本发明专利技术适用于通信领域，提供了一种快速检测特定目标的方法及装置，所述方法包括如下步骤：输入待检测视频；通过预设的一般目标类分类器检测所述待检测视频中的一般目标类；将所述检测到的一般目标类输入预设的特定目标模型分类器，获取特定目标。本发明专利技术提供的方法及装置可提高目标监测的准确率，减少计算量。
【技术实现步骤摘要】
本专利技术属于视频监控领域，尤其涉及一种快速检测特定目标的方法及装置。
技术介绍
目前，人体视觉分析已成为计算机视觉的一个重要研宄领域，头肩检测对于视频 或图像中的人体目标检测与识别具有重要意义，由于人体头肩处于人体上半部位以及其轮 廓的稳定性，采用头肩相比使用人体其他部位或者整个人体来进行检测和识别人具有更高 的操作性，因而可广泛应用于图像或者视频场景中的人体目标个数统计、人体检测及跟踪。 现有技术公开有先利用背景差分法检测人体运动目标，然后在运动目标上利用投 影法找到人体头肩的大概位置，利用KNN对该头肩模型属于正背面头肩模型还是侧面头肩 模型，但是该技术只能针对摄像机静止的情况，无法针对摄像机运动的情况，且利用投影方 法定位的人体位置不一定准确。现有技术还公开有使用两级SVM对人头头肩模型进行训 练，然后用训练过的两级SVM在多个尺度的视频帧上滑动窗口进行检测，得到各个窗口的 分类检测结果，该方法虽然比之一级SVM检测效果会更好，但是其在检测头肩的时候需要 对所有尺寸的图像进行遍历计算梯度特征，计算量很大。
技术实现思路
本专利技术实施例的目的在于提供一种快速检测特定目标的方法及装置，旨在解决现 有的检测方法计算量大且不精确的问题。 本专利技术实施例是这样实现的，一种快速检测特定目标的方法，所述方法包括如下 步骤： 输入待检测视频； 通过预设的一般目标类分类器检测所述待检测视频中的一般目标类； 进一步地，在执行所述输入待检测视频之前，还包括： 训练一般目标类分类器。 进一步地，所述训练一般目标类分类器包括： 随机抽取K份一般目标样本集和K个特征集；所述K为自然数； 根据所述K份一般目标样本集和K个特征集训练K个线性弱分类器； 将所述K个线性弱分类器组合为一般目标类分类器。 进一步地，所述通过预设的一般目标类分类器检测待检测视频中的一般目标类包 括： 确定待检测视频的待检测区域； 确定所述待检测区域的待检测样本集； 计算所述待检测样本集的分类器得分，得到一般目标类。 进一步地，所述计算待检测样本集的分类器得分，得到一般目标类包括： 用二进制近似表达每一弱分类器的法向量； 用行向量和列向量的形式表达每个检测窗口的梯度数据和梯度位数据，获取每个 检测窗口对应不同弱分类器的特征数据集； 计算组合强分类器在每个检测窗口的得分，得到一般目标类。 本专利技术还提供一种快速检测特定目标的装置，所述装置包括： 输入模块，用于输入待检测视频； 检测模块，用于通过预设的一般目标类分类器检测所述待检测视频中的一般目标 类； 获取模块，用于将所述检测到的一般目标类输入预设的特定目标模型分类器，获 取特定目标。 进一步地，还包括： 训练模块，用于训练一般目标类分类器。 进一步地，所述训练模块包括： 抽取单元，用于随机抽取K份一般目标样本集和K个特征集；所述K为自然数； 训练弱分类器单元，用于根据所述K份一般目标样本集和K个特征集训练K个线 性弱分类器； 组合单元，用于将所述K个线性弱分类器组合为一般目标类分类器。 进一步地，所述检测模块包括： 第一确定单元，用于确定待检测视频的待检测区域； 第二确定单元，用于确定所述待检测区域的待检测样本集； 计算单元，用于计算所述待检测样本集的分类器得分，得到一般目标类。 进一步地，所述计算单元包括： 表达子单元，用于用二进制近似表达每一弱分类器的法向量； 获取子单元，用于用行向量和列向量的形式表达每个检测窗口的梯度数据和梯度 位数据，获取每个检测窗口对应不同弱分类器的特征数据集； 计算子单元，用于计算组合强分类器在每个检测窗口的得分。 本专利技术实施例首先训练一般目标类分类器，然后利用训练好的一般目标类分类器 快速精确地检测出一般目标类，在此基础上，使用训练好的特定目标模型分类器，快速精确 地定位出人体特定目标位置。本专利技术实施例减小了计算量，提高了准确率。【附图说明】 图1是本专利技术实施例一提供的快速检测特定目标的方法的流程图； 图2是本专利技术实施例一提供的快速检测特定目标的方法中训练步骤的流程图； 图3是本专利技术实施例一提供的快速检测特定目标的方法中检测步骤的流程图； 图4是本专利技术实施例一提供的快速检测特定目标的方法中加速步骤的流程图； 图5是本专利技术实施例二提供的快速检测特定目标的装置的结构图； 图6是本专利技术实施例二提供的快速检测特定目标的装置中训练模块的结构图； 图7是本专利技术实施例二提供的快速检测特定目标的装置中检测模块的结构图； 图8是本专利技术实施例二提供的快速检测特定目标的装置中计算单元的结构图。【具体实施方式】 为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并 不用于限定本专利技术。 实施例一 本专利技术实施例一提出一种快速检测特定目标的方法。参阅图1，本专利技术实施例一的 方法包括以下步骤：S1、训练一般目标类分类器。如图2所示，具体包括：S102、随机抽取K份一般目标样本集和K个特征集，K为自然数。a、随机抽取K份一般目标样本集 对一般目标类分类器训练的样本集〇,其中正类样本的样本个数CP，负类样本的 样本个数CN，全部归一化到大小8X8，分别从正类样本和负类样本中有放回地随机抽取CP、 CN个与原样本集中正类样本和负类样本同样大小的训练样本集Pk、Nk，构成第k个样本集为 Sk={Pk，Nk}，其中Pk为第k个样本集所包含的正类样本集，Nk为第k个样本集所包含的负 类样本集，k= 1，2，...，K，本实施例中，K优选10 ;b、随机抽取K个特征集对集合Nu= {1，2, 3, 4, 5, 6, 7, 8}进行K次随机抽样，每次有放回抽样4个数字， 记录每次随机抽样的4个数字并组成集合，记第k次随机抽样的4个数字组成的集合为【主权项】1. 一种快速检测特定目标的方法，其特征在于，所述方法包括如下步骤： 输入待检测视频； 通过预设的一般目标类分类器检测所述待检测视频中的一般目标类； 将所述检测到的一般目标类输入预设的特定目标模型分类器，获取特定目标。2. 如权利要求1所述的方法，其特征在于，在执行所述输入待检测视频之前，还包括： 训练一般目标类分类器。3. 如权利要求2所述的方法，其特征在于，所述训练一般目标类分类器包括： 随机抽取K份一般目标样本集和K个特征集；所述K为自然数； 根据所述K份一般目标样本集和K个特征集训练K个线性弱分类器； 将所述K个线性弱分类器组合为一般目标类分类器。4. 如权利要求1所述的方法，其特征在于，所述通过预设的一般目标类分类器检测待 检测视频中的一般目标类包括： 确定待检测视频的待检测区域； 确定所述待检测区域的待检测样本集； 计算所述待检测样本集的分类器得分，得到一般目标类。5. 如权利要求4所述的方法，其特征在于，所述计算待检测样本集的分类器得分，得到 一般目标类包括： 用二进制近似表达每一弱分类器的法向量； 用行向量和列向量的形式表达每个检测窗口的梯度数据和梯度位数据，获取每个检测 窗口对应不同弱分类器的特征数据集； 计算组合强分类器在每个检测窗口的得分，得到一般目标类。6. -种快速检测特定目标的装置，其特征在于，所述装本文档来自技高网...
【技术保护点】
一种快速检测特定目标的方法，其特征在于，所述方法包括如下步骤：输入待检测视频；通过预设的一般目标类分类器检测所述待检测视频中的一般目标类；将所述检测到的一般目标类输入预设的特定目标模型分类器，获取特定目标。
【技术特征摘要】
【专利技术属性】
技术研发人员：张欢，吴金勇，陈先开，王军，
申请(专利权)人：安科智慧城市技术中国有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。