[发明专利]一种目标检测方法及系统

说明书

技术领域

本发明涉及视频及图像处理技术领域，特别是涉及一种目标检测方法及系统。

背景技术

基于图像和视频序列的行人检测是目标检测的一个重要研究热点，主要是通过图像处理和模式识别从图像数据中检测出行人，它在智能视频监控、安全辅助驾驶、人工智能以及智能交通中都有着重要的应用。其中，基于机器学习算法的行人检测方法，即先提取行人特征，然后使用机器学习算法进行训练与分类，由于其检测效果较好，得到了广泛的应用。

但是，目标检测过程中面临的一个难题就是光照变化对目标外观的影响。研究发现，同一个目标在姿态相同却处于不同光照环境时，不能被唯一的识别为同一个目标。为了解决这个问题，大量的基于光照不变性特征的方法被提出，然而大多数算法在提高准确度的同时增加了计算时间。另外，目标检测中的目标姿态变化也是检测过程中的一大挑战，现有算法如DPM(英文全称：Deformable Parts Model，中文全称：可变形部件模型)在公开数据集上达到了很好的检测效果，但是仅是对目标处于标准姿态情况下的目标检测，没有考虑特殊情况如俯拍下目标存在旋转的情况，而且DPM是基于HOG(英文全称：Histograms of Oriented Gradients，中文全称：梯度直方图)原理进行检测的，由于HOG不具备旋转不变性，因此，在目标检测领域尚缺少有效处理目标旋转问题的方法。

发明内容

本发明提出一种目标检测方法及系统，在不同光照条件，如强光、阴影条件，以及多种目标姿态条件下的目标检测方法，目的在于解决由于光照以及图像采集设备如监控摄像头造成的目标多姿态检测，减少光照与姿态对目标检测的影响，提高目标检测正确率，扩大检测器检测范围。

为达到上述目的，本发明提供了以下技术方案：

一种目标检测方法，预先对样本图像进行训练，得到目标检测分类器，该方法包括：

获取所述待检测图像，确定所述待检测图像中的待检测目标；

对所述待检测图像进行预处理，得到光照与旋转不变特征；

将所述光照与旋转不变特征输入至与所述待检测目标对应的所述目标检测分类器进行目标检测。

优选的，所述对所述待检测图像进行预处理，得到光照与旋转不变特征，包括：

通过局部敏感直方图提取所述待检测图像的光照不变特征，得到所述待检测图像中不因光照强度变化的局部敏感图像；

通过计算在傅里叶空间中的梯度直方图特征，提取所述局部敏感图像的所述光照与旋转不变特征。

优选的，所述通过局部敏感直方图提取所述待检测图像的光照不变特征，得到所述待检测图像中不因光照强度变化的局部敏感图像，包括：

设置参数α和灰度级个数B，根据局部敏感直方图计算公式进行计算，得到所述待检测图像的局部敏感直方图；

对所述待检测图像的局部敏感直方图进行归一化计算，得到最终的局部敏感直方图；

设置常数K＝0.1，根据所述最终的局部敏感直方图计算得到所述光照不变特征；

提取所述待检测图像中不因光照强度变化的所述局部敏感图像。

优选的，所述通过计算在傅里叶空间中的梯度直方图特征，提取所述局部敏感图像的所述光照与旋转不变特征，包括：

使用梯度函数计算所述局部敏感图像的图像梯度D，并将所述梯度映射到傅里叶空间；

根据空间聚集的卷积核函数K1和局部归一化的卷积核函数K2计算得到傅里叶HOG场

将所述傅里叶HOG场与基函数进行卷积运算，得到所述光照与旋转不变特征。

优选的，所述预先对样本图像进行训练，得到目标检测分类器，包括：

获取多个样本图像，确定所述多个样本图像中的训练目标；

提取多个所述样本图像的光照和旋转不变特征；

选取多个所述样本图像中包含目标的图像块作为正样本，不包含目标的图像块作为负样本；

将所述图像块进行归一化，得到统一像素大小的训练集数据；

使用线性支持向量机对所述训练集数据进行训练，得到所述目标检测分类器。

一种目标检测系统，包括：训练模块，用于预先对样本图像进行训练，得到目标检测分类器，该系统还包括：

获取模块，用于获取所述待检测图像，确定所述待检测图像中的待检测目标；

预处理模块，用于对所述待检测图像进行预处理，得到光照与旋转不变特征；

检测模块，用于将所述光照与旋转不变特征输入至与所述待检测目标对应的所述目标检测分类器进行目标检测。