[发明专利]基于高斯模型的特定目标候选框生成方法

摘要

本发明提供了一种基于高斯模型的特定目标候选框生成方法，包括如下步骤：以随时间变化的目标尺度为自变量建立各个像素点处的高斯模型；训练高斯模型，在学习过程中动态筛选出目标频繁出现的位置以及目标尺度信息，从而得到检测区域；根据高斯模型学习得到的目标尺度信息，利用滑动窗搜索方式在检测区域均匀设置候选框，本发明充分利用静态监控视频以及车载监控视频等特殊场景的固有特征，训练高斯模型，得到特定目标频繁出现的区域与检测点处的尺度信息，并采用在线学习机制，使得模型更新与检测同步进行，本发明大大提升了目标检测效率及检测效果，并为后续的特定目标识别及跟踪过程提高了较大的辅助作用。

主权项

1.一种基于高斯模型的特定目标候选框生成方法，其特征在于，包括如下步骤：S1：以随时间变化的目标尺度为自变量建立各个像素点处的高斯模型，并初始化各像素点处的高斯模型均值μ以及标准差σ；S2：训练高斯模型，在学习过程中动态筛选出目标频繁出现的位置以及目标尺度信息，得出检测区域；S21：根据高斯模型的标准差大小反映高斯曲线概率峰值大小的特性设置标准差阈值σt，根据高斯模型的均值反映此处出现概率最大的行人尺度大小的特性得到目标尺度信息；S22：在学习过程中动态筛选出图像中高斯模型标准差σ小于标准差阈值σt的检测点，即为目标频繁出现的位置，得出检测区域；S3：根据高斯模型学习得到的目标尺度信息，利用滑动窗搜索方式在检测区域均匀设置候选框，从而得到最终特定目标的候选框；S31：对于通过高斯模型学习过程得出的检测点，以均值尺寸为基准设置不同尺度的搜索框；S32：对于非高斯模型学习得出的检测点，首先寻找出由步骤S31得出的与所述非高斯模型学习得出的检测点距离最近的已知检测点，并计算两者之间的最短距离d，如果d小于lmin个像素点，则将最近的已知检测点的基准尺寸作为该非高斯模型学习得出的检测点的基准尺寸，如果lmin≤d≤lmax个像素点，则将所有已知检测点的中值尺寸作为该非高斯模型学习得出的检测点的基准尺寸，如果d＞lmax，则将所有已知检测点的最大尺寸作为该非高斯模型学习得出的检测点的基准尺寸。