The invention provides an occlusion target detection method, which includes acquiring the target image and training data set in the preset database, evaluating the importance of detection factors by using Bayesian framework, fusing the detection factors and obtaining a multi-factor Bayesian model, and inputting the training set data into the multi-factor. In the prime Bayesian model, the weight of the multi-factor Bayesian model is optimized, and the optimized Bayesian model is obtained. The method of occlusion target detection provided by the invention constructs a multi-factor Bayesian model by using Bayesian framework, and then trains and optimizes the Bayesian model to obtain the optimized Bayesian model. Finally, the optimized Bayesian model is used to detect the target image to be detected and obtain accurate detection results, so that The multi-factor Bayesian model is used to avoid the phenomenon of missing detection due to the occlusion between the objects in the target image or the information loss of the target image when the objects are occluded.
【技术实现步骤摘要】
一种遮挡目标检测方法、电子设备、存储介质及系统
本专利技术涉及图像检测领域,尤其涉及一种遮挡目标检测方法、电子设备、存储介质及系统。
技术介绍
目标检测是通过提取目标的可判别特征,训练获得区分目标和背景的分类器,在图像中确定目标位置的过程。目标检测在视频监控、图像检索等领域有着广泛的应用价值。然而,由于真实世界中多目标之间复杂的空间位置关系,成像过程中存在大量的遮挡现象,致使目标检测丢失;现有方法在处理遮挡时,通常使用位置和遮挡类型,如规则网格的区域外观验证、网格二值可见性标记等;这种对于有遮挡状况下的目标检测是估测目标物的可见性,但是会出现对于目标物的信息检测损失造成对于目标物中信息检测不完全造成漏检的现象。
技术实现思路
为了克服现有技术的不足,本专利技术的目的之一在于提供一种有遮挡的目标物检测方法,其能解决对于目标物的信息检测损失造成对于目标物中信息检测不完全造成漏检的现象的问题。本专利技术的目的之二在于提供一种电子设备,其能解决对于目标物的信息检测损失造成对于目标物中信息检测不完全造成漏检的现象的问题。本专利技术的目的之三在于提供一种存储介质,其能解决对于目标物的信息检测损失造成对于目标物中信息检测不完全造成漏检的现象的问题。本专利技术的目的之四在于提供一种遮挡目标检测方法,其能解决对于目标物的信息检测损失造成对于目标物中信息检测不完全造成漏检的现象的问题。本专利技术的目的之一采用以下技术方案实现:一种遮挡目标检测方法,包括:图像获取,获取待测目标图像及预设数据库中的训练数据集;构建检测模型,采用贝叶斯框架评价检测因素的重要性及对所述检测因素进行因素融 ...
【技术保护点】
1.一种遮挡目标检测方法,其特征在于包括:图像获取,获取待测目标图像及预设数据库中的训练数据集;构建检测模型,采用贝叶斯框架评价检测因素的重要性及对所述检测因素进行因素融合并得到多因素贝叶斯模型;权重优化学习,将所述训练集数据输入至所述多因素贝叶斯模型中并对所述多因素贝叶斯模型进行权重优化处理,得到已优化贝叶斯模型;目标检测,将所述待测目标图像输入至所述已优化贝叶斯模型中进行检测并得到检测结果。
【技术特征摘要】
1.一种遮挡目标检测方法,其特征在于包括:图像获取,获取待测目标图像及预设数据库中的训练数据集;构建检测模型,采用贝叶斯框架评价检测因素的重要性及对所述检测因素进行因素融合并得到多因素贝叶斯模型;权重优化学习,将所述训练集数据输入至所述多因素贝叶斯模型中并对所述多因素贝叶斯模型进行权重优化处理,得到已优化贝叶斯模型;目标检测,将所述待测目标图像输入至所述已优化贝叶斯模型中进行检测并得到检测结果。2.如权利要求1所述的一种遮挡目标检测方法,其特征在于:所述检测因素包括外观因素、形变因素及可见性因素,所述多因素贝叶斯模型包括外观项子模型、形变项子模型以及可见性项子模型。3.如权利要求2所述的一种遮挡目标检测方法,其特征在于:所述外观项子模型用于分析所述目标图像的外观相似度,所述形变项子模型用于分析所述目标图像的位置偏离程度,所述可见性项子模型用于描述所述目标图像在遮挡时引起的图像损失。4.如权利要求1所述的一种遮挡目标检测方法,其特征在于:所述对所述多因素贝叶斯模型进行优化处理具体为:采用最大化曲线下方面积学习所述多因素贝叶斯模型中的系数,采用贪婪算法对所述多因素贝叶斯模型中的所述检测因素的权重进行优化。5.如权利要求1所述的一种遮挡目标检测方法,其特征在于:在所述构建检测模型之前还包括图像预处理,根据加权平均法对所述待测目标图像进行灰度变换处理、滤波处理以及纹理消除处理。6.一种电子设备,其特征在于包括:处理器;存储器;...
【专利技术属性】
技术研发人员:陈鑫,叶淑阳,
申请(专利权)人:淘然视界杭州科技有限公司,
类型:发明
国别省市:浙江,33
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。