一种基于级联分类器的图像检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于级联分类器的图像检测方法及装置，涉及图像处理领域，解决了现有技术中图像检测信息易丢失的问题。本发明专利技术的基于级联分类器的图像检测方法包括：对待检测的图像进行预处理操作，得到图像的灰度值；根据图像的灰度值提取像素的局部相关差值特征；根据所述局部相关差值特征，计算图像块的绝对归一化梯度特征；通过级联分类器利用所述绝对归一化梯度特征对图像块进行检测分类，并将通过所述级联分类器的图像保存为目标图像。本发明专利技术的实施例主要用于对视频图像中的人脸或者其他物体进行识别判定。

Image detection method and device based on cascade classifier

The invention discloses an image detection method and a device based on a cascade classifier, which relates to the image processing field and solves the problem that the image detection information is easy to be lost in the prior art. The invention provides an image detection method based on cascade classifiers including: to distinguish the image pre-processing operation, get the image gray value; according to the characteristics of the local correlation difference extracted image pixel gray value; according to the local characteristics related to the difference, calculate the absolute normalized gradient feature of image blocks; the cascade classifier uses the absolute the normalized gradient feature detection classification of image blocks, and through the image of the cascade classifier for the target image preservation. The embodiment of the invention is mainly used for identifying and identifying faces or other objects in the video images.

【技术实现步骤摘要】
一种基于级联分类器的图像检测方法及装置
本专利技术涉及图像处理
，尤其涉及一种基于级联分类器的图像检测方法及装置。
技术介绍
随着安全需求的提高，人流量统计、人员特征识别、人脸识别等技术的商业价值已经开始显露，并逐步开始应用，而人脸检测作为这些任务的首要环节，具有非常重要的作用和意义，近年来，研究人员在这一领域投入了大量的时间和精力，致力于开发出一种快速准确的人脸检测方法。目前常用的人脸检测算法是将图像进行分割，通过边缘检测获取识别特征。级联分类器依据相应的识别特征对图像进行分类，从而检测出带有人脸的图像。然而现有技术中通常采用Sobel边缘算子对图像的边缘进行检测。在实现本专利技术的过程中，专利技术人发现现有技术中至少存在如下技术问题：Sobel边缘算子存在检测的边缘粗糙，并没有将图像的主题与背景严格地区分开来，换言之就是Sobel算子并没有基于图像灰度进行处理，由于Sobel算子并没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。而通过选定的阈值进行分割后，一些可能的边缘会被忽略，导致图像信息易丢失。
技术实现思路
本专利技术提供一种基于级联分类器的图像检测本文档来自技高网...

【技术保护点】
一种基于级联分类器的图像检测方法，其特征在于，包括：对待检测的图像进行预处理操作，得到图像的灰度值；根据图像的灰度值提取像素的局部相关差值特征；根据所述局部相关差值特征，计算图像块的绝对归一化梯度特征；通过级联分类器利用所述绝对归一化梯度特征对图像块进行检测分类，并将通过所述级联分类器的图像保存为目标图像。

【技术特征摘要】
1.一种基于级联分类器的图像检测方法，其特征在于，包括：对待检测的图像进行预处理操作，得到图像的灰度值；根据图像的灰度值提取像素的局部相关差值特征；根据所述局部相关差值特征，计算图像块的绝对归一化梯度特征；通过级联分类器利用所述绝对归一化梯度特征对图像块进行检测分类，并将通过所述级联分类器的图像保存为目标图像。2.根据权利要求1所述的基于级联分类器的图像检测方法，其特征在于，所述根据图像的灰度值提取像素的局部相关差值特征包括：按照如下公式提取像素的局部相关差值特征：其中，g(x,y)为像素点(x,y)处灰度局部相关差值；p为像素点(x,y)处的灰度值；pi为邻域像素点的灰度值；n为邻域像素的个数。3.根据权利要求1所述的基于级联分类器的图像检测方法，其特征在于，所述根据所述局部相关差值特征，计算图像块的绝对归一化梯度特征包括，计算中心像素的梯度大小和梯度方向；将梯度角度平均分为多个区间，根据所述梯度大小和所述梯度方向分别计算各个区间的梯度积分图，并根据所述梯度大小计算总梯度积分图；获取级联分类器中弱分类器对应的ID值，并根据所述ID值获取图像块对应的位置信息；根据所述位置信息中特征维数索引与区间数，利用所述梯度积分图或者所述总梯度积分图计算所述绝对归一化梯度特征。4.根据权利要求3所述的基于级联分类器的图像检测方法，其特征在于，所述根据所述位置信息中特征维数索引值与区间数，利用所述梯度积分图或者所述总梯度积分图计算所述绝对值归一化梯度特征，包括，当i<N+4，则由第i个方向的梯度积分图计算图像块中的梯度和；当i>N+4，则i＝i％N，则由总的梯度图得到计算所述图像块中第i块梯度和，即为所述图像块的梯度和；其中，i为所述特征维数索引值；N为所述区间数；对所述图像块的梯度和进行归一化，得到所述绝对值归一化梯度特征；所述绝对值归一化梯度的归一化因子为根据总梯度积分图获取图像块的梯度和。5.根据权利要求1所述的基于级联分类器的图像检测方法，其特征在于，通过级联分类器利用所述绝对归一化梯度特征对图像块进行检测分类，并将通过所述级联分类器的图像保存为目标图像，包括：将所述绝对归一化梯度特征与强分类器中所有弱分类器进行比较，并累加比较结果；当累加比较结果大于所述强分类器的阈值，通过下一强分类器对图像块进行进行检测；当所述累加比较结果依次通过所有强分类器时，将图像块所在的位置信息进行保存，所述位置信息包括图像块左上角的坐标(x，y)以及...

【专利技术属性】
技术研发人员：余慧，
申请(专利权)人：北京君正集成电路股份有限公司，
类型：发明
国别省市：北京,11