專利名稱：一種快速Haar小波特征對象檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像檢測技術(shù)，特別是涉及一種適用于在計算機視覺與人機交互中使用Haar小波特征優(yōu)化對物體檢測的應(yīng)用技術(shù)。
背景技術(shù)：
小波變換(Wavelet transform)中Haar特征使用最為廣泛,在當(dāng)前的計算機視覺應(yīng)用中，haar特征計算速度快，但檢測耗時等方面卻不盡如人意。而且在家電系統(tǒng)等嵌入式平臺受存儲空間資源限制，以及不可能使用類似PC機等CPU資源。所以有必要研究使數(shù)據(jù)處理更加快速的方法，增加處理方法的適應(yīng)性，進而對應(yīng)用方法提出了更高的要求。在計算機視覺行業(yè)內(nèi)，越來越多的數(shù)據(jù)處理方法為提升處理速度應(yīng)運而生。類Haar (Haar-1ike)小波特征進入商業(yè)產(chǎn)品化應(yīng)用的范圍，重點在數(shù)據(jù)處理方法層面上優(yōu)化。通過快速的類Haar小波特征運行物體檢測，應(yīng)用方法可以實現(xiàn)對有限資源的使用，并且得到極快的處理速度，滿足后續(xù)的圖像處理及識別方法等要求。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是提供一種使用Fast-Haar like實現(xiàn)快速對象檢測方法，該方法通過對積分圖像的優(yōu)化處理，加快了數(shù)據(jù)處理速度，實現(xiàn)對待測對象的快速檢測。本發(fā)明或發(fā)明采用的技術(shù)方案如下:
一種快速Haar小波特征對象檢測方法,其特征在于: 步驟一、使用Haar-1ike特征對積分圖像進行優(yōu)化,實現(xiàn)對物體的快速檢測；
步驟二、使用基于PCA降維和人工神經(jīng)網(wǎng)絡(luò)的級聯(lián)分類器進行降維。作為優(yōu)化，每個Haar-1 ike特征的構(gòu)成是由具有不同大小和位置的矩陣方框構(gòu)成，每個矩陣方框包含有圖像信息。作為優(yōu)化，每個矩陣方框劃分為若干個功能塊。作為優(yōu)化，待檢測圖像投射圖像到功能塊。將每個功能塊編碼為左，上，右，下在單位長度的矢量的坐標(biāo)在文本文件中。作為優(yōu)化，對于20X20的矩形由兩個10x20個框表示為: feature2xl_l 2
0.00 0.00 0.50 1.00 I0.50 0.00 1.00 1.00 -1 O作為優(yōu)化，對于20X20的矩形由四個10X10的矩形組成的Haar特征，表示為: feature2x2_l 4
0.00 0.00 0.50 0.50 I0.50 0.00 1.00 0.50 -10.00 0.50 0.50 1.00 -10.50 0.50 1.00 1.00 I。作為優(yōu)化，在積分圖像的劃分上，劃分原則為在保證圖像質(zhì)量的情況下使用最大的塊的劃分方法。作為優(yōu)化，使用不超過100維的矩形特征。與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是:通過對積分圖像的優(yōu)化處理，加快了數(shù)據(jù)處理速度，實現(xiàn)對待測對象的快速檢測，而且為增加準(zhǔn)確性和實用性加入分離器的選取以提聞適應(yīng)性。
具體實施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本說明書中公開的所有特征，除了互相排除的特征以外，均可以以任何方式組合。本說明書(包括任何 附加權(quán)利要求、摘要)中公開的任一特征，除非特別敘述，均可被其他等效或者具有類似目的的替代特征加以替換。即，除非特別敘述，每個特征只是一系列等效或類似特征中的一個例子而已。一種快速Haar小波特征對象檢測方法，其特征在于:
步驟一、使用Haar-1ike特征對積分圖像進行優(yōu)化,實現(xiàn)對物體的快速檢測；
步驟二、使用基于PCA降維和人工神經(jīng)網(wǎng)絡(luò)的級聯(lián)分類器進行降維。每個Haar-1ike特征的構(gòu)成是由具有不同大小和位置的矩陣方框構(gòu)成，每個矩陣方框包含有圖像信息。每個矩陣方框劃分為若干個功能塊。待檢測圖像投射圖像到功能塊。在積分圖像的劃分上，劃分原則為在保證圖像質(zhì)量的情況下使用最大的塊的劃分方法。對圖像處理的第一個步驟是積分圖像，積分圖像用于提取快速Haar-1ike特征。在原始圖像中像素級空間進行提取。每個Haar-1ike特征的構(gòu)成是由具有不同大小和位置的方框矩形構(gòu)成，一個方框矩形包含若干圖像信息。例如:考慮到一些20X20的矩形，矩形是由里面的兩個矩形的大小是10X20或者四個矩形的大小是IOX 10的塊構(gòu)成。這里所說的塊是圖像處理領(lǐng)域的基本單位，是圖像像素級別的最小處理單位，根據(jù)實際清楚進行定義塊的大小，而這些塊就是功能塊。制定這樣一個以上完整的功能集是功能塊的當(dāng)前功能，依次配置所有可能的組合。具有這種特征的20X20的矩形功能的基礎(chǔ)是投射待測圖像到該功能塊，以及這種投射功能構(gòu)成的功能集合，這里和上述提到的積分圖像有很大的關(guān)系，在積分圖像的劃分上面，我們舉例說明:如果2個10 X 20這樣的矩形的大小完全等于4個10 X 10矩形的大小，下面我們對可能存在的這樣的分塊做一些配置，配置的依據(jù)是:存在可能更多使用次數(shù)的矩形樣本，所劃分的塊越大，使用的次數(shù)越少，相應(yīng)的，圖像檢測所需的時間就越短。我們?yōu)榍蟮每焖俚臋z測，就要在保證圖像質(zhì)量的情況下使用更大的塊的劃分方法，即較為廣泛使用的矩形樣本。這樣，在后續(xù)的圖像檢測過程中，也就是在投射的過程中只發(fā)生一個很小的時間量來達到我們的要求。圖像質(zhì)量的保證需結(jié)合實際情況經(jīng)過實驗獲得，然后決定實際所用塊的大小。其次，使用不超過100維的矩形特征檢測方法，使計算的耗時更少，圖像檢測特征更加靈活，通過將已訓(xùn)練的數(shù)據(jù)寫入文件的方式，在選取的過程中，只需確定明確的文件，就可以確定使用具體的維度，即特征數(shù)據(jù)的維度是預(yù)先得出的。獲取和實現(xiàn)不同的低維度的Haar特征方法為:
使用連續(xù)的矩形網(wǎng)格劃分為1X2，2X1，2X2，3X1，1X3 ,3X2，2X3，4X5，5X4方框等，它們被編碼為左，上，右，下在單位長度的矢量的坐標(biāo)在文本文件中。因此，上述提到的20X20的矩形由兩個10x20個框表示為:feature2xl_l 20.00 0.00 0.50 1.00 I0.50 0.00 1.00 1.00 -1
如果是4個IOX 10的矩形組成的Haar特征,表示為:
feature2x2_l 4
0.00 0.00 0.50 0.50 I
0.50 0.00 1.00 0.50 -1
0.00 0.50 0.50 1.00 -1
0.50 0.50 1.00 1.00 I
在實際和后續(xù)的處理過程中，快速Haar特征是量化PCA降維的基礎(chǔ)，而且也有良好的檢測精度，快速Haar特征成為本發(fā)明基本的數(shù)據(jù)結(jié)構(gòu)?；诳焖貶aar特征的人臉檢測部分，在實際的物體或者人臉檢測部分中，快速Haar特征表現(xiàn)出了較高的檢測過程處理特性，尤其表現(xiàn)在檢測的速度方面，處理速度可以達到75-100幀/秒的速度。針對于人臉和非人臉部分的檢測 ，我們可以得到較高的檢測速率。當(dāng)使用快速Haar特征的計算過程中，對此提出的優(yōu)化后空間矩形的求和方法，使積分圖像處理方法在處理速度上得到提升。使用不超過100維的矩形特征。對于數(shù)量過大的特征，接近天文數(shù)字般巨量矩形特征使得處理速度變慢，這里使用一個不超過100維矩形特征作為特征臉模型送入PCA降維空間實現(xiàn)最終的快速檢測效
果O使用快速Haar特征的級聯(lián)分類器
為了加快檢測的速度，使用神經(jīng)網(wǎng)絡(luò)的級聯(lián)分類器。也可以訓(xùn)練并添加如SVM，KNN等現(xiàn)有的分類器類庫，每個分類器至少包含一個非線形的分離邊界，實際的分類效果用以指明在交叉驗證過程中的分類性能，使用具有優(yōu)化的神經(jīng)網(wǎng)絡(luò)的分類器的代碼，可以產(chǎn)生更好的分類精度，在一個較小規(guī)模得到較好的分類效果。在測試中使用9個分類器最后處理所有的功能，并提供最佳的分類效果。為增加準(zhǔn)確性和實用性，第一個分類器只使用3個快速Haar特征描述，依次遞增至最高的100維特征。如果它產(chǎn)生一個負(fù)的分類結(jié)果，結(jié)果被認(rèn)為是非檢測對象，那么使用下一個分類器。
權(quán)利要求
1.一種快速Haar小波特征對象檢測方法,其特征在于: 步驟一、使用Haar-1ike特征對積分圖像進行優(yōu)化,實現(xiàn)對物體的快速檢測； 步驟二、使用基于PCA降維和人工神經(jīng)網(wǎng)絡(luò)的級聯(lián)分類器進行降維。
2.根據(jù)權(quán)利要求1所述的一種快速Haar小波特征對象檢測方法，其特征在于: 每個Haar-1ike特征的構(gòu)成是由具有不同大小和位置的矩陣方框構(gòu)成，每個矩陣方框包含有圖像信息。
3.根據(jù)權(quán)利要求2所述的一種快速Haar小波特征對象檢測方法，其特征在于: 每個矩陣方框劃分為若干個功能塊。
4.根據(jù)權(quán)利要求3所述的一種快速Haar小波特征對象檢測方法，其特征在于: 待檢測圖像投射圖像到功能塊。
5.根據(jù)權(quán)利要求4所述的一種快速Haar小波特征對象檢測方法，其特征在于: 將每個功能塊編碼為左，上，右，下在單位長度的矢量的坐標(biāo)在文本文件中。
6.根據(jù)權(quán)利要求5所述的一種快速Haar小波特征對象檢測方法，其特征在于: 對于20X20的矩形由兩個10x2 0個框表示為: feature2xl_l 20.00 0.00 0.50 1.00 I0.50 0.00 1.00 1.00 -1 O
7.根據(jù)權(quán)利要求5所述的一種快速Haar小波特征對象檢測方法，其特征在于: 對于20X20的矩形由四個10X10的矩形組成的Haar特征，表示為: feature2x2_l 40.00 0.00 0.50 0.50 I0.50 0.00 1.00 0.50 -10.00 0.50 0.50 1.00 -10.50 0.50 1.00 1.00 I。
8.根據(jù)權(quán)利要求3所述的一種快速Haar小波特征對象檢測方法，其特征在于: 在積分圖像的劃分上，劃分原則為在保證圖像質(zhì)量的情況下使用最大的塊的劃分方法。
9.根據(jù)權(quán)利要求1所述的一種快速Haar小波特征對象檢測方法，其特征在于: 使用不超過100維的矩形特征。
全文摘要
本發(fā)明提供了一種快速Haar小波特征對象檢測方法，該方法通過對功能塊的合理劃分及使用不超過100維的矩形特征，完成了對積分圖像的優(yōu)化處理，加快了數(shù)據(jù)處理速度，實現(xiàn)對待測對象的快速檢測。
文檔編號G06K9/62GK103226711SQ201310104739
公開日2013年7月31日 申請日期2013年3月28日 優(yōu)先權(quán)日2013年3月28日
發(fā)明者游萌 申請人:四川長虹電器股份有限公司