[发明专利]目标的定位方法、装置、电子设备及存储介质

说明书

本申请提供的一种目标的定位方法、装置、电子设备及存储介质，包括：获取图片数据；确定所述图片数据中滑动检测窗口对应的各个图片区域的第一特征信息；将各个第一特征信息输入至目标支持向量机SVM分类器中以从各个图片区域中确定初始图片区域集；基于目标随机森林RF分类器从所述初始图片区域集中确定目标图片区域集，以基于所述目标图片区域集实现对目标的定位，其中，所述RF分类器基于所述样本集确定的。

技术领域

本申请涉及图片处理领域，特别地涉及一种目标的定位方法、装置、电子设备及存储介质。

背景技术

方向梯度直方图(HOG，Histogram of Oriented Gradient)特征是一种在计算机视觉和图片处理中用来进行物体检测的特征描述子。它通过计算和统计图片局部区域的梯度方向直方图来构成特征。支持向量机(SVM，Support Vector Mchine)则是一种在分类与回归分析中分析数据的监督式学习模型，其能够支持线性及非线性二分类问题。HOG特征结合SVM分类器已经被广泛应用于目标检测与识别中，例如，对条形码进行检测和识别，但是通过HOG特征结合SVM分类器进行条形码识别时，识别的准确率不高，存在误判情况，例如，将非条形码区域判定为条形码区域，导致条形码的定位的准确率不高。

发明内容

针对上述问题，本申请提供一种目标的定位方法、装置、检测设备及存储介质。

本申请提供了一种目标的定位方法，包括：

获取图片数据；

确定所述图片数据中滑动检测窗口对应的各个图片区域的第一特征信息；

将各个第一特征信息输入至目标支持向量机SVM分类器中以从各个图片区域中确定初始图片区域集，其中，所述初始图片区域集中每个初始图片区域中包括目标区域，所述SVM分类器基于样本集确定的，所述样本集包括带有正样本标签的样本图片数据和带有负样本标签的样本图片数据，所述带有正样本标签的样本图片数据中包括目标区域，带有负样本标签的样本图片数据中不包括目标区域；

基于目标随机森林RF分类器从所述初始图片区域集中确定目标图片区域集，以基于所述目标图片区域集实现对目标的定位，其中，所述RF分类器基于所述样本集确定的。

在一些实施例中，所述方法还包括：

获取样本集，其中，所述样本集包带有正样本标签的样本图片数据和带有负样本标签的样本图片数据，所述带有正样本标签的样本图片数据中包括目标区域，带有负样本标签的样本图片数据中不包括目标区域；

基于各个样本图片数据对应的第二特征信息、及对应的标签对初始SVM进行训练，得到所述目标SVM。

在一些实施例中，所述方法还包括：

对各个样本图片数据对应的第二特征信息进行特征降维处理，得到各个样本图片数据对应的第三特征信息；

基于各个样本图片数据对应的第三特征信息、及对应的标签对初始RF分类器进行训练，得到目标RF分类器。

在一些实施例中，所述基于目标随机森林RF分类器从所述初始图片区域集中确定目标图片区域集，包括：

确定所述初始图片区域集中各个初始图片区域对应的第四特征信息；

对各个初始图片区域对应的第四特征信息进行特征降维处理，得到各个初始图片区域对应的第五特征信息；

将各个初始图片区域对应的第五特征信息输入至RF分类器中，以从各个初始图片区域中确定目标图片区域集。

在一些实施例中，所述确定所述样本集中各个样本图片数据对应的第二特征信息，包括：

确定所述样本集中各个样本图片数据对应的像素特征；