[发明专利]移动终端及其目标检测方法及装置

说明书

技术领域

本发明涉及计算机视觉和机器学习技术领域，特别是涉及一种移动终端及其目标检测方法及装置。

相关术语解释

Histogram of Oriented Gradient——HOG——梯度方向直方图；

Support Vector Machine——SVM——支持向量机；

Convolutional Neural Network——CNN——卷积神经网络；

Deformable Part-based Model——DPM——基于部件的变形模型；

Cascade——级联；

Image Pyramids——图像金字塔；

Feature Pyramids——特征金字塔；

Haar——哈尔。

背景技术

当前，包括智能手机、平板电脑在内的许多产品，都会带有目标检测的功能，例如人手检测、人脸检测、行人检测等。

以人手检测为例，人手检测的主要目的，是在图像和视频中检测出人手的目标实例，可应用于手势识别、人机交互等。

目标检测与识别是计算机视觉领域一个极具挑战性的课题，目标检测是目标识别的前提，可以直接影响识别成功率的大小。作为手势识别的初始化步骤，人手检测也不例外。

现有技术中存在多种目标识别和检测的方法，按照模型来区分的话，主流的方案有：

1)自提升级联模型(AdaBoost Cascaded Model)，主要和哈尔特征一起 应用于人脸检测(Face Detection)领域。该方案使用简单的哈尔特征学习许多简单的弱分类器(Weak Classifier)，在训练阶段不断调整被错误分类样本的权重，最后通过加权平均来获得最终分类器。在实际检测时采用级联结构，每一层滤掉大部分非人脸候选，同时让大部分人脸候选通过，从而加速检测。

2)支持向量机(Support Vector Machine，SVM)，主要和梯度方向直方图(Histogram of Oriented Gradient，HOG)特征一起应用于行人检测(Pedestrian Detection)领域。该方案计算稠密的梯度方向特征，使用简单的线性SVM对高维的HOG描述子进行分类就能取得很好的效果。

3)卷积神经网络(Convolutional Neural Network，CNN)是近年大热的方法，适用于泛化目标(Generalized Object)的检测与识别。对输入图像进行多层的卷积、池化操作，再通过Softmax分类器进行分类即完成检测过程。尽管实现的过程近似于“黑盒”，但结果却超过了其他方法。

4)基于部件的变形模型(Deformable Part-based Model，DPM)，主要和梯度方向直方图(HOG)特征一起应用于泛化目标的检测与识别，尤其适合对非刚性目标的检测和识别。该方法的核心要素，是将部件相对位置和整体位置视为隐变量，使用隐形SVM(Latent-SVM)完成半监督学习。该方法也可以实现级联检测，在不影响检测质量的前提下，可以实现一个数量级的速度提升。这是目前最好的目标检测方法之一。

发明人发现，上述现有技术的方案存在一定的缺陷，具体如下：

关于上述方案1)，哈尔特征与自提升级联模型目前主要在人脸检测上取得了成功，从现有公开的论文、专利来看，在其他类别的目标检测中未必表现最好，有一定的局限性。主要原因是哈尔特征适用于纹理信息丰富的目标，却未必适用于边缘轮廓信息丰富的目标，如行人。

关于上述方案2)，HOG特征和SVM分类器实现的行人检测器效果较好，但对变形或是侧面视角的行人目标的处理是它的弊端。究其原因，是因为没有针对变形和多视角的处理机制。

关于上述方案3)，CNN模型和Softmax分类器实现的泛化目标检测器，在现有的标准数据集如：Visual Object Classes Challenge、ImageNet上的检测 结果好于其他方法，同时也低于人类视觉系统的检测水平。但这类方法的操作近似“黑盒”，针对特定目标的检测、调参也需要耗费极大的人力。从目前的趋势来看，这类方法还需要进一步完善和改进。

关于上述方案4)，基于DPM模型和HOG特征的检测器，虽然适用于变形和多视角的目标。但计算复杂度高、计算量大的问题影响了它的实际应用。尤其是对于以智能手机为代表移动终端而言，由于智能手机的运算能力远不如大型计算机，因此，该方案由于其计算复杂度高、计算量大的问题目前还无法在智能手机等移动终端上应用。