[发明专利]矩形目标物检测方法

摘要

一种矩形目标物检测方法，包括如下步骤：提取样本特征；获取根滤波器；获取部件滤波器；模型检测；进行梯度搜索计算从而精确定位检测框。与现有技术相比，本发明使用机器学习的方法，将含有矩形目标物的图片作为正样本，不含目标物的任意图片作为负样本组成训练集，训练过程中只需要样本的目标外轮廓标注信息，信息易于读取且效率较高。对支持向量机和隐藏变量支持向量机的训练保证了检测的高精确率，使用隐藏变量支持向量机训练部件滤波器也使得一些细节方面的信息不容易被丢失，极大的提高了检测的正确率和召回率。使用梯度搜索计算对检测框进行调整也弥补了检测框不完全框选目标物的情况，使得目标物的位置更精确和完整。

主权项

一种矩形目标物检测方法，其特征在于，包括如下步骤：提取特征步骤，将含有矩形目标物的图片作为正样本，不含目标物的任意图片作为负样本，对每一张样本图片，将其分为多个细胞单元，每个细胞单元中分配M×M个像素，划分N×N个细胞单元构成一个块，获取块的方向梯度直方图；根滤波器获取步骤，利用滑动窗口扫描样本图片的各个位置和不同尺度，将所有块的方向梯度直方图提取出来并结合，形成最终的特征向量，将所有样本图片的最终特征向量输入到支持向量机中，得到目标物体的根滤波器；获取部件滤波器步骤，根据根滤波器的位置寻找部件滤波器的位置，若干个部件滤波器的面积之和等于根滤波器的面积，每个部件滤波器所在位置均有一个得分，根据得分高低筛选出其最优位置，将部件滤波器的特征输入到隐藏变量支持向量机中进行训练，使用半凸规划对其位置进行筛选，得到部件滤波器；模型检测步骤，对根滤波器和部件滤波器进行初始化和更新，得到最终的可变形部件模型，将最终的可变形部件模型保存并使用模型参数对测试集图片进行检测；检测框精确定位步骤，使用基于搜索的边缘梯度计算的算法判断检测框是否在目标轮廓边缘之外，调整检测框的位置，修正检测结果。