一種目標檢測方法及裝置制造方法
【專利摘要】本發(fā)明公開了一種目標檢測方法及裝置,該方法包括:確定初始搜索目標區(qū)域;按照預(yù)設(shè)搜索方法,在所述初始搜索目標區(qū)域中確定出至少一個候選目標搜索區(qū)域,其中每個候選目標搜索區(qū)域均具有圖像顯著性特征;在確定出的候選目標搜索區(qū)域中,選取顯著性特征最強的候選目標搜索區(qū)域作為目標檢測區(qū)域。能夠較為準確地確定出目標檢測過程中矩形區(qū)域,進而較好地提高目標檢測的準確性。
【專利說明】一種目標檢測方法及裝置
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及視頻監(jiān)控【技術(shù)領(lǐng)域】,尤其是涉及一種目標檢測方法及裝置。
【背景技術(shù)】
[0002] 智能視頻監(jiān)控是利用計算機視覺技術(shù)對視頻信號進行處理、分析和理解,在不需 要人為干預(yù)的情況下,通過對序列圖像自動分析,對監(jiān)控場景中的變化進行定位、識別和跟 蹤,并在此基礎(chǔ)上分析和判斷目標的行為,能在異常情況發(fā)生時及時發(fā)出警報或提供有用 信息,有效地協(xié)助安全人員處理危機,并最大限度地降低誤報和漏報現(xiàn)象。
[0003] 智能跟蹤球機是一種常見的監(jiān)控設(shè)備,該設(shè)備可以自動選擇待跟蹤的目標,并實 現(xiàn)長時間的變倍放大跟蹤,廣泛應(yīng)用于車站、地鐵、小區(qū)以及學(xué)校等眾多監(jiān)控場所?,F(xiàn)有技 術(shù)中智能跟蹤球機進行目標檢測時,主要處理過程是:首先將智能跟蹤球機在待監(jiān)控場所 進行固定,然后基于固定的跟蹤球機使用運動檢測與跟蹤技術(shù),獲取監(jiān)控場景中所有的移 動目標,將移動目標的外接包圍區(qū)域做為目標的初始位置,該外界包圍區(qū)域一般為矩形區(qū) 域,再在矩形區(qū)域內(nèi)提取各種特征用于智能跟蹤球機的后續(xù)跟蹤。
[0004] 在存在陰影的情況下,采用現(xiàn)有技術(shù)中提出的目標檢測方法,確定出的矩形區(qū)域 會包含較多的陰影像素。其次如果在監(jiān)控圖像中,監(jiān)控目標彼此距離較近的情況下,采用現(xiàn) 有技術(shù)中提出的基于運動目標檢測與跟蹤技術(shù)確定出的矩形區(qū)域,會同時包含彼此距離較 近的目標。因此現(xiàn)有技術(shù)中提出的目標檢測方法,運動目標檢測和跟蹤技術(shù)并不能給出完 整的跟蹤目標,后續(xù)對目標檢測的準確性較低。
【發(fā)明內(nèi)容】
[0005] 本發(fā)明實施例提供了一種目標檢測方法及裝置,能夠較為準確地確定出目標檢測 過程中目標檢測區(qū)域,進而較好地提高目標檢測的準確性。
[0006] -種目標檢測方法,包括:確定初始搜索目標區(qū)域;按照預(yù)設(shè)搜索方法,在所述初 始搜索目標區(qū)域中確定出至少一個候選目標搜索區(qū)域,其中每個候選目標搜索區(qū)域均具有 圖像顯著性特征;在確定出的候選目標搜索區(qū)域中,選取顯著性特征最強的候選目標搜索 區(qū)域作為目標檢測區(qū)域。
[0007] -種目標檢測裝置,包括確定模塊,用于確定初始搜索目標區(qū)域;搜索模塊,用于 按照預(yù)設(shè)搜索方法,在所述初始搜索目標區(qū)域中確定出至少一個候選目標搜索區(qū)域,其中 每個候選目標搜索區(qū)域均具有圖像顯著性特征;選取模塊,用于在所述搜索模塊確定出的 候選目標搜索區(qū)域中,選取顯著性特征最強的候選目標搜索區(qū)域作為目標檢測區(qū)域。
[0008] 采用上述技術(shù)方案,在確定出初始搜索目標區(qū)域之后,按照預(yù)設(shè)搜索方法,在初始 搜索目標區(qū)域中確定出至少一個候選目標搜索區(qū)域,每個候選目標搜索區(qū)域均具有圖像顯 著性特征,然后再選取一個顯著性特征最強的候選目標搜索區(qū)域作為目標檢測區(qū)域,相對 現(xiàn)有技術(shù)中僅根據(jù)確定出的初始搜索目標區(qū)域進行目標檢測的方法,本發(fā)明上述提出的技 術(shù)方案,能夠計算出真實目標檢測區(qū)域的位置信息,給出完整的跟蹤目標,提高后續(xù)對目標 檢測的準確性。
【專利附圖】
【附圖說明】
[0009] 圖1為本發(fā)明實施例一中,提出的目標檢測方法流程圖;
[0010] 圖2為本發(fā)明實施例一中,提出的初始搜索目標區(qū)域中包含的一個候選目標搜索 區(qū)域示意圖;
[0011] 圖3為本發(fā)明實施例二中,提出的目標檢測裝置結(jié)構(gòu)組成示意圖。
【具體實施方式】
[0012] 針對現(xiàn)有技術(shù)中提出的目標檢測方法,運動目標檢測和跟蹤技術(shù)并不能給出完整 的跟蹤目標,后續(xù)對目標檢測的準確性較低的問題,本發(fā)明實施例這里提出的技術(shù)方案按 照預(yù)設(shè)搜索方法,在確定出的初始搜索目標區(qū)域中確定出至少一個候選目標搜索區(qū)域,每 個候選目標搜索區(qū)域均具有圖像顯著性特征,然后再選取一個顯著性特征最強的候選目標 搜索區(qū)域作為目標檢測區(qū)域,后續(xù)通過該確定出的目標檢測區(qū)域進行跟蹤,相對現(xiàn)有技術(shù) 中僅根據(jù)確定出的初始搜索目標區(qū)域進行目標檢測的方法,本發(fā)明上述提出的技術(shù)方案, 能夠計算出真實目標檢測區(qū)域的位置信息,給出完整的跟蹤目標,提高后續(xù)對目標檢測的 準確性。
[0013] 下面將結(jié)合各個附圖對本發(fā)明實施例技術(shù)方案的主要實現(xiàn)原理、【具體實施方式】及 其對應(yīng)能夠達到的有益效果進行詳細地闡述。
[0014] 本發(fā)明實施例這里提出的技術(shù)方案,其實現(xiàn)方法是將確定出的初始搜索目標區(qū)域 作為一個搜索范圍,在其中搜索出一個具有顯著性特征的區(qū)域作為目標檢測區(qū)域,然后再 在目標檢測區(qū)域中提取相應(yīng)的圖像特征用于后續(xù)跟蹤使用。本發(fā)明實施例這里提出的目標 檢測方法的具體實現(xiàn)方案為:假設(shè)確定出的初始搜索目標區(qū)域為R,該初始搜索目標區(qū)域 的圖形可以但不限于為矩形框、圓形框、菱形框等,本發(fā)明實施例這里提出的技術(shù)方案中, 將以初始搜索目標區(qū)域的圖形矩形框為例來進行詳細闡述。其寬度為W,高度為H,則目標 檢測區(qū)域的圖形的可能寬度為aW,高度為βΗ,其中α、β是一個〇到1之間的小數(shù)。目 標檢測區(qū)域的圖形可以和初始搜索目標區(qū)域的圖形相同,也可以不同。對于每一種可能的 組合(a i,β J,在初始搜索目標區(qū)域R中進行一次滑窗搜索,則對應(yīng)每個可能的候選目標 搜索區(qū)域的位置信息X (其中,X中包含水平方向的坐標值和堅直方向的坐標值),計算出目 標檢測區(qū)域位于該候選目標搜索區(qū)域的概率值Pi (X),完成所有的可能寬高組合的滑窗搜 索之后,就獲得一系列概率值集合丨/^丨二及其對應(yīng)的位置信息集合(^二,其中,N表示所 有可能的寬、高組合的總數(shù)量。最后,找到符合預(yù)設(shè)條件的候選目標搜索區(qū)域作為目標檢測 區(qū)域。例如可以確定出概率值集合中的最大的概率值然后將最大的概率值 對應(yīng)的位置信息作為目標檢測區(qū)域的位置信息。
[0015] 基于上述實施原理,下面將結(jié)合各個附圖對本發(fā)明實施例技術(shù)方案的主要實現(xiàn)原 理、【具體實施方式】及其對應(yīng)能夠達到的有益效果進行詳細地闡述。
[0016] 實施例一
[0017] 本發(fā)明實施例一這里提出一種目標檢測方法,如圖1所示,其處理流程圖下述:
[0018] 步驟11,確定初始搜索目標區(qū)域。
[0019] 基于運動目標檢測與跟蹤技術(shù),可以在監(jiān)控圖像中確定出初始搜索目標區(qū)域。其 中,確定出的初始搜索目標區(qū)域的形狀可以但不限于是矩形、圓形或者正方形等等。為便于 闡述,本發(fā)明實施例這里提出的技術(shù)方案中,初始搜索目標區(qū)域的形狀為矩形為例來進行 詳細闡述,具體實施中初始搜索目標區(qū)域的形狀也可以是圓形等其它形狀。獲得監(jiān)控的視 頻信息,基于運動目標檢測與跟蹤技術(shù),分析監(jiān)控視頻中所有的移動目標。自動跟蹤球機中 的報警設(shè)備在所有的移動目標中,判斷移動目標是否觸發(fā)了預(yù)先設(shè)置的報警規(guī)則,如果判 斷結(jié)果為是,則獲得觸發(fā)報警規(guī)則的移動目標的外接區(qū)域,例如矩形框,該矩形框作為初始 搜索目標區(qū)域。
[0020] 步驟12,按照預(yù)設(shè)搜索方法,在初始搜索目標區(qū)域中確定出至少一個候選目標搜 索區(qū)域。其中每個候選目標搜索區(qū)域均具有圖像顯著性特征
[0021] 在確定出的初始搜索目標區(qū)域中,可以按照滑窗搜索方法確定出至少一個候選位 置信息,每一個確定出的候選位置信息對應(yīng)的區(qū)域作為一個候選目標搜索區(qū)域。其中,由于 初始搜索目標區(qū)域的圖形形狀為矩形,因此,確定出的候選目標搜索區(qū)域的圖形形狀也相 應(yīng)可以是矩形。在初始搜索目標區(qū)域中進行滑窗搜索,獲取多個候選目標搜索區(qū)域。
[0022] 步驟13,在確定出的候選目標搜索區(qū)域中,選取顯著性特征最強的候選目標搜索 區(qū)域作為目標檢測區(qū)域。
[0023] 確定候選目標搜索區(qū)域?qū)?yīng)的候選位置信息和目標檢測區(qū)域?qū)?yīng)的目標位置信 息之間相符合的概率值,根據(jù)確定出的概率值,確定顯著性特征最強的候選位置信息對應(yīng) 的候選目標搜索區(qū)域作為目標檢測區(qū)域。
[0024] 本發(fā)明實施例這里提出的技術(shù)方案中,在確定出初始搜索目標區(qū)域之后,假設(shè)初 始搜索目標區(qū)域的圖形形狀是一個矩形框R,其寬度為W,高度為H,目標檢測區(qū)域的圖形Μ 的可能寬度為aW,高度為βΗ,其中α、β是一個〇到1之間的小數(shù)。則在W?aW,在 Η?β Η之間,即在矩形框R和Μ之間,可能包含多個矩形框,該些矩形框?qū)?yīng)的就是候選目 標搜索區(qū)域,具體實施中,就要確定出每一個候選目標搜索區(qū)域和最終確定出的目標檢測 區(qū)域之間貼合的概率值,最后根據(jù)確定出的概率值確定出最終的目標檢測區(qū)域。
[0025] 具體地,圖像顯著性特征包含紋理顯著性和顏色顯著性,概率值可以按照下述公 式1來確定:
[0026]
【權(quán)利要求】
1. 一種目標檢測方法,其特征在于,包括: 確定初始搜索目標區(qū)域; 按照預(yù)設(shè)搜索方法,在所述初始搜索目標區(qū)域中確定出至少一個候選目標搜索區(qū)域, 其中每個候選目標搜索區(qū)域均具有圖像顯著性特征; 在確定出的候選目標搜索區(qū)域中,選取顯著性特征最強的候選目標搜索區(qū)域作為目標 檢測區(qū)域。
2. 如權(quán)利要求1所述的方法,其特征在于,在確定出的候選目標搜索區(qū)域中,選取顯著 性特征最強的候選目標搜索區(qū)域作為目標檢測區(qū)域,包括: 確定候選目標搜索區(qū)域?qū)?yīng)的候選位置信息和目標檢測區(qū)域?qū)?yīng)的目標位置信息之 間相符合的概率值; 根據(jù)確定出的概率值,在確定出的候選目標搜索區(qū)域中,選取顯著性特征最強的候選 目標搜索區(qū)域作為目標檢測區(qū)域。
3. 如權(quán)利要求2所述的方法,其特征在于,所述圖像顯著性特征包含紋理顯著性和顏 色顯著性; 所述概率值按照下述公式確定: Pi(x) = ndi(x) + (i-η)θ?(χ) 其中Pi (X)是概率值,diOO是紋理顯著性參數(shù),是ei(X)是顏色顯著性參數(shù),η是一個 0到1之間的小數(shù)。
4. 如權(quán)利要求3所述的方法,其特征在于,所述紋理顯著性參數(shù)屯〇〇包含梯度特征 值,所述diU)采用下述公式確定: di (x) = Bi (x) -ffi (x) 其中,Bjx)是候選目標搜索區(qū)域中包含的全部像素點對應(yīng)的梯度特征值的絕對值之 和,Wjx)是初始搜索目標區(qū)域中包含的全部像素點對應(yīng)的梯度特征值的絕對值之和; 所述顏色顯著性參數(shù)ei (X)是位置信息是X的候選目標搜索區(qū)域的熵信息,所述ei (X) 采用下述公式確定:
其中,P(g)是在候選目標搜索區(qū)域中灰度值等于g的像素點,與候選目標搜索區(qū)域中 包含的全部像素點數(shù)量的比值。
5. 如權(quán)利要求4所述的方法,其特征在于,一個像素點對應(yīng)的梯度特征值包含水平方 向的梯度特征值和垂直方向的梯度特征值,所述水平方向的梯度特征值按照下述公式確 定:
其中,I(i,j)是位置信息為(i,j)的像素點I,ΛΧ是像素點I水平方向的梯度特征值, I (i+1,j)是像素點I水平方向上前一像素點,I (i-1,j)像素點I水平方向上后一像素點; 所述垂直方向的梯度特征值按照下述公式確定:
其中,I (i,j)是位置信息為(i,j)的像素點I,Ay是像素點I的垂直方向的梯度特征 值,I (i+1, j)是像素點I垂直方向上前一像素點,I (i-1, j)像素點I垂直方向上后一像素 點。
6. 如權(quán)利要求2所述的方法,其特征在于,根據(jù)確定出的概率值,在確定出的候選目標 搜索區(qū)域中,選取顯著性特征最強的候選目標搜索區(qū)域作為目標檢測區(qū)域,包括: 在確定出的概率值中,選取數(shù)值最大的概率值對應(yīng)的候選位置信息表征的目標候選區(qū) 域,作為顯著性特征最強的目標檢測區(qū)域;或 將確定出的全部概率值求均值,得到的結(jié)果對應(yīng)的候選位置信息表征的目標候選區(qū) 域,作為顯著性特征最強的目標檢測區(qū)域。
7. -種目標檢測裝置,其特征在于,包括: 確定模塊,用于確定初始搜索目標區(qū)域; 搜索模塊,用于按照預(yù)設(shè)搜索方法,在所述初始搜索目標區(qū)域中確定出至少一個候選 目標搜索區(qū)域,其中每個候選目標搜索區(qū)域均具有圖像顯著性特征; 選取模塊,用于在所述搜索模塊確定出的候選目標搜索區(qū)域中,選取顯著性特征最強 的候選目標搜索區(qū)域作為目標檢測區(qū)域。
8. 如權(quán)利要求7所述的裝置,其特征在于,所述搜索模塊,具體用于確定候選目標搜索 區(qū)域?qū)?yīng)的候選位置信息和目標檢測區(qū)域?qū)?yīng)的目標位置信息之間相符合的概率值;根據(jù) 確定出的概率值,在確定出的候選目標搜索區(qū)域中,選取顯著性特征最強的候選目標搜索 區(qū)域作為目標檢測區(qū)域。
9. 如權(quán)利要求8所述的裝置,其特征在于,所述圖像顯著性特征包含紋理顯著性和顏 色顯著性;所述搜索模塊具體按照下述公式確定概率值: Pi(x) = ndi(x) + (i-η)θ?(χ) 其中Pi (X)是概率值,diOO是紋理顯著性參數(shù),是ei(X)是顏色顯著性參數(shù),η是一個 0到1之間的小數(shù)。
10. 如權(quán)利要求9所述的裝置,其特征在于,所述紋理顯著性參數(shù)(^〇〇包含梯度特征 值,所述搜索模塊具體用于采用下述公式確定屯〇〇 : di (x) = Bi (x) -ffi (x) 其中,Bjx)是候選目標搜索區(qū)域中包含的全部像素點對應(yīng)的梯度特征值的絕對值之 和,Wjx)是初始搜索目標區(qū)域中包含的全部像素點對應(yīng)的梯度特征值的絕對值之和; 所述顏色顯著性參數(shù)ei (X)是位置信息是X的候選目標搜索區(qū)域的熵信息,所述搜索 模塊具體用于采用下述公式確定ei(x):
其中,P(g)是在候選目標搜索區(qū)域中灰度值等于g的像素點,與候選目標搜索區(qū)域中 包含的全部像素點數(shù)量的比值。
11. 如權(quán)利要求11所述的裝置,其特征在于,一個像素點對應(yīng)的梯度特征值包含水平 方向的梯度特征值和垂直方向的梯度特征值,所述搜索模塊,具體用于按照下述公式確定 水平方向的梯度特征值:
其中,I(i,j)是位置信息為(i,j)的像素點I,ΛΧ是像素點I水平方向的梯度特征值, I (i+1,j)是像素點I水平方向上前一像素點,I (i-1,j)像素點I水平方向上后一像素點; 所述搜索模塊,具體用于按照下述公式確定垂直方向的梯度特征值:
其中,I (i,j)是位置信息為(i,j)的像素點I,Ay是像素點I的垂直方向的梯度特征 值,I (i+1, j)是像素點I垂直方向上前一像素點,I (i-1, j)像素點I垂直方向上后一像素 點。
12.如權(quán)利要求8所述的裝置,其特征在于,所述搜索模塊,具體用于在確定出的概率 值中,選取數(shù)值最大的概率值對應(yīng)的候選位置信息表征的目標候選區(qū)域,作為顯著性特征 最強的目標檢測區(qū)域;或?qū)⒋_定出的全部概率值求均值,得到的結(jié)果對應(yīng)的候選位置信息 表征的目標候選區(qū)域,作為顯著性特征最強的目標檢測區(qū)域。
【文檔編號】G06T7/20GK104112279SQ201310136929
【公開日】2014年10月22日 申請日期:2013年4月19日 優(yōu)先權(quán)日:2013年4月19日
【發(fā)明者】王磊, 周璐, 潘石柱, 張興明, 傅利泉, 朱江明, 吳軍, 吳堅 申請人:浙江大華技術(shù)股份有限公司