一種目標物體確定方法及裝置的制造方法
【技術領域】
[0001]本發(fā)明涉及圖像處理領域，尤其涉及一種目標物體確定方法及裝置。
【背景技術】
[0002]隨著科學技術的飛速發(fā)展，攝像技術廣泛應用于各個領域，用于對特定場景進行監(jiān)控、對目標人物進行檢索等。
[0003]在對攝像頭所采集圖像進行處理時，往往需要從采集圖像中識別出目標物體或目標人物。目前，從待檢測圖像中識別出目標物體(參閱圖1所示)，首先需要對待檢測圖像進行邊緣檢測，生成水平方向峰值分布直方圖和垂直方向峰值分布直方圖，其中，水平方向峰值分布直方圖為水平方向峰值在一維坐標軸上的坐標值及強度值組成的圖形，垂直方向峰值分布直方圖為垂直方向峰值在一維坐標軸上的坐標值以及強度值組成的圖形，如圖2所示；根據(jù)水平方向峰值分布直方圖確定出目標物體在水平方向的邊緣峰值，以及根據(jù)垂直方向峰值分布直方圖確定出目標物體在垂直方向的邊緣峰值，再根據(jù)所述水平方向邊緣峰值和垂直方向邊緣峰值確定目標物體的位置。
[0004]目前，根據(jù)水平方向峰值分布直方圖確定出目標物體在水平方向的邊緣峰值，以及根據(jù)垂直方向峰值分布直方圖確定出目標物體在垂直方向的邊緣峰值，主要通過暴力搜索法和非最大值抑制法來實現(xiàn)。
[0005]采用暴力搜索法、非最大值抑制法獲取目標物體的邊緣峰值時，僅搜索上述水平方向/垂直方向峰值分布直方圖中的最大峰值以及次大峰值，將該最大峰值以及次大峰值作為目標物體對應的邊緣峰值(參閱圖2中峰值M和峰值N)。
[0006]現(xiàn)有技術采用暴力搜索法、非最大值抑制法獲取目標物體邊緣峰值，存在以下技術缺陷:
[0007]由于待檢測圖像中除了目標物體外很可能還包含其他的物體，而對待檢測圖像進行邊緣檢測時，生成的水平方向峰值直方圖和垂直方向峰值直方圖中還包括了其他物體的峰值(后續(xù)稱為干擾峰值)，因此通過前述兩種方式得到的最大峰值和次大峰值很可能是干擾峰值，而不是目標物體的邊緣峰值，從而導致目標物體邊緣峰值檢測不準確繼而導致目標物體識別不準確的問題。

【發(fā)明內容】

[0008]本發(fā)明實施例提供一種目標物體確定方法及位置，用以解決現(xiàn)有技術確定目標物體不準確的問題。
[0009]本發(fā)明實施例提供的具體技術方案如下:
[0010]一種目標物體確定方法，包括:
[0011]獲取待檢測圖像中目標物體所在的初始區(qū)域；
[0012]對初始區(qū)域進行邊緣檢測，分別生成水平方向峰值分布直方圖以及垂直方向峰值分布直方圖；
[0013]將水平方向峰值分布直方圖中水平方向峰值的強度值均小于其兩側的水平方向峰值中的最大強度值的水平方向峰值剔除；以及，將垂直方向峰值分布直方圖中垂直方向峰值的強度值均小于其兩側的垂直方向峰值中的最大強度值的垂直方向峰值剔除；
[0014]根據(jù)保留的水平方向峰值的坐標值、強度值以及預設的目標物體水平寬度閾值，從保留的水平方向峰值中選取目標物體在水平方向的第一邊緣和第二邊緣；以及，根據(jù)保留的垂直方向峰值的坐標值、強度值以及預設的目標物體垂直高度閾值，從保留的垂直方向峰值中選取目標物體在垂直方向的第一邊緣和第二邊緣；
[0015]根據(jù)所述水平方向的第一邊緣和第二邊緣、垂直方向的第一邊緣和第二邊緣，確定所述目標物體。
[0016]一種目標物體確定裝置，包括:
[0017]獲取單元，用于獲取待檢測圖像中目標物體所在的初始區(qū)域；
[0018]直方圖生成單元，用于對所述獲取單元獲取的初始區(qū)域進行邊緣檢測，分別生成水平方向峰值分布直方圖以及垂直方向峰值分布直方圖；
[0019]剔除單元，用于將所述直方圖生成單元生成的水平方向峰值分布直方圖中水平方向峰值的強度值均小于其兩側的水平方向峰值中的最大強度值的水平方向峰值剔除；以及，將所述直方圖生成單元生成的垂直方向峰值分布直方圖中垂直方向峰值的強度值均小于其兩側的垂直方向峰值中的最大強度值的垂直方向峰值剔除；
[0020]邊緣確定單元，用于根據(jù)所述剔除單元對所述水平方向峰值分布直方圖處理后保留的水平方向峰值的坐標值、強度值以及預設的目標物體水平寬度閾值，從保留的水平方向峰值中選取目標物體在水平方向的第一邊緣和第二邊緣；以及，根據(jù)所述剔除單元對所述垂直方向峰值分布直方圖處理后保留的垂直方向峰值的坐標值、強度值以及預設的目標物體垂直高度閾值，從保留的垂直方向峰值中選取目標物體在垂直方向的第一邊緣和第二邊緣；
[0021]目標物體確定單元，用于根據(jù)所述水平方向的第一邊緣和第二邊緣、垂直方向的第一邊緣和第二邊緣，確定所述目標物體。
[0022]本發(fā)明實施例中，一方面，獲取待檢測圖像中目標物體所在的初始區(qū)域，并對該初始區(qū)域做邊緣檢測生成水平方向峰值分布直方圖和垂直方向峰值分布直方圖，由于僅對目標物體的初始區(qū)域進行邊緣檢測，因此在很大程度上能夠將待檢測圖像中包含的其他物體濾除掉，以避免邊緣檢測得到的水平方向峰值分布直方圖和垂直方向峰值分布直方圖還包含大量的干擾峰值，從而在很大程度上能夠確保檢測得到的水平方向峰值分布直方圖和垂直方向峰值分布直方圖包含的基本是目標物體的峰值，從而使得后續(xù)確定出的目標物體的邊緣峰值的準確性；另一方面，將水平方向峰值分布直方圖中水平方向峰值的強度值均小于其兩側的水平方向峰值中的最大強度值的水平方向峰值剔除，以及，將垂直方向峰值分布直方圖中垂直方向峰值的強度值均小于其兩側的垂直方向峰值中的最大強度值的垂直方向峰值剔除，由于目標物體的邊緣峰值一般是取值較大的峰值，因此采用該種方式能夠快速的將明顯不是目標物體的邊緣峰值的峰值剔除掉，然后再從剩余的峰值中選取出目標物體的邊緣峰值，提高了選取目標物體邊緣峰值的速度。
【附圖說明】
[0023]圖1為現(xiàn)有技術中待檢測圖像示意圖；
[0024]圖2為現(xiàn)有技術中峰值分布直方圖；
[0025]圖3為本發(fā)明實施例中確定目標物體的流程圖；
[0026]圖4a和圖4b為本發(fā)明實施例中待檢測圖像示意圖；
[0027]圖5為本發(fā)明實施例中峰值分布直方圖不意圖；
[0028]圖6為本發(fā)明實施例中峰值分布直方圖不意圖；
[0029]圖7為本發(fā)明實施例中待檢測圖像中確定出目標物體的示意圖；
[0030]圖8為本發(fā)明實施例中確定目標物體裝置結構示意圖。
【具體實施方式】
[0031 ] 為了解決現(xiàn)有技術對目標物體位置的獲取過程中，存在確定目標物體不準確的問題。本發(fā)明實施例中，分別從目標物體對應的水平方向峰值分布直方圖和垂直方向峰值分布直方圖中剔除周邊物體以及噪聲等因素造成的干擾峰值，從保留的水平方向峰值獲取目標物體的水平邊緣，并從保留的垂直方向峰值獲取目標物體的垂直邊緣，從而在很大程度上能夠確保檢測得到的水平方向峰值分布直方圖和垂直方向峰值分布直方圖包含的基本是目標物體的峰值，進而使得后續(xù)確定出的目標物體的邊緣峰值的準確性；并且，在確定目標物體的過程中，將明顯不是目標物體的邊緣峰值的峰值剔除掉，僅從保留下的水平峰值和垂直峰值中選取目標物體的垂直邊緣和水平邊緣，從而有效降低了獲取目標物體位置的復雜度，提高了選取目標物體邊緣峰值的速度。
[0032]下面結合附圖對本發(fā)明優(yōu)選的實施方式進行詳細說明。
[0033]參閱圖3所示，本發(fā)明實施例中確定目標物體的方法流程，該方法包括:
[0034]步驟300:獲取待檢測圖像中目標物體所在的初始區(qū)域。
[0035]本發(fā)明實施例中，步驟300，通過對訓練樣本進行訓練建立特征分類器；控制該特征分類器按照預設掃描窗口對待檢測圖像進行掃描，判斷每一個掃描窗口中是否包含目標物體的指定特征，當判定任意一掃描窗口包含該目標物體的指定特征時，將包含該指定特征的任意一掃描窗口限定的區(qū)域作為上述待檢測圖像中目標物體所在的初始區(qū)域；其中，可以采用如下任意一方法對訓練樣本進行訓練建立特征分類器，HOG (Histogram ofOriented Gradient ;方向梯度直方圖)方法，haar (Haar Wavelet ;哈爾小波)方法，神經(jīng)網(wǎng)絡算法，以及AdaBoost算法。
[0036]參閱圖4a所示，由于待檢測圖像中除了目標物體之外，還包括其他物體，如目標物體周邊的樹木，因此導致上述確定