This paper discloses methods, systems, devices and products for improving image classification with boundary bitmaps. Examples of disclosed devices include: a contour engine (110) for: recognizing the foreground contour in the image; generating a boundary box based on the boundary of the foreground contour; and generating a coded contour matrix for identifying the foreground cell and the background cell; and a convolution cell selector (112) for convoluting the coded contour matrix to generate a convolution bitmap. Matrix; and filter cell selector (116), which is used to improve image classification efficiency by identifying qualified blocks of the convoluted bitmap matrix through the following operations: retaining the first corresponding cell of the convoluted bitmap matrix satisfying the cell retention threshold; and removing the second corresponding cell of the convoluted bitmap matrix that does not satisfy the cell retention threshold.
【技术实现步骤摘要】
【国外来华专利技术】使用边界位图对图像分类的改善相关申请本专利要求享有于2016年6月6日提交的题为“SpeedImprovementofObjectRecognitionUsingBoundary-BitmapofHistogramofOrientedGradients”的序列号为62/346,065的美国临时申请的利益和优先权。序列号为62/346,065的美国临时申请的全部内容在此通过引用方式并入本文。
概括而言,本公开内容涉及图像分类,并且更具体而言,涉及用边界位图来改善图像分类的方法、系统和装置。
技术介绍
近年来,已经使用不同的方法实现了图像分类,所述方法包括定向梯度直方图(HoG)分类器。由示例性HoG分类器生成的特征描述符用于例如计算机视觉系统中以检测静态图像和/或视频中的人、动物和/或对象。一般而言,分类器被训练以借助于学习系统(例如,采用支持向量机(SVM)算法的学习系统)来检测这样的对象。因此,分类技术有时被称为HoG/SVM分类系统。附图说明图1是根据本公开内容的教导构造的用于用边界位图来改善图像分类的示例性分类加速器的示意图。图2A是用于生成用于由图1的示例性分类加速器实现的图像分类的描述符的示例性定向梯度直方图(HoG)过程的示意图。图2B是示例性网格的图示。图3是由图1的示例性分类加速器生成的示例性轮廓窗口的图示。图4是具有边界框以在图2的HoG过程期间裁减示例性HoG检测窗口的示例性HoG检测位图的图示。图5是由图1的示例性分类加速器生成的示例性编码的轮廓矩阵的图示。图6是由图1的示例性分类加速器生成的示例性卷积的位图矩阵的图示。图7是由图1的 ...
【技术保护点】
1.一种用于分析图像的装置,所述装置包括:轮廓引擎,其用于:识别所述图像内的前景轮廓;基于所述前景轮廓的边界来生成边界框;以及生成识别前景的单元格和背景的单元格的编码的轮廓矩阵;卷积单元格选择器,其用于对所述编码的轮廓矩阵进行卷积以生成卷积的位图矩阵;以及过滤单元格选择器,其用于通过以下操作识别所述卷积的位图矩阵的合格块来改善图像分类效率:保留满足单元格保留门限的、所述卷积的位图矩阵的第一相应单元格;以及去除不满足所述单元格保留门限的、所述卷积的位图矩阵的第二相应单元格。
【技术特征摘要】
【国外来华专利技术】2016.06.06 US 62/346,0651.一种用于分析图像的装置,所述装置包括:轮廓引擎,其用于:识别所述图像内的前景轮廓;基于所述前景轮廓的边界来生成边界框;以及生成识别前景的单元格和背景的单元格的编码的轮廓矩阵;卷积单元格选择器,其用于对所述编码的轮廓矩阵进行卷积以生成卷积的位图矩阵;以及过滤单元格选择器,其用于通过以下操作识别所述卷积的位图矩阵的合格块来改善图像分类效率:保留满足单元格保留门限的、所述卷积的位图矩阵的第一相应单元格;以及去除不满足所述单元格保留门限的、所述卷积的位图矩阵的第二相应单元格。2.根据权利要求1所述的装置,其中,所述过滤单元格选择器用于通过以下操作来生成贡献块矩阵:用保留指示符来对所述贡献块矩阵的所述第一相应单元格进行编码,以及用丢弃指示符来对所述贡献块矩阵的所述第二相应单元格进行编码。3.根据权利要求2所述的装置,还包括边界封装器,其用于识别所述保留指示符中的相应保留指示符的外周边,以生成合格块矩阵。4.根据权利要求3所述的装置,还包括分类接口,其用于用所述合格块矩阵来掩蔽检测窗口,所述掩蔽用于减少要在图像分类中处理的块的数量。5.根据权利要求1所述的装置,还包括分类接口,其用于将所述卷积的位图矩阵的所保留的第一相应单元格提供给定向梯度分类器的直方图。6.根据权利要求1所述的装置,还包括窗口引擎,其用于:将全一矩阵内核卷积到所编码的轮廓的相应单元格;以及计算用于所编码的轮廓的所述相应单元格的所述全一矩阵内核内的前景单元格的总和。7.根据权利要求6所述的装置,其中,所述卷积单元格选择器用于用所述卷积的位图矩阵的相应单元格中的所述总和来对所述卷积的位图矩阵进行编码。8.根据权利要求1所述的装置,其中,所述单元格保留门限包括基于矩阵内核大小或重叠步长中的至少一个的值。9.根据权利要求2、5、6或8中任一项所述的装置,还包括分组管理引擎,其用于分配所述图像的定向角以形成图像幅度的直方图。10.根据权利要求2、5、6或8中任一项所述的装置,还包括单元格描述符引擎,其用于将图像单元格的直方图聚合到所述图像的相应块。11.根据权利要求2、5、6或8中任一项所述的装置,还包括边界封装器,其用于识别所述图像的边界位图区域,所述边界位图区域指示要参与图像分类的减少数量的图像单元格。12.一种用于分析图像的方法,所述方法包括:通过用处理器来执行指令,识别所述图像内的前景轮廓;通过用所述处理器来执行指令,基于所述前景轮廓的边界来生成边界框;通过用所述处理器来执行指令,生成用于识别前景的单元格和背景的单元格的编码的轮廓矩阵;通过用所述处理器来执行指令,对所述编码的轮廓矩阵进行卷积以生成卷积的位图矩阵;通过用所述处理器来执行指令,通过以下操作识别所述卷积的位图矩阵的合格块来改善图像分类效率:(a)保留满足单元格保留门限的、所述卷积的位图矩阵的第一相应单元格,以及(b)去除不满足所述单元格保留门限的、所述卷积的位图矩阵的第二相应单元格。13.根据权利要求12所述的方法,还包括通过以下操作来生成贡献块矩阵:用保留指示符来对所述贡献块矩阵的所述第一相应单元格进行编码,以及用丢弃指示符来对所述贡献块矩阵的所述第二相应单元格进行编码。14.根据权利要求13所述的方法,还包括:识别所述保留指示符中的相应保留指示符的外周边,以生成合格块矩阵。15.根据权利要求14所述的方法,还包括:用所述合格块矩阵来掩蔽检测窗口,所述掩蔽用于减少要在图像分类中处理的块的数量。16.根据权利要求12所述的方法,还包括:将所述卷积的位图矩阵的所保留的第一相应单元格提供给定向梯度分类器的直方图。17.根据权利要求12所述的方法,还包括:将全一矩阵内核卷积到所编码的轮廓的相应单元格;以及计算用于所编码的轮廓的所述相应单元格的所述全一矩阵内核内的前景单元格的总和。18.根据权利要求17所述的方法,还包括:用所述卷积的位图矩阵的相应单元格中的所...
【专利技术属性】
技术研发人员:D·莫洛尼,A·德加尼,
申请(专利权)人:线性代数技术有限公司,
类型:发明
国别省市:爱尔兰,IE
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。