[发明专利]一种基于超像素分割的滑动窗口快速目标检测方法

说明书

本发明涉及一种基于超像素分割的滑动窗口快速目标检测方法，其主要由图像超像素分割、滑动窗口初始化、滑动窗口超像素激活、激活区域评价和基于超像素激活区域的滑窗搜索五部分构成。有益效果：能够方便地改变超像素的尺寸和内部的特征一致性，从而改变同一滑动窗口所激活的超像素区域，实现提高目标检测精度的目的；能够将其覆盖像素点对应的超像素区域纳入滑动窗口，由于超像素的特征一致性保证了其对目标边界较好的分割效果，因此本发明能够保证激活区域与目标边界有较好理想的符合度。能够在一定范围内增大窗口的滑动步长，同时保证其对应的激活区域不变，从而达到提高算法运行效率的目的。

技术领域

本发明属于图像处理与计算机视觉领域，涉及一种基于超像素分割的滑动窗口快速目标检测方法。

背景技术

视觉是人类获取外界信息的重要途径，而图像则是信息的重要载体。随着图像处理技术的日益发展，图像的尺寸、分辨率逐渐增大，其包含的信息也在不断丰富。研究表明，人类在观察图像时视线通常在图像所包含的物体之间移动，而对背景等其他区域并不感兴趣，大部分的视觉技术，如行人检测、人脸识别、目标跟踪和目标识别等，也是作用于上述包含物体的区域。因此如何在整幅图像中快速、有效地检测感兴趣物体区域具有重要的研究意义。

目标检测是图像理解、目标识别领域的重要内容，其主要任务包括从一幅给定图像中定位目标，其中基于滑窗搜索的方法在目标检测中得到广泛应用。上述方法将分类函数应用于不同位置、尺度和长宽比下的窗口，对窗口所覆盖的图像区域进行评价，具有最大响应的窗口视为物体的预测区域。但基于滑窗搜索的方法在实际应用中主要面临两个问题：

1、由于窗口滑动步长的影响，窗口所覆盖的矩形区域通常不能够对目标的边缘进行较好的覆盖，如图2中白色实线所示。为提高窗口的覆盖准确性，如果降低窗口的滑动步长，又会造成搜索效率的下降；

2、如何有效地训练具有位置判别特征的泛化分类器。

针对第一个问题，已有的改进大都采用启发式算法，首先对目标在图像中的分布进行初步估计，在概率高的区域进行精细搜索，在概率低的区域进行粗略搜索，从而达到提高搜索效率的目的，但其搜索精度依赖于初始的位置分布精度，且会增大目标误检和漏检的概率。基于滑窗搜索的算法虽然效率较低，但仍具有精度高，漏检率低的优点。因此采用结合上述两种搜索方式的优点，发展一种运行速度快、误检率低的搜索方法，同时保证目标检测结果与实际尽可能吻合，具有十分重要的意义。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于超像素分割的滑动窗口快速目标检测方法，弥补现有的滑窗搜索算法在运行速度、目标检测精度的不足。

技术方案

一种基于超像素分割的滑动窗口快速目标检测方法，其特征在于步骤如下：

步骤1、图像超像素分割：采用SLIC算法将图像分割为互不重合超像素的图像块，每个图像块有唯一的标记信息i，N表示超像素的总数目，i＝0,1,2,…N-1；

步骤2、滑动窗口初始化：将滑动窗口的尺度分别设置为图像尺寸的1/2，1/3或1/4；每个尺度的滑动窗口的长宽比分别设置为1:1，2:1，1:2，3:2，2:3，16:9或9:16，得到21组尺寸/长宽比的滑动窗口；

步骤3、滑动窗口超像素激活：将其中一个滑动窗口作为初始窗口，将初始窗口所覆盖像素点对应的超像素集合作为实际的滑动窗口为超像素激活区域；所述超像素集合中所有像素点横坐标的最小值作为激活区域的左边界，最大值作为激活区域的右边界，所有像素点纵坐标的最小值作为激活区域的上边界，最大值作为激活区域的下边界；

步骤4、激活区域评价：采用目标评价函数计算当前的超像素激活区域包含有目标概率；