在图像物体检测过程中确定子部件顺序的方法和装置制造方法及图纸

本申请公开了一种在图像物体检测过程中确定子部件顺序的方法和装置，属于图像检测领域。所述方法包括：基于样本集中的正样本，确定每个子部件对应的第一得分概率密度函数，并基于样本集中的负样本，确定每个子部件对应的第二得分概率密度函数；基于子部件顺序中第一位次对应的预设的参考概率，确定第一位次对应的子部件；对于子部件顺序中第一位次之后的每个位次，基于当前位次的前一个位次对应的参考概率和负参考概率、每个子部件对应的第一得分概率密度函数和每个子部件对应的第二得分概率密度函数，确定当前位次对应的参考概率，确定当前位次对应的子部件。采用本申请，可以提高确定的子部件顺序的准确率。

Method and device for determining the sequence of sub components in the process of image object detection

【技术实现步骤摘要】
在图像物体检测过程中确定子部件顺序的方法和装置
本申请涉及图像检测领域，特别涉及一种在图像物体检测过程中确定子部件顺序的方法和装置。
技术介绍
DPM(deformablepartmodel，可形变部件模型)是一种基于组件的目标检测算法，该算法普遍用于图像识别领域，如行人检测、车辆检测等方面。例如，在对行人进行检测时，可以将路边的监控摄像头拍摄的图像作为待检测图像，而目标类型为人类，通过DPM算法可以确定待检测图像中是否包括行人，进而确定人流量等数据。在使用DPM算法对待检测图像进行检测时，在待检测图像中先确定可能存在物体的图像区域，将其确定为根部件，然后在根部件中确定出多个局部特征的图像区域，将每个局部特征的图像区域确定为子部件，如图1所示。确定出各子部件后，按照预设的子部件顺序，根据每个子部件相对于根部件的位移计算子部件的子部件得分，位移越大，代表形变越大，子部件得分越低。然后，将该子部件的子部件得分与对应的预设阈值进行比较，如果该子部件的子部件得分小于对应的预设阈值，说明该子部件是检测类型的物体的局部特征的可能性很小，则可以直接跳本文档来自技高网...

【技术保护点】
1.一种在图像物体检测过程中确定子部件顺序的方法，其特征在于，所述方法包括：/n基于样本集中的正样本，确定每个子部件对应的第一得分概率密度函数，并基于所述样本集中的负样本，确定每个子部件对应的第二得分概率密度函数；/n基于子部件顺序中第一位次对应的预设的参考概率，确定所述第一位次对应的子部件，其中，所述参考概率用于指示目标样本是正样本的概率，所述目标样本是所述样本集中的任意样本；/n对于子部件顺序中第一位次之后的每个位次，基于当前位次的前一个位次对应的参考概率、所述每个子部件对应的第一得分概率密度函数和所述每个子部件对应的第二得分概率密度函数，确定所述当前位次对应的参考概率，基于所述当前位次对...

【技术特征摘要】
1.一种在图像物体检测过程中确定子部件顺序的方法，其特征在于，所述方法包括：
基于样本集中的正样本，确定每个子部件对应的第一得分概率密度函数，并基于所述样本集中的负样本，确定每个子部件对应的第二得分概率密度函数；
基于子部件顺序中第一位次对应的预设的参考概率，确定所述第一位次对应的子部件，其中，所述参考概率用于指示目标样本是正样本的概率，所述目标样本是所述样本集中的任意样本；
对于子部件顺序中第一位次之后的每个位次，基于当前位次的前一个位次对应的参考概率、所述每个子部件对应的第一得分概率密度函数和所述每个子部件对应的第二得分概率密度函数，确定所述当前位次对应的参考概率，基于所述当前位次对应的参考概率，确定所述当前位次对应的子部件。


2.根据权利要求1所述的方法，其特征在于，所述基于子部件顺序中第一位次对应的预设的参考概率，确定所述第一位次对应的子部件，包括：
根据子部件顺序中第一位次对应的预设的参考概率、第一位次的位次标识以及预先训练的子部件确定模型，确定所述第一位次对应的子部件。


3.根据权利要求1所述的方法，其特征在于，所述第一位次对应的预设的参考概率为百分之五十。


4.根据权利要求1所述的方法，其特征在于，所述基于当前位次的前一个位次对应的参考概率、所述每个子部件对应的第一得分概率密度函数和所述每个子部件对应的第二得分概率密度函数，确定所述当前位次对应的参考概率，包括：
获取当前位次的前一个位次对应的已确定的目标子部件；
将所述目标样本的所述目标子部件的子部件得分，输入所述目标子部件对应的第一得分概率密度函数，得到第一概率密度值；
将所述目标样本的所述目标子部件的子部件得分，输入所述目标子部件对应的第二得分概率密度函数，得到第二概率密度值；
基于当前位次的前一个位次对应的参考概率、负参考概率、所述第一概率密度值和所述第二概率密度值，确定所述当前位次对应的参考概率，其中，所述负参考概率用于指示目标样本是负样本的概率。


5.根据权利要求4所述的方法，其特征在于，所述基于当前位次的前一个位次对应的参考概率、负参考概率、所述第一概率密度值和所述第二概率密度值，确定所述当前位次对应的参考概率，包括：
根据公式确定所述当前位次对应的参考概率；
其中，Pt+1是所述当前位次对应的参考概率，ht表示所述第一概率密度值，gt表示所述第二概率密度值，pt表示当前位次的前一个位次对应的参考概率，qt表示当前位次的前一个位次对应的负参考概率。


6.根据权利要求1所述的方法，其特征在于，所述基于样本集中的正样本，确定每个子部件对应的第一得分概率密度函数，并基于所述样本集中的负样本，确定每个子部件对应的第二得分概率密度函数，包括：
获取样本集中的正样本，基于每个正样本的每个子部件得分，确定正样本的每个子部件的得分集合；
获取所述样本集中的负样本，基于每个负样本的每个子部件得分，确定负样本的每个子部件的得分集合；
根据所述正样本...

【专利技术属性】
技术研发人员：杨彭举，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江;33