[发明专利]目标检测设备和方法

说明书

技术领域

本公开涉及目标检测领域，具体地，涉及一种检测图像中的目标的设备和方法。

背景技术

目标检测是图像/视频自动分析中的核心技术之一，广泛应用于视频监控、人工智能、计算机视觉等应用场景。一种常见的目标检测方法是通过离线训练来生成目标检测分类器，并利用该目标检测分类器来检测图像或图像序列(如视频)中的目标。由于离线训练中采用的训练样本是有限的，且不可能完全适合于实际的应用场景，因此，用这种方法生成的目标检测分类器误检率比较高。鉴于此，业内提出了一种在线学习方法，其中，利用在线得到的图像帧作为训练样本对目标检测分类器进行训练。有关在线学习的描述可以参见Oza等人的论文“Online Bagging and Boosting”(刊于Proc.Artificial Intelligence and Statistics，2001年，第105-112页)(下文中称为文献1)。

发明内容

在下文中给出关于本公开的一些方面的简要概述，以便提供对于本公开的基本理解。应当理解，这个概述并不是对本公开的穷举性概述。该概述也并非意图确定本公开的关键或重要部分，也不是意图限定本公开的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

根据本公开的一个方面，提供了一种目标检测设备，该目标检测设备可包括：检测分类器，用于检测输入图像中的目标，以得到一个或更多个候选目标；验证分类器，用于利用与每个候选目标对应的图像块中的验证特征对每个候选目标进行验证；以及在线学习装置，用于利用所述验证分类器得到的对每个候选目标的验证结果、将与每个候选目标对应的图像块作为在线样本对所述检测分类器进行训练优化。

根据本公开的另一方面，提供了一种目标检测方法，该目标检测方法可包括：通过检测分类器来检测输入图像中的目标，以得到一个或更多个候选目标；通过验证分类器利用与每个候选目标对应的图像块中的验证特征，对每个候选目标进行验证；以及利用每个候选目标的验证结果、将与每个候选目标对应的图像块作为在线样本对所述检测分类器进行训练优化。

另外，本公开的实施例还提供了用于实现上述方法的计算机程序。

此外，本公开的实施例还提供了至少计算机可读介质形式的计算机程序产品，其上记录有用于实现上述方法的计算机程序代码。

附图说明

参照下面结合附图对本公开实施例的说明，会更加容易地理解本公开的以上和其它目的、特点和优点。附图中的部件只是为了示出本公开的原理。在附图中，相同的或类似的技术特征或部件将采用相同或类似的附图标记来表示。

图1是示出了根据一个实施例的目标检测设备的结构的示意性框图；

图2是示出了根据该实施例的目标检测方法的示意性流程图；

图3是示出了根据另一实施例的目标检测设备的结构的示意性框图；

图4是示出了根据该实施例的目标检测方法的示意性流程图；

图5是示出了检测分类器进行目标检测的方法的一个具体示例的示意流程图；

图6是示出了验证分类器对检测分类器的检测结果进行验证的方法的一个具体示例的示意流程图；

图7是示出了对检测分类器进行在线训练和优化的方法的一个具体示例的示意性流程图；

图8是示出了在线生成或在线优化验证分类器的方法的一个具体示例的示意性流程图；

图9是示出了在线选择用于验证分类器的验证特征的一个具体示例的示意图；以及

图10是示出用于实现本公开的实施例/示例的计算机的结构的示例性框图。

具体实施方式

下面参照附图来说明本公开的实施例。在本公开的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。应当注意，为了清楚的目的，附图和说明中省略了与本公开无关的、本领域普通技术人员已知的部件和处理的表示和描述。

本公开的一些实施例提供了用于检测图像中的目标的设备和方法。在本公开中，所谓的“图像”可以表示一幅或一组静止图像，也可以表示一个图像序列，如视频图像。

图1示意性示出了根据一个实施例的目标检测设备的结构，而图2示意性示出了根据该实施例的目标检测方法的流程。

如图1所示，目标检测设备100可以包括检测分类器101、验证分类器103和在线学习装置105。目标检测设备100可以按照图2所示的方法来检测输入图像中的目标。下面参考图2来描述目标检测设备100的各个部件。