所述非高斯 模型學(xué)習(xí)得出的檢測點(diǎn)距離最近的已知檢測點(diǎn)，并計(jì)算兩者之間的最短距離d，如果d小于 1_個(gè)像素點(diǎn)，則將最近的已知檢測點(diǎn)的基準(zhǔn)尺寸作為該非高斯模型學(xué)習(xí)得出的檢測點(diǎn)的 基準(zhǔn)尺寸，如果I minSdSlmax個(gè)像素點(diǎn)，則將所有已知檢測點(diǎn)的中值尺寸作為該非高斯模型 學(xué)習(xí)得出的檢測點(diǎn)的基準(zhǔn)尺寸，如果d>l max，則將所有已知檢測點(diǎn)的最大尺寸作為該非高 斯模型學(xué)習(xí)得出的檢測點(diǎn)的基準(zhǔn)尺寸。2. 根據(jù)權(quán)利要求1所述的基于高斯模型的特定目標(biāo)候選框生成方法，其特征在于，在高 斯模型趨于收斂狀態(tài)之前，即當(dāng)所述基于高斯模型的特定目標(biāo)候選框生成方法的平均檢測 率小于設(shè)定的閾值D時(shí)，先采用滑動(dòng)窗搜索方式設(shè)置候選框，當(dāng)所述基于高斯模型的特定目 標(biāo)候選框生成方法的平均檢測率大于設(shè)置的閾值D時(shí)，由滑動(dòng)窗搜索方式切換為基于高斯 模型的特定目標(biāo)候選框生成方法進(jìn)行特定目標(biāo)候選框的選擇，具體步驟為： Al:參數(shù)初始化，包括基于高斯模型的特定目標(biāo)候選框生成方法的檢測率的閾值D，滑 動(dòng)窗搜索方式中搜索窗基準(zhǔn)尺寸； A2:滑動(dòng)窗搜索方式的設(shè)置:在整幅圖像上均勻分布搜索框，每個(gè)檢測點(diǎn)處設(shè)置N個(gè)不 同尺寸的搜索框； A3:遍歷待處理的視頻幀： A31:判斷當(dāng)前幀是否為第一幀或者上一幀通過高斯模型學(xué)習(xí)出的搜索框集合M是否為 空，如果是，則進(jìn)入步驟A33，否則進(jìn)入步驟A32; A32:通過上一幀中高斯模型學(xué)習(xí)出的搜索框集合M，計(jì)算當(dāng)前基于高斯模型的特定目 標(biāo)候選框生成方法的檢測率，進(jìn)入步驟A34; A33:令當(dāng)前幀基于高斯模型的特定目標(biāo)候選框生成方法的檢測率為O; A34:通過步驟A2中的搜索框集合計(jì)算當(dāng)前幀滑動(dòng)窗搜索方式的檢測率； A35:將步驟A34檢測出的標(biāo)注目標(biāo)作為高斯模型的輸入更新高斯模型，從而更新搜索 框集合M; A36:判斷基于高斯模型的特定目標(biāo)候選框生成方法的平均檢測率是否大于閾值D，如 果大于，則進(jìn)入步驟A37，否則，進(jìn)入步驟A31; A37:由滑動(dòng)窗搜索方式切換至基于高斯模型的特定目標(biāo)候選框生成方法行特定目標(biāo) 候選框的選擇。
【文檔編號】G06K9/62GK105894020SQ201610191094
【公開日】2016年8月24日
【申請日】2016年3月30日
【發(fā)明人】覃劍, 王美華, 肖婷, 張媛
【申請人】重慶大學(xué)