[发明专利]一种目标图像的检测方法、装置及存储介质、机器人

说明书

本发明提供一种目标图像的检测方法、装置及存储介质、机器人，通过BING算法快速选择出可能含有目标的候选区域，替代了DPM算法中暴力搜索的滑窗方法，然后将得到的候选区域交给DPM做进一步筛选。其次，将DPM算法中最耗时的HOG特征金字塔计算去掉，从根源上解决计算HOG特征金字塔耗时的问题，DPM算法的运行速度随之大幅度提升。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种目标图像的检测方法、装置及存储介质、机器人。

背景技术

现有的可变型部件模型(DPM)算法在行人检测中表现出很好的鲁棒性，但在实际应用中，DPM算法的运行速度还远远不够，尤其是在嵌入式设备中。主要原因是因为DPM算法使用的HOG特征是高维特征，并且计算了HOG特征金字塔(多层HOG特征)来处理不同尺寸的行人，这是DPM运行速度的瓶颈所在。

而BING算法的优点是较高的召回率，运行速度非常快，具有可扩展性，不足之处是BING算法在高召回率的同时，也会产生较多的误检区域，不适合单独使用做目标检测。

发明内容

本发明实施例提供一种目标图像的检测方法、装置及存储介质、机器人。

第一方面，本发明实施例提供了一种目标图像的检测方法，包括步骤：

从待检测的视频中依次读取一帧图像；

利用基于BING的objectness算法，生成可能含有目标图像的候选框；

计算所述图像的HOG特征图；

将预设DPM模型中的根滤波器尺寸大小缩放至与所述候选框中的所述HOG特征图的尺寸大小匹配；

利用动态规划算法，计算根滤波器和部件滤波器得分；

根据根滤波器和部件滤波器的综合响应得分，判定所述候选框对应的图像是否为目标图像。

第二方面，本发明实施例还提供了一种目标图像的检测装置，所述装置包括：

图像读取模块，用于从待检测的视频中依次读取一帧图像；

候选框生成模块，用于利用基于BING的objectness算法，生成可能含有目标图像的候选框；

特征图计算模块，用于计算所述图像的HOG特征图；

缩放模块，用于将预设DPM模型中的根滤波器尺寸大小缩放至与所述候选框中的所述HOG特征图的尺寸大小匹配；

得分计算模块，用于利用动态规划算法，计算根滤波器和部件滤波器得分；

判定模块，用于根据根滤波器和部件滤波器的综合响应得分，判定所述候选框对应的图像是否为目标图像。

第三方面，本发明实施例还提供了一种存储介质，其存储有计算机程序，其中，所述计算机程序使得计算机执行如上面所述的目标图像的检测方法。

第四方面，本发明实施例还提供了一种机器人，包括存储器和处理器，所述处理器和所述存储器通过总线连接；所述存储器用于存储一组程序代码，所述处理器用于调用所述存储器中存储的程序代码，执行如上面所述的目标图像的检测方法。

本发明实施例提供的目标图像的检测方法、装置及存储介质、机器人，通过使用object proposal的BING方法，快速生成可能含有目标的候选框，然后将这些候选框交给DPM算法来处理，替代了DPM中基于暴力搜索的滑窗方法，使候选框的数量大幅度下降，运行速度也随之提升。例如1080P大小的图像，若使用滑窗方法，滤波器大小为100*300，步长为1，候选框数量级为106，而BING算法筛选出的候选框数量一般控制在103左右。