基于dpm的快速目標(biāo)檢測(cè)方法【專利摘要】本發(fā)明提供了一種基于DPM的快速目標(biāo)檢測(cè)方法，步驟如下：一，導(dǎo)入已經(jīng)訓(xùn)練好的目標(biāo)檢測(cè)分類器；二，通過(guò)攝像頭讀取視頻，獲取一幀圖像；三，利用基于BING的objectness測(cè)量方法，產(chǎn)生可能含有目標(biāo)的區(qū)域；四，計(jì)算圖像HOG特征金字塔；五，針對(duì)上述檢測(cè)出的區(qū)域進(jìn)行DPM檢測(cè)，對(duì)產(chǎn)生的每一個(gè)區(qū)域的特征金字塔前N層逐像素處理，計(jì)算根濾波器得分、部件濾波器得分、形變花費(fèi)，最終形成一個(gè)窗口得分，如果這個(gè)得分大于事先設(shè)定的閾值，則把該點(diǎn)記錄下來(lái)，如此循環(huán)到第N層；六，利用非極大值抑制算法，用矩形框標(biāo)出檢測(cè)的物體；七，重復(fù)步驟三至六，處理下一幀視頻，直到視頻結(jié)束。本發(fā)明為目標(biāo)檢測(cè)降低了搜索范圍，并且利用look-up-table，加速了HOG特征計(jì)算?！緦＠f(shuō)明】基于DPM的快速目標(biāo)檢測(cè)方法【
技術(shù)領(lǐng)域：
】[0001]本發(fā)明涉及基于目標(biāo)檢測(cè)的圖像分析【
技術(shù)領(lǐng)域：
】，具體涉及一種基于DPM的快速目標(biāo)檢測(cè)方法。【
背景技術(shù)：
】[0002]目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)中，重要的一個(gè)研究方向，是進(jìn)一步分析目標(biāo)的基礎(chǔ)，在此基礎(chǔ)上，可以對(duì)目標(biāo)跟蹤、行為分析等等。目前，目標(biāo)檢測(cè)在學(xué)術(shù)上有許多模型，其中可形變部件模型(deformablepartmodels,簡(jiǎn)稱DPM)是最近兩年最為流行的圖像中物體檢測(cè)模型，由于能準(zhǔn)確地檢測(cè)出目標(biāo)而受到歡迎，是公認(rèn)的最好目標(biāo)檢測(cè)算法。[0003]可變形部件模型(DPM)由三部分組成:⑴一個(gè)較為粗糙的、覆蓋整個(gè)目標(biāo)的全局根模版(或叫做根濾波器)；(2)幾個(gè)高分辨率的部件模版(或叫做部件濾波器)；(3)部件模版相對(duì)于根模版的空間位置。[0004]該方法依據(jù)檢測(cè)窗口的得分判斷是否含有待檢測(cè)的目標(biāo)，而檢測(cè)窗口的得分是根濾波器的分?jǐn)?shù)加上各個(gè)部件濾波器的分?jǐn)?shù)的總和，每個(gè)部件濾波器的分?jǐn)?shù)是此部件濾波器的各個(gè)空間位置得分的最大值，每個(gè)部件濾波器的空間位置得分是部件濾波器在該子窗口上濾波器的得分減去變形花費(fèi)。[0005]objectness測(cè)量是為了檢測(cè)出可能含有目標(biāo)的區(qū)域，提高目標(biāo)檢測(cè)的準(zhǔn)確率。一個(gè)非常好的objectness測(cè)量可以加快目標(biāo)檢測(cè)的速度，其需要滿足以下幾個(gè)條件:[0006]1、較高的檢測(cè)率；[0007]2、盡可能少的疑似目標(biāo)區(qū)域；[0008]3、較高的計(jì)算效率；[0009]4、具有可擴(kuò)展性。[0010]如上所述，現(xiàn)有的可形變部件模型(DPM)目標(biāo)檢測(cè)方法雖然能準(zhǔn)確檢測(cè)出待檢測(cè)目標(biāo)，在一序列挑戰(zhàn)中，取得了較好成績(jī)，但是消耗的時(shí)間較高，一般很難直接用到實(shí)際產(chǎn)品中。而objectness測(cè)量的優(yōu)點(diǎn)是較高地檢出率，具有可擴(kuò)展性，達(dá)到實(shí)時(shí)性，缺點(diǎn)是所用的學(xué)習(xí)方法比較簡(jiǎn)單，產(chǎn)生的較多的區(qū)域。因此有必要提供一種新的檢測(cè)方法，即先進(jìn)行objectness測(cè)量，然后針對(duì)可能含有的目標(biāo)區(qū)域進(jìn)行基于DPM的快速傅立葉目標(biāo)檢測(cè)，即ODDPM。【
發(fā)明內(nèi)容】[0011]本發(fā)明克服了上述現(xiàn)有技術(shù)中存在的不足，提出了一種具有實(shí)時(shí)性優(yōu)點(diǎn)的基于DPM的快速目標(biāo)檢測(cè)方法。[0012]本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的:[0013]一種基于DPM的快速目標(biāo)檢測(cè)方法，用于視頻圖像分析，所述方法包括以下步驟:[0014]步驟1:導(dǎo)入已經(jīng)訓(xùn)練好的目標(biāo)檢測(cè)分類器；[0015]步驟2:通過(guò)攝像頭讀取視頻，獲取一幀圖像；[0016]步驟3:利用基于BING的objectness測(cè)量方法，產(chǎn)生可能含有目標(biāo)的區(qū)域；[0017]步驟4:計(jì)算圖像HOG特征金字塔；[0018]步驟5:針對(duì)步驟3檢測(cè)出的區(qū)域進(jìn)行DPM檢測(cè)，對(duì)步驟3產(chǎn)生的每一個(gè)區(qū)域的HOG特征金字塔前N層逐像素處理，計(jì)算根濾波器得分、部件濾波器得分、形變花費(fèi)，最終形成一個(gè)窗口得分，如果這個(gè)得分大于某個(gè)閾值，則把該點(diǎn)記錄下來(lái)，如此循環(huán)到第N層；[0019]步驟6:利用包圍合預(yù)測(cè)和非最大值抑制，用矩形框標(biāo)出檢測(cè)的物體；[0020]步驟7:重復(fù)步驟3、4、5、6，處理下一幀視頻，直到視頻結(jié)束。[0021]優(yōu)選地，所述步驟5中最終形成窗口得分的計(jì)算公式如下:【權(quán)利要求】1.一種基于DPM的快速目標(biāo)檢測(cè)方法，用于視頻圖像分析，其特征在于:所述方法包括以下步驟:步驟1:導(dǎo)入已經(jīng)訓(xùn)練好的目標(biāo)檢測(cè)分類器；步驟2:通過(guò)攝像頭讀取視頻，獲取一幀圖像；步驟3:利用基于BING的objectness測(cè)量方法，產(chǎn)生可能含有目標(biāo)的區(qū)域；步驟4:計(jì)算圖像HOG特征金字塔；步驟5:針對(duì)步驟3檢測(cè)出的區(qū)域進(jìn)行DPM檢測(cè)，對(duì)步驟3產(chǎn)生的每一個(gè)區(qū)域的HOG特征金字塔前N層逐像素處理，計(jì)算根濾波器得分、部件濾波器得分、形變花費(fèi)，最終形成一個(gè)窗口得分，如果這個(gè)得分大于事先設(shè)定的閾值，則把該點(diǎn)記錄下來(lái)，如此循環(huán)到第N層；步驟6:利用非極大值抑制算法，用矩形框標(biāo)出檢測(cè)的物體；步驟7:重復(fù)步驟3、4、5、6，處理下一幀視頻，直到視頻結(jié)束。2.根據(jù)權(quán)利要求1所述的基于DPM的快速目標(biāo)檢測(cè)方法，其特征在于，所述步驟5中最終形成窗口得分的計(jì)算公式如下:3.根據(jù)權(quán)利要求1所述的基于DPM的快速目標(biāo)檢測(cè)方法，其特征在于，在所述步驟4中，利用look-up-table計(jì)算圖像HOG特征金字塔，以加速特征計(jì)算?！疚臋n編號(hào)】G06K9/66GK104200236SQ201410417722【公開(kāi)日】2014年12月10日申請(qǐng)日期:2014年8月22日優(yōu)先權(quán)日:2014年8月22日【發(fā)明者】李茂林,沈錦祥申請(qǐng)人:浙江生輝照明有限公司