專利名稱：檢測圖像中特定物體的方法和檢測圖像中特定物體的設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種檢測圖像中特定物體的方法和檢測圖像中特定物體的設(shè)備。
背景技術(shù)：
隨著計(jì)算機(jī)技術(shù)的發(fā)展，在圖像和視頻的模式識(shí)別領(lǐng)域也有顯著的進(jìn)展，對(duì)檢測圖像中特定物體的技術(shù)的需求也越來越大，并且取得了一定成就。在模式識(shí)別領(lǐng)域，物體檢測的效果依賴于關(guān)鍵特征或者關(guān)鍵特征組合的選取。近年來，大量的實(shí)用特征應(yīng)用到物體檢測領(lǐng)域中?；趩惟`特征的識(shí)別分類方法一般會(huì)取得精度比較低、有很多誤檢、但是效率較高的識(shí)別結(jié)果。以云檢測為例，基于單ー顔色特征的識(shí)別方法可以識(shí)別到大部分的云，但是同時(shí)有很多具有與云相似顔色的物體可能被誤檢成云。專利文件1(US 7，480，052B1)提出了基于電磁場頻譜信息的在衛(wèi)星云圖中檢測云的方法。在衛(wèi)星云圖中的某個(gè)區(qū)域，通過比較至少三個(gè)離散的電磁場頻譜的帶寬范圍內(nèi)的反射值，然后比較它們之間的比例值，從而獲得云檢測的判定結(jié)果。然而，專利文件I僅僅專門針對(duì)衛(wèi)星云圖，通過采用電磁場頻譜反射值來確定云檢測結(jié)果，因而不是一種廣義范圍的云檢測方法，應(yīng)用范圍有限。非專利文件I(Classification of satellite cloud imagery based onmult1-feature texture analysis and neural networks, Christodoulou, C.1.；Michaelides, S. C. ；Pattichis, C. S. ；Kyriakou, K. ；Dept. of Comput. Sc1. , Univ. ofCyprus,Image Processing,2001,Proceedings,2001 International Conference,vol.1,497-500，基于多特征紋理分析和神經(jīng)網(wǎng)絡(luò)的衛(wèi)星云圖中的云分類方法，塞浦路斯大學(xué))提出ー種區(qū)分不同云的分類方法。9種不同紋理特征集合(共包含55個(gè)特征)被提取出來，通過神經(jīng)網(wǎng)絡(luò)來訓(xùn)練有效的云分類器。非專利文件I中的紋理特征包含了邊界、紋理等等特征，但是這些特征分開、獨(dú)立地輸入以用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練。特征區(qū)分性有限，且處理較為復(fù)雜。

發(fā)明內(nèi)容
鑒于現(xiàn)有技術(shù)中存在的上述問題而做出本發(fā)明，本發(fā)明提出一種基于能量模型的檢測圖像中特定物體的方法和檢測圖像中特定物體的設(shè)備。根據(jù)本發(fā)明實(shí)施例的ー個(gè)方面，提出了一種檢測圖像中特定物體的方法，包括感興趣區(qū)域估計(jì)步驟，在輸入的待處理圖像中，估計(jì)包含所述特定物體的區(qū)域，作為感興趣區(qū)域；特征確定步驟，確定所述感興趣區(qū)域中物體的特征參數(shù)；物體能量確定步驟，根據(jù)物體的特征參數(shù)確定物體的能量；特定物體判別步驟，將所確定的物體的能量與預(yù)定閾值相比較，如果該物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體。。根據(jù)本發(fā)明實(shí)施例的另ー個(gè)方面，提出了一種檢測圖像中特定物體的設(shè)備，包括感興趣區(qū)域估計(jì)裝置，在輸入的待處理圖像中，估計(jì)包含所述特定物體的區(qū)域，作為感興趣區(qū)域；特征確定裝置，確定所述感興趣區(qū)域中物體的特征參數(shù)；物體能量確定裝置，根據(jù)物體的特征參數(shù)確定物體的能量；特定物體判別裝置，將所確定的物體的能量與預(yù)定閾值相比較，如果該物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體。通過閱讀結(jié)合附圖考慮的以下本發(fā)明的優(yōu)選實(shí)施例的詳細(xì)描述，將更好地理解本發(fā)明的以上和其他目標(biāo)、特征、優(yōu)點(diǎn)和技術(shù)及エ業(yè)重要性。


圖1示出按照本發(fā)明實(shí)施例的檢測圖像中特定物體的方法的總體流程圖。圖2示出待處理圖像的ー個(gè)示例。圖3示意性地示出對(duì)圖2所示待處理圖像進(jìn)行感興趣區(qū)域估計(jì)處理后所估計(jì)的關(guān)于特定物體云的感興趣區(qū)域。圖4示出待處理圖像的另ー個(gè)示例。圖5示意性地示出對(duì)圖4所示待處理圖像進(jìn)行感興趣區(qū)域估計(jì)處理后所估計(jì)的關(guān)于特定物體云的感興趣區(qū)域。圖6示出對(duì)圖2中的感興趣區(qū)域提取物體外部邊界特征參數(shù)的示意圖。圖7示出對(duì)圖4所示的圖像提取物體內(nèi)部邊界特征參數(shù)的示意圖。圖8示出按照本發(fā)明實(shí)施例的檢測圖像中特定物體的設(shè)備的總體框圖。圖9是示出按照本發(fā)明實(shí)施例的檢測圖像中特定物體的系統(tǒng)的總體框圖。
具體實(shí)施例方式下面結(jié)合附圖描述本發(fā)明實(shí)施例。圖1示出按照本發(fā)明實(shí)施例的檢測圖像中特定物體的方法的總體流程圖。如圖1所示，檢測圖像中特定物體的方法可以包括感興趣區(qū)域估計(jì)步驟S100，可以在輸入的待處理圖像中，估計(jì)包含所述特定物體的區(qū)域，作為感興趣區(qū)域；特征確定步驟S200，可以確定所述感興趣區(qū)域中物體的特征參數(shù)；物體能量確定步驟S300，可以根據(jù)物體的特征參數(shù)確定物體的能量；以及特定物體判別步驟S400，可以將所確定的物體的能量與預(yù)定閾值相比較，如果該物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體。在該感興趣區(qū)域估計(jì)步驟SlOO中，可以將所述待處理圖像劃分為多個(gè)區(qū)域，獲取各個(gè)區(qū)域的色彩特征，利用線性分類器分別判斷各個(gè)區(qū)域是否符合所述特定物體的色彩特征，將符合所述特定物體的色彩特征的區(qū)域組合得到所述感興趣區(qū)域。對(duì)于待檢測的輸入圖像，或者稱為待處理圖像，可以在感興趣區(qū)域估計(jì)步驟SlOO中對(duì)其進(jìn)行初步檢測，排除明顯不具有要檢測的特定的目標(biāo)物體，即特定物體的圖像，以降低此后處理過程的負(fù)擔(dān)。初步檢測可以基于形狀、顔色、尺寸等等中的任何一種特征或多種特征的組合，通常，基于ー種単一特征的初步檢測具有非常高的處理速度，能夠大幅度減少待檢測圖像的數(shù)量，但是初步檢測具有相對(duì)較低的檢測率，會(huì)有一定量的實(shí)際上并非包含特定物體的圖像通過該初步檢測，進(jìn)入此后的處理。假設(shè)在所述特定物體為云的情況下，在該感興趣區(qū)域估計(jì)步驟SlOO中，可以將輸入的待處理圖像進(jìn)行基于單ー顔色特征的云的初歩檢測。云大體上可以分為白云、烏云、及朝霞晚霞等等類別，可以收集大量的關(guān)于各類云的正樣本圖像(云圖像)和負(fù)樣本圖像(非云圖像)，來訓(xùn)練分類器?；陬伾卣鞯脑频臋z測可以利用線性分類器，該線性分類器可以通過提取足夠多的正樣本圖像和負(fù)樣本圖像的RGB顔色特征，進(jìn)而使用支持向量機(jī)(Support Vector Machine, SVM)訓(xùn)練而得到。感興趣區(qū)域估計(jì)步驟SlOO對(duì)待處理圖像的初歩判斷可以針對(duì)各個(gè)像素逐一進(jìn)行，然而，為了降低處理的復(fù)雜度，也可以將圖像劃分為相等大小的若干個(gè)矩形框，例如，將1024*768的圖像分為32*27個(gè)矩形框，顯然本發(fā)明實(shí)施例所能夠處理的圖像像素?cái)?shù)目及劃分矩形框的行列數(shù)目不限于此。經(jīng)過對(duì)待處理圖像的以像素或矩形框?yàn)閱挝坏奶幚?，在假定分類器將某個(gè)或某些上述単位判斷為特定物體的情況下，假設(shè)特定物體為云，檢測目標(biāo)包括白云、烏云、朝霞晚霞,則待處理圖像中含有云的區(qū)域和實(shí)際上不含有云但含有與云相似顔色的物體的區(qū)域可以被檢測出來。圖2示出待處理圖像的ー個(gè)示例。通過上述感興趣區(qū)域估計(jì)步驟SlOO對(duì)圖2所示圖像的處理，可以獲得其關(guān)于特定物體的感興趣區(qū)域。圖3示意性地示出對(duì)圖2所示待處理圖像進(jìn)行感興趣區(qū)域估計(jì)處理后所估計(jì)的關(guān)于特定物體云的感興趣區(qū)域，其中，把待處理圖像劃分為若干行列數(shù)目的矩形框，其中標(biāo)注交叉線的矩形框區(qū)估計(jì)構(gòu)成感興趣區(qū)域，其中不含交叉線的矩形框ロ確定不涉及該特定物體。圖4示出待處理圖像的另ー個(gè)示例。通過上述感興趣區(qū)域估計(jì)步驟SlOO對(duì)圖4所示圖像的處理，可以獲得其關(guān)于特定物體的感興趣區(qū)域。圖5示意性地示出對(duì)圖4所示待處理圖像進(jìn)行感興趣區(qū)域估計(jì)處理后所估計(jì)的關(guān)于特定物體云的感興趣區(qū)域，其中，把待處理圖像劃分為若干行列數(shù)目的矩形框，其中標(biāo)注交叉線的矩形框區(qū)估計(jì)構(gòu)成感興趣區(qū)域，其中不含交叉線的矩形框□確定不涉及該特定物體。圖2中的物體為單一物體云，在云為特定物體的情況下，感興趣區(qū)域估計(jì)步驟SlOO估計(jì)出的感興趣區(qū)域均確實(shí)為包含物體云；圖4中的物體有多種，諸如樓房、汽車、云等等，盡管云仍然為特定物體，然而感興趣區(qū)域估計(jì)步驟SlOO估計(jì)出的感興趣區(qū)域可能把其它物體也估計(jì)為關(guān)于云的感興趣區(qū)域，盡管從最后的結(jié)果看存在誤判，但是在此步驟均保留下來。感興趣區(qū)域估計(jì)步驟SlOO所檢測到的可能包含特定物體的區(qū)域可以稱為感興趣區(qū)域(ROI)，感興趣區(qū)域估計(jì)步驟SlOO對(duì)待處理圖像所估計(jì)出的感興趣區(qū)域的位置可以記錄，作為該待處理圖像的圖像數(shù)據(jù)的附加數(shù)據(jù)，此后的處理可以針對(duì)所檢測到的感興趣區(qū)域進(jìn)行，從而減輕后續(xù)處理的壓カ。針對(duì)感興趣區(qū)域估計(jì)步驟SlOO所估計(jì)的感興趣區(qū)域，可以進(jìn)入特征確定步驟S200來進(jìn)行處理，然而，可選地，也可以通過排除步驟再排除一些不太可能是目標(biāo)的特定物體的感興趣區(qū)域，進(jìn)ー步降低此后處理的負(fù)擔(dān)。排除步驟例如可以是，根據(jù)感興趣區(qū)域在所述待處理圖像中的位置，排除不符合所述特定物體的位置特征的感興趣區(qū)域。排除步驟可以采用的排除依據(jù)不限于感興趣區(qū)域的位置，而是也可以采用近鄰特征、或其它特征來進(jìn)行特征校驗(yàn)，從而可以進(jìn)一歩去除掉很多誤檢結(jié)果。假定作為最終要檢測的目標(biāo)的特定物體為云，諸如白云、烏云、朝霞晚霞，排除步驟可以通過ー些重要的輔助特征的校驗(yàn)來去除誤檢結(jié)果。例如，位置特征可以是ー個(gè)簡單而有效的特征，在排除步驟采用位置特征的情況下，如果感興趣區(qū)域位于圖像中的上半部分，那么其中的物體才有可能是云，如果出現(xiàn)在下半部分，那么其中的物體將不太可能是云。再例如，在排除步驟采用近鄰特征的情況下，如果感興趣區(qū)域中有物體被藍(lán)色、灰色區(qū)域包圍，該藍(lán)色區(qū)域可能是藍(lán)天，該灰色區(qū)域可能是陰天，那么該物體有可能是云，這樣的感興趣區(qū)域可以保留；而如果感興趣區(qū)域中的物體均沒有被藍(lán)色、灰色區(qū)域包圍的，則該物體不大可能是云，有可能例如是板、車或者建筑物外墻等等，這樣的感興趣區(qū)域可以排除。感興趣區(qū)域估計(jì)步驟SlOO所估計(jì)的感興趣區(qū)域、或者是經(jīng)過排除步驟而未被排除的感興趣區(qū)域，進(jìn)入特征確定步驟S200及其后的處理。在所述特征確定步驟S200中，確定所述感興趣區(qū)域中物體的特征參數(shù)，所述特征參數(shù)可以包括物體外部邊界特征參數(shù)和物體內(nèi)部邊界特征參數(shù)。關(guān)于物體外部邊界特征參數(shù)，可以通過確定感興趣區(qū)域中物體邊界，提取其中的物體外部邊界，根據(jù)該物體所占面積確定外部邊界點(diǎn)數(shù)目，在物體外部邊界上等距離設(shè)置外部邊界點(diǎn)數(shù)目的外部邊界點(diǎn)，確定外部邊界點(diǎn)梯度的大小度量值和方向度量值，將外部邊界點(diǎn)梯度的大小度量值和方向度量值及外部邊界點(diǎn)數(shù)目作為物體外部邊界特征參數(shù)。特征確定步驟S200將要處理以獲取其中物體外部邊界特征參數(shù)的圖像可以仍然例如如圖2所示，然而，在此應(yīng)當(dāng)理解，無論是否經(jīng)過上述排除步驟的處理，此時(shí)已經(jīng)知道圖2中的感興趣區(qū)域的位置等等的信息。圖6示出對(duì)圖2中的感興趣區(qū)域提取物體外部邊界特征參數(shù)的示意圖。首先，可以通過邊界檢測方法，例如Sobel或者Canny邊界檢測，提取感興趣區(qū)域中每個(gè)物體的邊界，選取其中最外圍邊界為外部邊界。在圖6中，示出了各個(gè)物體的所提取的外部邊界，示意性地標(biāo)注了其中三個(gè)物體的外部邊界Lel、Le2、Le3，用以說明本發(fā)明實(shí)施例的特征確定步驟S200的實(shí)施。本領(lǐng)域技術(shù)人員可以理解，圖2中其它物體的外部邊界也能夠并已經(jīng)提取出。為了簡潔，在圖6中，上述其它物體的外部邊界未賦予標(biāo)號(hào)，然而本領(lǐng)域技術(shù)人員可以理解，可以以與下述針對(duì)外部邊界Lel的處理相同方式的處理來處理其它的外部邊界。下面，以外部邊界Lel為例說明其所圍物體的外部邊界特征的提取。外部邊界Lel所圍的物體所占的面積area可以通過成熟手段獲得，可以根據(jù)對(duì)大量正樣本圖像進(jìn)行分析所獲得的經(jīng)驗(yàn)函數(shù)Ns = f(area)來確定與該面積相適應(yīng)的外部邊界點(diǎn)數(shù)目Ns。也就是，Ns的值可以根據(jù)待檢測的特定物體的尺寸來決定，并且其中，可以以任意規(guī)則，例如最高、最低、最左、或最右，來起始地確定第一個(gè)外部邊界點(diǎn)的位置，其余點(diǎn)或者順時(shí)針、或者也可以逆時(shí)針地依次布置。合適的Ns值使得能夠盡可能多地提取到物體外部的關(guān)鍵特征。然后，在外部邊界Lel上依次等距離地布置該Ns個(gè)外部邊界點(diǎn)，在圖6中，示出了外部邊界Lel上的外部邊界點(diǎn)，其中，為了說明的目的，示意性地標(biāo)出了 4個(gè)外部邊界點(diǎn)Pel、Pe2、Pe3、Pe4，為了簡潔，該物體的其它外部邊界點(diǎn)未賦予標(biāo)號(hào)，然而，本領(lǐng)域技術(shù)人員可以理解，能夠以與下述針對(duì)外部邊界點(diǎn)Pel、Pe2、Pe3、Pe4的處理相同方式的處理來處理其它的外部邊界點(diǎn)。然后，可以通過成熟手段計(jì)算每ー個(gè)外部邊界點(diǎn)的梯度，梯度為矢量，梯度值包括梯度大小值和梯度方向值。圖6中外部邊界點(diǎn)Pel、Pe2、Pe3、Pe4處的箭頭表示該點(diǎn)處梯度的方向。
計(jì)算外部邊界點(diǎn)梯度的大小的平均值，作為所述外部邊界點(diǎn)梯度的大小度量值。也就是，計(jì)算所有Ns個(gè)外部邊界點(diǎn)的梯度大小的平均值msm，作為所述外部邊界點(diǎn)梯度的大小度量值，該梯度的大小度量值msm可以用來衡量物體外部邊界的漸變程度?？梢栽谟?jì)算外部邊界點(diǎn)梯度的大小的平均值之前或之后，或與此同時(shí)，計(jì)算外部邊界點(diǎn)梯度的相鄰點(diǎn)角度差的分布，作為所述外部邊界點(diǎn)梯度的方向度量值。其中，可以將360度的角度范圍等分為預(yù)定數(shù)目的角度區(qū)間，將相鄰點(diǎn)角度差分布到所述角度區(qū)間，把分布有所述相鄰點(diǎn)角度差的所述角度區(qū)間的數(shù)目作為方向度量值。例如，將物體的所有相鄰兩個(gè)外部邊界點(diǎn)的梯度方向角度值做差，以圖6為例，假定沿逆時(shí)針方向(顯然也可以順時(shí)針方向)對(duì)外部邊界點(diǎn)Pel、Pe2、Pe3、Pe4處的梯度方向角度值依次做差，即Pe4點(diǎn)的梯度方向的角度_Pe3點(diǎn)的梯度方向的角度、Pe3點(diǎn)的梯度方向的角度_Pe2點(diǎn)的梯度方向的角度、Pe2點(diǎn)的梯度方向的角度-Pel點(diǎn)的梯度方向的角度，如此依次計(jì)算，直至完成Lel所圍物體的全部Ns個(gè)外部邊界點(diǎn)的相鄰點(diǎn)角度差的計(jì)算，循環(huán)一周，回到Pe4點(diǎn)。然后，將差值歸到預(yù)設(shè)的角度差值區(qū)間段中。每個(gè)區(qū)間段覆蓋10度，共有36個(gè)區(qū)間段，統(tǒng)計(jì)這些角度差值的分布情況，并統(tǒng)計(jì)出這些角度差值所分布的區(qū)間段個(gè)數(shù)ds。例如，假定有25個(gè)外部邊界點(diǎn)(Ns = 25)，則有25個(gè)角度差值，假設(shè)該25個(gè)角度差值分布在19個(gè)角度區(qū)間段中，·則所述外部邊界點(diǎn)梯度的方向度量值ds = 19。統(tǒng)計(jì)物體外部邊界點(diǎn)相鄰梯度方向差值可以衡量物體的外部不規(guī)則性。通過上述處理所得到的物體外部邊界特征參數(shù)可以包括Ns、msm和ds，這些參數(shù)將進(jìn)入此后的用來建立能量模型的處理過程?？梢栽谏鲜龅奶崛∥矬w外部邊界特征參數(shù)的過程之前或之后，或者與之同時(shí)，提取物體內(nèi)部邊界特征參數(shù)。關(guān)于物體內(nèi)部邊界特征參數(shù)，可以通過確定感興趣區(qū)域中物體邊界，提取其中的物體內(nèi)部邊界，根據(jù)物體內(nèi)部邊界總長度確定內(nèi)部邊界點(diǎn)數(shù)目，在物體內(nèi)部邊界上等距離設(shè)置內(nèi)部邊界點(diǎn)數(shù)目的內(nèi)部邊界點(diǎn)，確定內(nèi)部邊界點(diǎn)梯度的大小度量值和方向度量值，將內(nèi)部邊界點(diǎn)梯度的大小度量值和方向度量值及內(nèi)部邊界點(diǎn)數(shù)目作為物體內(nèi)部邊界特征參數(shù)。特征確定步驟S200將要處理以獲取其中物體內(nèi)部邊界特征參數(shù)的圖像可以仍然例如如圖4所示，然而，在此應(yīng)當(dāng)理解，無論是否經(jīng)過上述排除步驟的處理，此時(shí)已經(jīng)知道圖4中的感興趣區(qū)域的位置等等的信息。圖7示出對(duì)圖4所示的圖像提取物體內(nèi)部邊界特征參數(shù)的示意圖。為了清晰地表示所提取的物體內(nèi)部邊界，圖7采用ニ值化圖的形式。本領(lǐng)域技術(shù)人員通過以下說明可以理解，本發(fā)明實(shí)施例的特征確定步驟S200也可以針對(duì)圖2所示圖像提取其內(nèi)部邊界，也可以針對(duì)圖4所示圖像提取其外部邊界。采用不同的圖像說明特征確定步驟S200以體現(xiàn)本發(fā)明實(shí)施例的普遍適用性。 提取感興趣區(qū)域中每個(gè)物體的內(nèi)部紋理特征,例如,可以通過邊界檢測方法,例如Sobel或者Canny邊界檢測，提取感興趣區(qū)域中每個(gè)物體的邊界，并由此提取其中每個(gè)物體的內(nèi)部邊界。實(shí)際上，關(guān)于提取物體外部邊界特征參數(shù)及提取物體內(nèi)部邊界特征參數(shù)，可以利用一次邊界檢測的結(jié)果，每個(gè)物體最外側(cè)邊界為外部邊界，外部邊界之內(nèi)的為內(nèi)部邊界。然后，針對(duì)各個(gè)物體，將該物體內(nèi)部所有邊界想象成ー個(gè)整體,將ー個(gè)物體內(nèi)部的邊界例如按照由上到下、由左到右的順序全部連接起來，通過提取該擬制的整體內(nèi)部邊界的特征，來衡量該物體內(nèi)部紋理的特性。在圖7中，示出了各個(gè)物體的所提取的邊界，包括外部邊界和內(nèi)部邊界,示意性地標(biāo)注了其中某個(gè)物體的所連接而成的整體內(nèi)部邊界Li，用以說明本發(fā)明實(shí)施例的特征確定步驟S200的實(shí)施。本領(lǐng)域技術(shù)人員可以理解，圖4中其它物體的內(nèi)部邊界也能夠并已經(jīng)提取出。為了簡潔，在圖7中，上述其它物體的內(nèi)部邊界未賦予標(biāo)號(hào)，然而本領(lǐng)域技術(shù)人員可以理解，可以以與下述針對(duì)內(nèi)部邊界Li的處理相同方式的處理來處理其它的內(nèi)部邊界。下面，以內(nèi)部邊界Li為例說明其內(nèi)部紋理特征的提取。內(nèi)部邊界Li的長度length可以通過成熟手段獲得，可以根據(jù)對(duì)大量正樣本圖像進(jìn)行分析所獲得的經(jīng)驗(yàn)函數(shù)Nb = f (length)來確定與該長度相適應(yīng)的內(nèi)部邊界點(diǎn)數(shù)目Nb。也就是，Nb的值可以根據(jù)待檢測的特定物體的內(nèi)部邊界長度來決定，并且其中，可以以任意規(guī)則，例如最高、最低、最左、或最右，來起始地確定第一個(gè)外部邊界點(diǎn)的位置，其余點(diǎn)或者順時(shí)針、或者也可以逆時(shí)針地依次布置。合適的Nb值使得能夠盡可能多地提取到物體內(nèi)部的關(guān)鍵特征。然后，在內(nèi)部邊界Li上依次等距離地布置該Nb個(gè)內(nèi)部邊界點(diǎn)，在圖7中，示出了內(nèi)部邊界Li上的內(nèi)部邊界點(diǎn)，其中，為了說明的目的，示意性地標(biāo)出了 4個(gè)內(nèi)部邊界點(diǎn)Pil、Pi2、Pi3、Pi4，為了簡潔，該物體的其它內(nèi)部邊界點(diǎn)未賦予標(biāo)號(hào)，然而，本領(lǐng)域技術(shù)人員可以理解，能夠以與下述針對(duì)內(nèi)部邊界點(diǎn)Pil、Pi2、Pi3、Pi4的處理相同方式的處理來處理其它的內(nèi)部邊界點(diǎn)。然后，可以通過成熟手段計(jì)算每ー個(gè)內(nèi)部邊界點(diǎn)的梯度，梯度為矢量，梯度值包括梯度大小值和梯度方向值。圖7中內(nèi)部邊界點(diǎn)Pil、Pi2、Pi3、Pi4處的箭頭表示該點(diǎn)處梯度的方向。計(jì)算內(nèi)部邊界點(diǎn)梯度的大小的平均值，作為所述內(nèi)部邊界點(diǎn)梯度的大小度量值。也就是，計(jì)算所有Nb個(gè)內(nèi)部邊界點(diǎn)的梯度大小的平均值mbm，作為所述內(nèi)部邊界點(diǎn)梯度的大小度量值，該梯度的大小度量值mbm可以用來衡量物體內(nèi)部邊界的漸變程度?？梢栽谟?jì)算外部邊界點(diǎn)梯度的大小的平均值之前或之后，或與此同時(shí)，計(jì)算內(nèi)部邊界點(diǎn)梯度的相鄰點(diǎn)角度差的分布，作為所述內(nèi)部邊界點(diǎn)梯度的方向度量值。其中，可以將360度的角度范圍等分為預(yù)定數(shù)目的角度區(qū)間，將相鄰點(diǎn)角度差分布到所述角度區(qū)間，把分布有所述相鄰點(diǎn)角度差的所述角度區(qū)間的數(shù)目作為方向度量值。例如，將物體的所有相鄰兩個(gè)內(nèi)部邊界點(diǎn)的梯度方向角度值做差，以圖7為例，假定按從左上到右下的順序(顯然也可以沿其它方向)對(duì)內(nèi)部邊界點(diǎn)Pil、Pi2、Pi3、Pi4處的梯度方向角度值依次做差，即Pil點(diǎn)的梯度方向的角度_Pi2點(diǎn)的梯度方向的角度、Pi2點(diǎn)的梯度方向的角度-Pi3點(diǎn)的梯度方向的角度、Pi3點(diǎn)的梯度方向的角度-Pi4點(diǎn)的梯度方向的角度，如此依次計(jì)算，直至完成Li上的全部Nb個(gè)內(nèi)部邊界點(diǎn)的相鄰點(diǎn)角度差的計(jì)算，最后點(diǎn)的梯度方向的角度-起始點(diǎn)的梯度方向的角度，從而循環(huán)一周。然后，將差值歸到預(yù)設(shè)的角度差值區(qū)間段中。每個(gè)區(qū)間段覆蓋10度，共有36個(gè)區(qū)間段，統(tǒng)計(jì)這些角度差值的分布情況，并統(tǒng)計(jì)出這些角度差值所分布的區(qū)間段個(gè)數(shù)db。例如，假定有25個(gè)內(nèi)部邊界點(diǎn)(Nb = 25)，則有25個(gè)角度差值，假設(shè)該25個(gè)角度差值分布在4個(gè)角度區(qū)間段中，則所述內(nèi)部邊界點(diǎn)梯度的方向度量值db = 4。統(tǒng)計(jì)物體內(nèi)部邊界點(diǎn)相鄰梯度方向差值可以衡量物體的內(nèi)部紋理的不規(guī)則性。通過上述處理所得到的物體內(nèi)部邊界特征參數(shù)可以包括Nb、mbm和db,這些參數(shù)將進(jìn)入此后的用來建立能量模型的處理過程。然后，在物體能量確定步驟S300，利用之前處理過程中所確定的某個(gè)物體的關(guān)鍵特征，即其外部邊界梯度特征的參數(shù)、及其內(nèi)部邊界紋理特征的參數(shù)，來建立能量模型。本領(lǐng)域技術(shù)人員可以理解，盡管在上述說明中，針對(duì)不同圖像分別介紹如何確定物體的外部邊界梯度特征的參數(shù)及內(nèi)部邊界紋理特征的參數(shù)，然而，在建立能量模型的過程中，必然根據(jù)同一物體的外部邊界特征參數(shù)和內(nèi)部邊界特征參數(shù)建立該物體的能量模型。具體地，在所述物體能量確定步驟S300中，可以基于物體外部邊界特征參數(shù)確定物體外部邊界能量,基于物體內(nèi)部邊界特征參數(shù)確定物體內(nèi)部邊界能量,將物體外部邊界能量和物體內(nèi)部邊界能量按預(yù)定權(quán)重相加，獲得該物體的能量。具體地，針對(duì)某ー個(gè)物體，可以通過以下公式(I)建立其能量模型Eobject = Esurface+k Ebody(I)其中是該物體的總能量，Esurface是物體的外部邊界能量，Ebody是物體的內(nèi)部邊界能量；k是外部與內(nèi)部能量之間的權(quán)重參數(shù)，可以是通過機(jī)器學(xué)習(xí)的方法利用大量的樣本訓(xùn)練而獲得的優(yōu)化值。在作為要檢測的目標(biāo)的特定物體為云的情況下，Eobject可以表示為Ed()Ud。并且在此情況下，k是通過大量關(guān)于云的樣本圖像進(jìn)行訓(xùn)練而得的結(jié)果。在作為要檢測的目標(biāo)的特定物體為其它特定物體的情況下，則通過大量關(guān)于該其它特定物體的樣本圖像進(jìn)行訓(xùn)練而獲得k值。

具體地，可以根據(jù)所述外部邊界點(diǎn)梯度的方向度量值與外部邊界點(diǎn)數(shù)目的比值及所述外部邊界點(diǎn)梯度的大小度量值，確定所述物體外部邊界能量。例如，物體外部邊界能量E—可以通過以下公式⑵計(jì)算得到Esurface = ads/Ns+a-fflSffl(2)其中，Ns為該物體外部邊界點(diǎn)個(gè)數(shù)，msm為該Ns個(gè)外部邊界點(diǎn)梯度的大小度量值，ds為該Ns個(gè)外部邊界點(diǎn)梯度的方向度量值，a可以為大于I的任意值，例如，a可以為數(shù)學(xué)常數(shù)e，也可以是1. 5、2、100等等的其它恒量值。具體地，可以根據(jù)所述內(nèi)部邊界點(diǎn)梯度的方向度量值與內(nèi)部邊界點(diǎn)數(shù)目的比值及所述內(nèi)部邊界點(diǎn)梯度的大小度量值，確定所述物體內(nèi)部邊界能量。例如，物體外部邊界能量Ebtjdy可以通過以下公式(3)計(jì)算得到Ebody = adb/Nb+a_mbm(3)其中，Nb為該物體內(nèi)部邊界點(diǎn)個(gè)數(shù)，mbm為該Nb個(gè)內(nèi)部邊界點(diǎn)梯度的大小度量值，db為該Nb個(gè)內(nèi)部邊界點(diǎn)梯度的方向度量值，a的含義其取值與上述公式(2)中相同。從而，可以通過以下公式⑷來計(jì)算該物體的總能量Etjw6rttjEobject = ads/Ns+a-msm+k (adb/Nb+a^mbm)(4)其中各量含義與前文中的描述相同。通過公式(4)可以發(fā)現(xiàn)，當(dāng)被檢測的該物體具有模糊、緩慢漸變、而且不規(guī)則的外部邊界，同時(shí)具有模糊平坦而且不規(guī)則的內(nèi)部紋理或者僅有少量內(nèi)部紋理時(shí)，該被檢測物體的總能量值會(huì)趨向于變大。而在其它ー些情況下，例如當(dāng)被檢測物體具有清晰或者規(guī)則的外部邊界，同時(shí)具有清晰或者規(guī)則的內(nèi)部紋理時(shí)，該被檢測物體的總能量值會(huì)趨向于變小。以云為例，云的外部是模糊不規(guī)則的，內(nèi)部紋理是模糊不規(guī)則的或者內(nèi)部紋理是少量的，因此，當(dāng)被檢測物體是云的時(shí)候，會(huì)生成一個(gè)較高的總能量值。因此，公式(4)所建立的能量模型可以衡量物體外部特征，例如外部邊界的漸變程度和邊界不規(guī)則性，并同時(shí)衡量物體內(nèi)部特征，例如紋理的清晰度和分布情況。在物體能量確定步驟S300計(jì)算得到被檢測物體的總能量之后，通過特定物體判別步驟S400判別該物體是否為作為目標(biāo)的特定物體。其中，可以根據(jù)機(jī)器學(xué)習(xí)的方法，通過訓(xùn)練大量的關(guān)于該特定物體的樣本，并根據(jù)與上文描述具有相同參數(shù)設(shè)置的上述公式，例如與上述檢測過程相同的a值、k值等等，建立其能量模型，根據(jù)樣本的能量值獲得相應(yīng)的優(yōu)化值，作為用來判定該特定物體的預(yù)定閾值。如果該被檢測的物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體；顯然也可以是如果該被檢測的物體的能量大于該預(yù)定閾值，則將該物體判別為所述特定物體；否則，將該物體判別為不是所述特定物體。檢測全部感興趣區(qū)域中物體之后，獲得最終處理結(jié)果。至此，可以以本領(lǐng)域任意的成熟手段來在圖像中標(biāo)識(shí)出判別為目標(biāo)特定物體的物體，并以本領(lǐng)域任意的成熟手段輸出。本發(fā)明還可以實(shí)施為ー種檢測圖像中特定物體的設(shè)備，可以用來實(shí)施前述檢測圖像中特定物體的方法。圖8示出按照本發(fā)明實(shí)施例的檢測圖像中特定物體的設(shè)備的總體框圖。如圖8所示，該檢測圖像中特定物體的設(shè)備包括感興趣區(qū)域估計(jì)裝置100，可以用來實(shí)施前述感興趣區(qū)域估計(jì)步驟S100，以在輸入的待處理圖像中，估計(jì)包含所述特定物體的區(qū)域，作為感興趣區(qū)域；特征確定裝置200，可以用來實(shí)施前述特征確定步驟S200，以確定所述感興趣區(qū)域中物體的特征參數(shù)；物體能量確定裝置300，可以用來實(shí)施前述物體能量確定步驟S300，以根據(jù)物體的特征參數(shù)確定物體的能量；特定物體判別裝置400，可以用來實(shí)施前述特定物體判別步驟S400，以將所確定的物體的能量與預(yù)定閾值相比較，如果該物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體。其中，所述特征確定裝置200所確定的所述特征參數(shù)可以包括物體外部邊界特征參數(shù)和物體內(nèi)部邊界特征參數(shù)。其中，所述物體能量確定裝置300可以基于物體外部邊界特征參數(shù)確定物體外部邊界能量，基于物體內(nèi)部邊界特征參數(shù)確定物體內(nèi)部邊界能量，將物體外部邊界能量和物體內(nèi)部邊界能量按預(yù)定權(quán)重相加，獲得該物體的能量。其中，所述感興趣區(qū)域估計(jì)裝置100可以將所述待處理圖像劃分為多個(gè)區(qū)域，獲取各個(gè)區(qū)域的色彩特征，利用線性分類器分別判斷各個(gè)區(qū)域是否符合所述特定物體的色彩特征，將符合所述特定物體的色彩特征的區(qū)域組合得到所述感興趣區(qū)域。按照本發(fā)明實(shí)施例的檢測圖像中特定物體的設(shè)備還可以包括排除裝置，可以用來實(shí)施前述排除步驟，以根據(jù)感興趣區(qū)域在所述待處理圖像中的位置，排除不符合所述特定物體的位置特征的感興趣區(qū)域。在按照本發(fā)明實(shí)施例的檢測圖像中特定物體的設(shè)備中，可以通過確定感興趣區(qū)域中物體邊界，提取其中的物體外部邊界，根據(jù)該物體所占面積確定外部邊界點(diǎn)數(shù)目，在物體外部邊界上等距離設(shè)置外部邊界點(diǎn)數(shù)目的外部邊界點(diǎn)，確定外部邊界點(diǎn)梯度的大小度量值和方向度量值，將外部邊界點(diǎn)梯度的大小度量值和方向度量值及外部邊界點(diǎn)數(shù)目作為物體外部邊界特征參數(shù)。在按照本發(fā)明實(shí)施例的檢測圖像中特定物體的設(shè)備中，可以通過確定感興趣區(qū)域中物體邊界,提取其中的物體內(nèi)部邊界,根據(jù)物體內(nèi)部邊界總長度確定內(nèi)部邊界點(diǎn)數(shù)目，在物體內(nèi)部邊界上等距離設(shè)置內(nèi)部邊界點(diǎn)數(shù)目的內(nèi)部邊界點(diǎn)，確定內(nèi)部邊界點(diǎn)梯度的大小度量值和方向度量值，將內(nèi)部邊界點(diǎn)梯度的大小度量值和方向度量值及內(nèi)部邊界點(diǎn)數(shù)目作為物體內(nèi)部邊界特征參數(shù)。在按照本發(fā)明實(shí)施例的檢測圖像中特定物體的設(shè)備中，可以計(jì)算外部邊界點(diǎn)梯度的大小的平均值，作為所述外部邊界點(diǎn)梯度的大小度量值；計(jì)算外部邊界點(diǎn)梯度的相鄰點(diǎn)角度差的分布，作為所述外部邊界點(diǎn)梯度的方向度量值；根據(jù)所述外部邊界點(diǎn)梯度的方向度量值與外部邊界點(diǎn)數(shù)目的比值及所述外部邊界點(diǎn)梯度的大小度量值，確定所述物體外部邊界能量。在按照本發(fā)明實(shí)施例的檢測圖像中特定物體的設(shè)備中，可以計(jì)算內(nèi)部邊界點(diǎn)梯度的大小的平均值，作為所述內(nèi)部邊界點(diǎn)梯度的大小度量值；計(jì)算內(nèi)部邊界點(diǎn)梯度的相鄰點(diǎn)角度差的分布，作為所述內(nèi)部邊界點(diǎn)梯度的方向度量值；根據(jù)所述內(nèi)部邊界點(diǎn)梯度的方向度量值與內(nèi)部邊界點(diǎn)數(shù)目的比值及所述內(nèi)部邊界點(diǎn)梯度的大小度量值，確定所述物體內(nèi)部邊界能量。在按照本發(fā)明實(shí)施例的檢測圖像中特定物體的設(shè)備中，可以將360度的角度范圍等分為預(yù)定數(shù)目的角度區(qū)間，將相鄰點(diǎn)角度差分布到所述角度區(qū)間，把分布有所述相鄰點(diǎn)角度差的所述角度區(qū)間的數(shù)目作為方向度量值。本發(fā)明還可以通過一種檢測圖像中特定物體的系統(tǒng)來實(shí)施。圖9是示出按照本發(fā)明實(shí)施例的檢測圖像中特定物體的系統(tǒng)1000的總體框圖，如圖9所示，檢測圖像中特定物體的系統(tǒng)1000可以包括輸入設(shè)備1100，用于從外部輸入將要檢測處理的圖像，例如可以包括鍵盤、鼠標(biāo)器、掃描儀、以及通信網(wǎng)絡(luò)及其所連接的遠(yuǎn)程輸入設(shè)備等等；處理設(shè)備1200，用于實(shí)施上述的按照本發(fā)明實(shí)施例的檢測圖像中特定物體的方法，或者實(shí)施為上述的按照本發(fā)明實(shí)施例的檢測圖像中特定物體的設(shè)備，例如可以包括計(jì)算機(jī)的中央處理器或其它的具有處理能力的芯片如DSP等等；輸出設(shè)備1300，用于向外部輸出實(shí)施上述特定物體檢測過程所得的結(jié)果，例如可以包括顯示器、打印機(jī)、以及通信網(wǎng)絡(luò)及其所連接的遠(yuǎn)程輸出設(shè)備等等；以及存儲(chǔ)設(shè)備1400，用于以易失或非易失的方式存儲(chǔ)上述特定物體檢測處理過程所涉及的圖像、所得的結(jié)果、命令、中間數(shù)據(jù)等等，例如可以包括隨機(jī)存取存儲(chǔ)器(RAM)、只讀存儲(chǔ)器(ROM)、硬盤、或半導(dǎo)體存儲(chǔ)器等等的各種易失或非易失性存儲(chǔ)器。本說明書上文中提到的物體的外部邊界梯度特征和內(nèi)部紋理特征(例如內(nèi)部邊界梯度特征)只是應(yīng)用于物體檢測領(lǐng)域的多種特征中的兩種重要特征，本發(fā)明的實(shí)施不限于此，許多其它的特征也可以用來建立能量模型。能量模型中的內(nèi)部和外部能量是兩個(gè)子能量，然而，也可以建立具有三個(gè)或者更多關(guān)鍵特征的物體檢測的能量模型，將該能量模型擴(kuò)展到含有三個(gè)或者更多個(gè)子能量，在此情況下，在公式(I)中添加相應(yīng)的能量元素。本發(fā)明實(shí)施例的檢測圖像中特定物體的方法及檢測圖像中特定物體的設(shè)備可以以云為特定物體，可以對(duì)白云、烏云、朝霞晚霞等等進(jìn)行相關(guān)的云檢測，顯然還可以應(yīng)用于檢測具有模糊且不規(guī)則輪廓和模糊內(nèi)部紋理特征的ー類物體。例如,本發(fā)明實(shí)施例的檢測圖像中特定物體的方法及檢測圖像中特定物體的設(shè)備可以以云檢測相同的配置來應(yīng)用于諸如ー些毛絨玩具的檢測。本領(lǐng)域技術(shù)人員可以認(rèn)識(shí)到，對(duì)于任意的特定物體，可以應(yīng)用本發(fā)明實(shí)施例的檢測圖像中特定物體的方法及檢測圖像中特定物體的設(shè)備?；谠撎囟ㄎ矬w的樣本圖像進(jìn)行訓(xùn)練，通過建立與該特定物體相應(yīng)的能量模型并確定相應(yīng)的預(yù)定閾值，可以實(shí)現(xiàn)圖像中該特定物體的檢測。因此，本發(fā)明實(shí)施例可以應(yīng)用于一般的物體檢測。通過按照本發(fā)明實(shí)施例的基于能量模型的檢測圖像中特定物體的方法和檢測圖像中特定物體的設(shè)備，能夠?qū)崿F(xiàn)減少誤檢率，去除利用現(xiàn)有技術(shù)手段會(huì)誤檢的其它物體。本發(fā)明實(shí)施例所采用的能量模型通過將多個(gè)關(guān)鍵特征結(jié)合在一起，將它們分配以不同的權(quán)重，通過一定的數(shù)學(xué)運(yùn)算建立到能量模型中，從而能夠利用所生成的能量值來表征具有特定物體的特征性的數(shù)值。通過這樣的能量模型，本發(fā)明實(shí)施例所實(shí)現(xiàn)的識(shí)別手段能夠有效地結(jié)合關(guān)鍵特征并且獲得更好的識(shí)別準(zhǔn)確率。與前述專利文件I相比，本發(fā)明實(shí)施例的檢測圖像中特定物體的方法和檢測圖像中特定物體的設(shè)備通過提取圖像自身特征，例如外部邊界梯度特征和內(nèi)部紋理特征，來建立能量模型，從而有效檢測圖像中的云，具有更加廣泛的應(yīng)用范圍，而不僅僅是衛(wèi)星云圖。與前述非專利文件I相比，本發(fā)明實(shí)施例的檢測圖像中特定物體的方法和檢測圖像中特定物體的設(shè)備除初步檢測和特征校驗(yàn)之外，兩個(gè)或者多個(gè)關(guān)鍵特征(例如外部邊界梯度和內(nèi)部紋理特征)可以建立到能量模型中，配以權(quán)重來實(shí)現(xiàn)有機(jī)結(jié)合，從而獲得更好的特征區(qū)分性，并以簡化的算法降低處理負(fù)擔(dān)。本發(fā)明實(shí)施例的基于能量模型的檢測圖像中特定物體的方法和檢測圖像中特定物體的設(shè)備通過提出能量模型，優(yōu)化組合兩個(gè)或者多個(gè)物體的關(guān)鍵特征，分別針對(duì)特征建立內(nèi)部和外部能量，然后通過權(quán)重參數(shù)k優(yōu)化組合兩種特征，以達(dá)到最優(yōu)分類效果。本發(fā)明實(shí)施例的基于能量模型的檢測圖像中特定物體的方法和檢測圖像中特定物體的設(shè)備提出優(yōu)化檢測結(jié)構(gòu)首先進(jìn)行基于單ー特征的初步檢測，然后對(duì)重要的輔助特征進(jìn)行特征校驗(yàn)，然后建立能量模型進(jìn)行特定目標(biāo)物體的最終檢測，從而實(shí)現(xiàn)優(yōu)化檢測效率和性能。在檢測的特定目標(biāo)物體為云的情況下，本發(fā)明實(shí)施例的基于能量模型的檢測圖像中特定物體的方法和檢測圖像中特定物體的設(shè)備采用云的外部邊界梯度特性和內(nèi)部紋理特性作為重要特征，來進(jìn)行云的檢測。此外，本發(fā)明實(shí)施例的基于能量模型的檢測圖像中特定物體的方法和檢測圖像中特定物體的設(shè)備提出近鄰方向差值統(tǒng)計(jì)方法，以衡量邊界或者紋理的不規(guī)則性。顯然，以上例示的具體公式、參數(shù)、硬件、數(shù)值均為示例，本領(lǐng)域技術(shù)人員可以在本發(fā)明的精神的范圍內(nèi)，根據(jù)本說明書的教導(dǎo)來得到其他替代公式、參數(shù)、硬件、數(shù)值來實(shí)現(xiàn)本發(fā)明。以上通過圖像識(shí)別模型中的云檢測模型作為例子來詳細(xì)描述了本發(fā)明的實(shí)施例的具體細(xì)節(jié)，但是，本領(lǐng)域技術(shù)人員可以理解，本發(fā)明可應(yīng)用的識(shí)別模型不限于此，而是可以應(yīng)用于云檢測模型以外的其他模型的檢測及識(shí)別。在說明書中說明的一系列操作能夠通過硬件、軟件、或者硬件與軟件的組合來執(zhí)行。當(dāng)由軟件執(zhí)行該一系列操作時(shí)，可以把其中的計(jì)算機(jī)程序安裝到內(nèi)置于專用硬件的計(jì)算機(jī)中的存儲(chǔ)器中，使得計(jì)算機(jī)執(zhí)行該計(jì)算機(jī)程序?；蛘?，可以把計(jì)算機(jī)程序安裝到能夠執(zhí)行各種類型的處理的通用計(jì)算機(jī)中，使得計(jì)算機(jī)執(zhí)行該計(jì)算機(jī)程序。例如，可以把計(jì)算機(jī)程序預(yù)先存儲(chǔ)到作為記錄介質(zhì)的硬盤或者R0M(只讀存儲(chǔ)器)中。或者，可以臨時(shí)或者永久地存儲(chǔ)(記錄)計(jì)算機(jī)程序到可移動(dòng)記錄介質(zhì)中，諸如軟盤、⑶-ROM (光盤只讀存儲(chǔ)器)、MO (磁光)盤、DVD (數(shù)字多功能盤)、磁盤、或半導(dǎo)體存儲(chǔ)器?？梢园堰@樣的可移動(dòng)記錄介質(zhì)作為封裝軟件提供。本發(fā)明已經(jīng)參考具體實(shí)施例進(jìn)行了詳細(xì)說明。然而，很明顯，在不背離本發(fā)明的精神的情況下，本領(lǐng)域技術(shù)人員能夠?qū)?shí)施例執(zhí)行更改和替換。換句話說，本發(fā)明用說明的形式公開，而不是被限制地解釋。要判斷本發(fā)明的要_，應(yīng)該考慮所附的權(quán)利要求。
權(quán)利要求
1.一種檢測圖像中特定物體的方法，包括 感興趣區(qū)域估計(jì)步驟，在輸入的待處理圖像中，估計(jì)包含所述特定物體的區(qū)域，作為感興趣區(qū)域； 特征確定步驟，確定所述感興趣區(qū)域中物體的特征參數(shù)； 物體能量確定步驟，根據(jù)物體的特征參數(shù)確定物體的能量； 特定物體判別步驟，將所確定的物體的能量與預(yù)定閾值相比較，如果該物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體。
2.按照權(quán)利要求1所述的檢測圖像中特定物體的方法，其中， 在所述特征確定步驟中，所述特征參數(shù)包括物體外部邊界特征參數(shù)和物體內(nèi)部邊界特征參數(shù)；以及 在所述物體能量確定步驟中，基于物體外部邊界特征參數(shù)確定物體外部邊界能量，基于物體內(nèi)部邊界特征參數(shù)確定物體內(nèi)部邊界能量，將物體外部邊界能量和物體內(nèi)部邊界能量按預(yù)定權(quán)重相加，獲得該物體的能量。
3.按照權(quán)利要求1所述的檢測圖像中特定物體的方法，其中， 在所述感興趣區(qū)域估計(jì)步驟中，將所述待處理圖像劃分為多個(gè)區(qū)域，獲取各個(gè)區(qū)域的色彩特征，利用線性分類器分別判斷各個(gè)區(qū)域是否符合所述特定物體的色彩特征，將符合所述特定物體的色彩特征的區(qū)域組合得到所述感興趣區(qū)域。
4.按照權(quán)利要求1所述的檢測圖像中特定物體的方法，還包括 排除步驟，根據(jù)感興趣區(qū)域在所述待處理圖像中的位置，排除不符合所述特定物體的位置特征的感興趣區(qū)域。
5.按照權(quán)利要求2所述的檢測圖像中特定物體的方法，其中，通過確定感興趣區(qū)域中物體邊界，提取其中的物體外部邊界，根據(jù)該物體所占面積確定外部邊界點(diǎn)數(shù)目，在物體外部邊界上等距離設(shè)置外部邊界點(diǎn)數(shù)目的外部邊界點(diǎn)，確定外部邊界點(diǎn)梯度的大小度量值和方向度量值，將外部邊界點(diǎn)梯度的大小度量值和方向度量值及外部邊界點(diǎn)數(shù)目作為物體外部邊界特征參數(shù)。
6.按照權(quán)利要求2所述的檢測圖像中特定物體的方法，其中，通過確定感興趣區(qū)域中物體邊界,提取其中的物體內(nèi)部邊界,根據(jù)物體內(nèi)部邊界總長度確定內(nèi)部邊界點(diǎn)數(shù)目，在物體內(nèi)部邊界上等距離設(shè)置內(nèi)部邊界點(diǎn)數(shù)目的內(nèi)部邊界點(diǎn)，確定內(nèi)部邊界點(diǎn)梯度的大小度量值和方向度量值，將內(nèi)部邊界點(diǎn)梯度的大小度量值和方向度量值及內(nèi)部邊界點(diǎn)數(shù)目作為物體內(nèi)部邊界特征參數(shù)。
7.按照權(quán)利要求5所述的檢測圖像中特定物體的方法，其中， 計(jì)算外部邊界點(diǎn)梯度的大小的平均值，作為所述外部邊界點(diǎn)梯度的大小度量值；計(jì)算外部邊界點(diǎn)梯度的相鄰點(diǎn)角度差的分布，作為所述外部邊界點(diǎn)梯度的方向度量值；根據(jù)所述外部邊界點(diǎn)梯度的方向度量值與外部邊界點(diǎn)數(shù)目的比值及所述外部邊界點(diǎn)梯度的大小度量值，確定所述物體外部邊界能量。
8.按照權(quán)利要求6所述的檢測圖像中特定物體的方法，其中， 計(jì)算內(nèi)部邊界點(diǎn)梯度的大小的平均值，作為所述內(nèi)部邊界點(diǎn)梯度的大小度量值；計(jì)算內(nèi)部邊界點(diǎn)梯度的相鄰點(diǎn)角度差的分布，作為所述內(nèi)部邊界點(diǎn)梯度的方向度量值；根據(jù)所述內(nèi)部邊界點(diǎn)梯度的方向度量值與內(nèi)部邊界點(diǎn)數(shù)目的比值及所述內(nèi)部邊界點(diǎn)梯度的大小度量值，確定所述物體內(nèi)部邊界能量。
9.按照權(quán)利要求7或8所述的檢測圖像中特定物體的方法，其中， 將360度的角度范圍等分為預(yù)定數(shù)目的角度區(qū)間，將相鄰點(diǎn)角度差分布到所述角度區(qū)間，把分布有所述相鄰點(diǎn)角度差的所述角度區(qū)間的數(shù)目作為方向度量值。
10.一種檢測圖像中特定物體的設(shè)備，包括 感興趣區(qū)域估計(jì)裝置，在輸入的待處理圖像中，估計(jì)包含所述特定物體的區(qū)域，作為感興趣區(qū)域； 特征確定裝置，確定所述感興趣區(qū)域中物體的特征參數(shù)； 物體能量確定裝置，根據(jù)物體的特征參數(shù)確定物體的能量； 特定物體判別裝置，將所確定的物體的能量與預(yù)定閾值相比較，如果該物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體。
全文摘要
本發(fā)明提供一種檢測圖像中特定物體的方法，包括感興趣區(qū)域估計(jì)步驟，在輸入的待處理圖像中，估計(jì)包含所述特定物體的區(qū)域，作為感興趣區(qū)域；特征確定步驟，確定所述感興趣區(qū)域中物體的特征參數(shù)；物體能量確定步驟，根據(jù)物體的特征參數(shù)確定物體的能量；特定物體判別步驟，將所確定的物體的能量與預(yù)定閾值相比較，如果該物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體。本發(fā)明還相應(yīng)地提供一種檢測圖像中特定物體的設(shè)備。
文檔編號(hào)G06K9/00GK103049735SQ20111031076
公開日2013年4月17日 申請(qǐng)日期2011年10月14日 優(yōu)先權(quán)日2011年10月14日
發(fā)明者劉殿超, 師忠超, 鐘誠, 劉童, 王剛 申請(qǐng)人:株式會(huì)社理光