[发明专利]基于部件的目标检测方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及基于部件的目标检测方法。本发明可用于智能交通，门禁检测等领域中确定采集图像中目标的位置和所占区域。

背景技术

目标检测是指在被检测图像中确定目标的位置、大小、位姿的过程。目标检测是信息处理中的一项关键技术，现在的很多应用领域要求目标检测方法可以快速准确地检测目标。由此所面临的一系列问题使得目标检测开始作为一个独立的课题受到研究者的重视。

基于部件的目标检测技术是一种起源很早，最近才兴起的目标检测方法。该方法融合了目标的表观特征和空间结构特征，因而具有更加鲁棒的检测性能。同时，基于部件的目标检测技术是一种稀疏的特征描述方式，因而在一定程度上可以处理部分遮挡的问题。

中国科学院自动化研究所提出的专利申请“基于部件结构模型的目标检测与识别方法”(专利申请号CN201010106757.0，公开号CN102142078A)公开了一种基于部件结构模型的目标检测与识别方法。该方法的实施步骤是：步骤一，采用积分直方图提取目标整体以及目标各个部件内不同模块大小的梯度方向直方图特征；步骤二，根据提取的特征，分别对目标整体以及目标各个部件训练，生成boost级联分类器；步骤三，采用半监督的训练方式，由手工标注方式确定目标的位置，而目标各个部件的位置由训练目标整体boost级联分类器过程中所挑选出的区分能力较强的若干弱分类器所在的模块的位置确定；步骤四，根据获得的目标整体和目标各个部件的位置，采用星形结构训练目标整体以及目标各个部件之间的空间关系模型；步骤五，用boost级联分类器分别检测目标整体和目标的各个部件，得到目标整体以及目标各个部件检测代价图，然后利用距离变换以及目标各个部件之间的相对位置关系实现目标的检测与识别定位。该方法虽然使用星形结构表达目标的空间结构，并使用距离变换技术进行快速目标检测，但是该专利申请仍然存在的不足是：使用星形结构表示目标的空间结构不够准确，将会导致检测结果不够准确；另外使用距离变换在进行目标检测前，必须求得目标整体以及目标各个部件的检测代价图，这将会严重影响检测效率。

D.Crandall在文献“D.Crandall，P. Felzenszwalb，and D.Huttenlocher.Spatial priors for part-based recognition using statistical models.In CVPR，10-17，2005.”中提出了一种k-fans模型，该方法的实施步骤是：步骤一，构建局部表观模型；步骤二，使用k-fans结构表示目标的空间结构，并构建目标的空间结构模型；步骤三，使用距离变换技术对被检测图像进行目标检测。虽然该方法所使用的k-fans结构可以比较准确地表达目标的空间结构，但是，仍然存在的不足是：当k-fans结构中存在环路的时候，不能使用距离变换技术进行快速目标检测，这样严重影响此方法的应用范围。

发明内容

本发明针对上述现有技术的不足，提出一种基于部件的目标检测方法，以减小目标部件检测的时间复杂度和成本，提高目标部件检测的精度和稳定性。

为了实现上述目的，本发明采用图结构表示目标的空间结构，此图结构在最大生成树的基础上添加边来构造，折中考虑了树状图和全连接图的优点，这样既保证了目标空间结构的真实性，又增加了目标部件定位的信息量。在统计完空间结构模型参数和表观模型参数之后，目标部件检测过程采用了模拟退火算法和梯度下降算法相级联的收敛方法，来提高目标检测效率。同时，为了提高收敛的正确率，在模拟退火算法过程中采用二次退火的策略以避免将目标部件的位置坐标收敛到非目标区域。另外，在梯度下降算法完成之后，采用了步进策略使目标部件的位置坐标更加精确。

本发明通过训练图像标记模块、模型构建模块、图像采集模块、目标检测模块和检测结果显示模块五个模块完成以下具体步骤：

(1)标记训练图像

在因特网上收集包含待检测目标的训练图像和不包含待检测目标的背景图像，训练图像标记模块对每张训练图像中的n个部件进行标记，获得训练图像中n个部件的位置坐标；

(2)构建目标空间结构

2a)模型构建模块从训练图像标记模块读取所有训练图像中n个部件的位置坐标以及所有的训练图像和背景图像；

2b)模型构建模块使用互信息熵计算公式计算两两部件之间位置的互信息熵；

2c)将互信息熵作为边的权值，以n个部件为节点，模型构建模块采用prim算法构造最大生成树；