[发明专利]基于分类器的目标检测方法及装置

权利要求书

1.一种基于分类器的目标检测方法，其特征在于，所述方法包括：

根据预设的缩放因子，由原始图像建立图像金字塔；

提取所述图像金字塔的中间X个图层，利用固定的滑动窗口进行遍历采样，对采样图像用分类器计算对应的置信度，得到每个图层中置信度最高的Y个采样图像对应的置信采样点，其中X、Y为正整数；

将所提取的X个图层中共计XY个置信度最高的采样图像对应的置信采样点映射到所述图像金字塔各图层中的对应点，并将每个所述置信采样点及对应点组成一条采样链；

对每条所述采样链中各点利用所述滑动窗口提取对应图层的窗口图像，再对各窗口图像用分类器计算对应的置信度，得到每条采样链中置信度最高的窗口图像；

将各条采样链中置信度最高的窗口图像映射到原始图像中的检测结果窗口；

合并所述原始图像中的检测结果窗口。

2.根据权利要求1所述的方法，其特征在于，所述对采样图像用分类器计算对应的置信度，包括：对采样图像利用级联Adaboost分类器计算对应的置信度；

所述对各窗口图像用分类器计算对应的置信度，包括：对各窗口图像用级联Adaboost分类器计算对应的置信度；

其中，所述级联Adaboost分类器为预先训练的分类器，包括多个级联的强分类器，每个所述强分类器包含多个弱分类器；

所述对采样图像/窗口图像用级联Adaboost分类器计算对应的置信度，包括：

S1：将置信度初始值设置为0；

S2：按强分类器的级次，执行下列循环：

利用强分类器中所包含的弱分类器分别计算所述采样图像/窗口图像的分值，并将各弱分类器的分值累加作为强分类器分值；

若强分类器分值小于阈值，则未通过强分类器检测，计算强分类器的第一归一化分值，用置信度的当前值减去第一归一化分值作为更新后的置信度，并退出所述循环；否则，通过强分类器检测，计算强分类器的第二归一化分值，用置信度的当前值加上第二归一化分值作为更新后的置信度，并继续执行所述循环。

3.根据权利要求2所述的方法，其特征在于，所述X=3，所述Y=8。

4.根据权利要求2所述的方法，其特征在于，在所述合并所述原始图像中的检测结果窗口的步骤之前，所述方法还包括：

对所述检测结果窗口进行滤除处理，滤除置信度小于预值或没有通过所有强分类器检测的窗口图像对应的检测结果窗口。

5.根据权利要求1或4所述的方法，其特征在于，合并所述原始图像中的检测结果窗口的步骤，包括：

将原始图像中任意两个相重叠的检测结果窗口按照下列公式进行合并：

R＝(R_i×w_i+R_j×w_j)/(w_i+w_j)，其中R_i＝(x_i,y_i,a_i,b_i)，R_j＝(x_j,y_j,a_j,b_j)为两重叠的检测结果窗口，(x_i,y_i)、(x_j,y_j)分别为检测结果窗口的顶点，a_i、a_j分别为检测结果窗口的长，b_i、b_j分别为检测结果窗口的宽，w_i、w_j分别为对应的置信度。