本发明专利技术公开了一种图像目标检测方法及装置，其方法包括：获取动态采集的第一帧的高分辨率图像；对高分辨率图像进行自适应实时检测变换；采用预设的级联分类器，对自适应实时检测变换后的图像进行目标检测。本发明专利技术解决了现有技术中运动相机等动态背景下不能准确及长时间进行目标检测的问题，实现了动态环境下对高分辨率图像中目标的实时准确检测。
【技术实现步骤摘要】
本专利技术涉及图像处理
，尤其涉及一种动态图像目标检测方法及装置。
技术介绍
现有的针对运动相机的目标检测跟踪算法，主要采用前景检测或者机器学习算法进行目标检测。对于前景检测算法，由于相机是运动的，一般采用运动补偿进行背景估计或者采用光流算法进行运动目标的提取，这两者都只能针对运动的目标有效，而且计算量十分繁重，不能达到实时视频处理的目的。针对机器学习算法的目标检测算法，由于机器学习的检测算法复杂度较高，对于低分辨图像可以达到实时检测分析，对于高分辨率图像一般采用降维的方法进行处理，但是对于高分辨率图像降维后，便会丢失原图像中的小目标的特征信息，从而不能进行准确的检测。
技术实现思路
本专利技术的主要目的在于提出一种图像目标检测方法及装置，旨在实现动态环境下高分辨率图像中目标准确实时的检测分析。为实现上述目的，本专利技术提供的一种图像目标检测方法，包括:SI，获取动态采集的第一帧的高分辨率图像；S2，对所述高分辨率图像进行自适应实时检测变换；S3，采用预设的级联分类器，对自适应实时检测变换后的图像进行目标检测。优选地，所述S2，对所述高分辨率图像进行自适应实时检测变换的步骤之后还包括:S4，对自适应实时检测变换后的图像进行预处理；所述S3，采用预设的级联分类器，对自适应实时检测变换后的图像进行目标检测的步骤包括: S31，采用预设的级联分类器，对预处理后的图像进行目标检测。优选地，所述对所述高分辨率图像进行自适应实时检测变换的步骤包括:根据预设的目标对象尺寸以及目标对象大小判断准则，判断所述高分辨率图像中的目标对象为大目标还是小目标；若判断所述高分辨率图像中的目标对象为大目标，则按照插值算法对所述高分辨率图像进行缩小处理，以缩小后的图像构造出检测框；若判断所述高分辨率图像中的目标对象为小目标，则对所述高分辨率图像进行局部裁剪以形成一个窗口，所述窗口位于所述高分辨率图像的中心，以该窗口构造出检测框；对所述检测框进行缩放以得到一个缩小检测框以及一个放大检测框。优选地，所述采用预设的级联分类器，对预处理后的图像进行目标检测的步骤包括:读取预先训练好的分类器中的特征矩阵，所述特征矩阵至少包括方差值；根据构造的所述检测框、缩小检测框以及放大检测框，对所述预处理后的图像进行分割，得到若干个等比例缩小的目标对象大小的图格；获取第一个图格的方差值；对比第一个图格的方差值与所述分类器的方差值；若符合分类器的方差值，则判定所述预处理后的图像中有目标存在。优选地，所述特征矩阵还包括:直方图向量；所述采用预设的级联分类器，对预处理后的图像进行目标检测的步骤还包括:获取符合分类器的方差值的图格的直方图向量；对比所述图格的直方图向量与分类器的直方图向量；若符合分类器的直方图向量，则判定所述预处理后的图像中有目标存在。优选地，所述特征矩阵还包括:集合分类器矩阵；所述采用预设的级联分类器，对预处理后的图像进行目标检测的步骤还包括:获取符合分类器的直方图向量的图格的集合分类器矩阵；对比所述图格的集合分类器矩阵与分类器的集合分类器矩阵；若符合分类器的集合分类器矩阵，则判定所述预处理后的图像中有目标存在。优选地，所述特征矩阵还包括:最近邻分类矩阵；所述采用预设的级联分类器，对预处理后的图像进行目标检测的步骤还包括:获取符合所述分类器的集合分类器矩阵的图格的最近邻分类矩阵；对比所述图格的最近邻分类矩阵与分类器的最近邻分类矩阵；若符合分类器的最近邻分类矩阵，则判定所述预处理后的图像中有目标存在。优选地，所述采用预设的级联分类器，对预处理后的图像进行目标检测的步骤还包括:若当前图格不符合分类器的方差值，或者不符合分类器的直方图向量，或者不符合分类器的集合分类器矩阵，或者不符合分类器的最近邻分类矩阵，则获取下一个图格，直至所有图格均处理完毕。优选地，若判断所述高分辨率图像中的目标对象为小目标，则所述采用预设的级联分类器，对自适应实时检测变换后的图像进行目标检测的步骤之后还包括:S5，对所述高分辨率图像中的目标对象进行窗口位置变换。优选地，所述方法还包括:获取第二帧及其后的高分辨率图像；若第一帧的高分辨率图像中的目标对象为大目标，则对第二帧及其后的高分辨率图像进行缩小处理，然后依次执行步骤S4、S31 ;若第一帧的高分辨率图像中的目标对象为小目标，则根据上一帧的高分辨率图像中目标对象的目标位置进行窗口位置变换，然后依次执行步骤S4、S31和S5。本专利技术实施例还提出一种图像目标检测装置，包括:图像获取模块，用于获取动态采集的第一帧的高分辨率图像；自适应变换模块，用于对所述高分辨率图像进行自适应实时检测变换；目标检测模块，用于采用预设的级联分类器，对自适应实时检测变换后的图像进行目标检测。优选地，所述装置还包括:预处理模块，用于对自适应实时检测变换后的图像进行预处理；所述目标检测模块，还用于采用预设的级联分类器，对预处理后的图像进行目标检测。优选地，所述自适应变换模块，还用于根据预设的目标对象尺寸以及目标对象大小判断准则，判断所述高分辨率图像中的目标对象为大目标还是小目标；若判断所述高分辨率图像中的目标对象为大目标，则按照插值算法对所述高分辨率图像进行缩小处理，以缩小后的图像构造出检测框；若判断所述高分辨率图像中的目标对象为小目标，则对所述高分辨率图像进行局部裁剪以形成一个窗口，所述窗口位于所述高分辨率图像的中心，以该窗口构造出检测框；对所述检测框进行缩放以得到一个缩小检测框以及一个放大检测框。优选地，所述目标检测模块，还用于读取预先训练好的分类器中的特征矩阵，所述特征矩阵至少包括方差值；根据构造的所述检测框、缩小检测框以及放大检测框，对所述预处理后的图像进行分割，得到若干个等比例缩小的目标对象大小的图格；获取第一个图格的方差值；对比第一个图格的方差值与所述分类器的方差值；若符合分类器的方差值，则判定所述预处理后的图像中有目标存在。优选地，所述特征矩阵还包括:直方图向量；所述目标检测模块，还用于获取符合分类器的方差值的图格的直方图向量；对比所述图格的直方图向量与分类器的直方图向量；若符合分类器的直方图向量，则判定所述预处理后的图像中有目标存在；进一步，所述特征矩阵还包括:集合分类器矩阵；所述目标检测模块，还用于获取符合分类器的直方图向量的图格的集合分类器矩阵；对比所述图格的集合分类器矩阵与分类器的集合分类器矩阵；若符合分类器的集合分类器矩阵，则判定所述预处理后的图像中有目标存在；进一步，所述特征矩阵还包括:最近邻分类矩阵；所述目标检测模块，还用于获取符合所述分类器的集合分类器矩阵的图格的最近邻分类矩阵；对比所述图格的最近邻分类矩阵与分类器的最近邻分类矩阵；若符合分类器的最近邻分类矩阵，则判定所述预处理后的图像中有目标存在。优选地，所述目标检测模块，还用于若当前图格不符合分类器的方差值，或者不符合分类器的直方图向量，或者不符合分类器的集合分类器矩阵，或者不符合分类器的最近邻分类矩阵，则获取下一个图格，直至所有图格均处理完毕。优选地，若判断所述高分辨率图像中的目标对象为小目标，则所述装置还包括:窗口位置变换模块，用于对所述高分辨率图像中的目标对象进行窗口位置变换。优选地，所述图像获取模块，还用于获取第二帧及其后的高分辨率图像；若第一帧的高本文档来自技高网...
【技术保护点】
一种图像目标检测方法，其特征在于，包括：S1，获取动态采集的第一帧的高分辨率图像；S2，对所述高分辨率图像进行自适应实时检测变换；S3，采用预设的级联分类器，对自适应实时检测变换后的图像进行目标检测。
【技术特征摘要】
【专利技术属性】
技术研发人员：张显志，
申请(专利权)人：深圳一电科技有限公司，深圳一电航空技术有限公司，
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。