一种多尺度图像目标检测方法和装置制造方法及图纸

本发明专利技术涉及图像目标检测技术领域，且公开了一种多尺度图像目标检测方法和装置，包括：检测装置将原始图像划分为多个尺度，即像素尺度、超像素尺度、图像块尺度，分别获取每一个尺度上的初始显著性检测结果；将多尺度上的显著性检测结果作为条件随机场CRF模型的特征输入，相邻像素之间的特征值作为随机变量之间的相互关系，获得原始图像的显著区域，完成目标分类和目标定位；并且通过对目标检测系统的硬件架构进行加速的方式来提高目标检测时的计算速度，具体加速方案是采用多CPU架构来提高系统的计算能力，以此实现提高系统的效能，从而实现了在高强度计算复杂性的条件下完成准确率高、实时性强的多尺度目标检测识别效果。

【技术实现步骤摘要】
一种多尺度图像目标检测方法和装置
本专利技术涉及图像目标检测
，具体为一种多尺度图像目标检测方法和装置。
技术介绍
在计算机视觉中，多尺度，实际上就是对信号的不同粒度的采样，通常在不同的尺度下我们可以观察到不同的特征，从而完成不同的任务。图像目标检测技术在各个领域都有着极为重要的作用和应用价值。在个人生活领域，目标检测和识别可用于家用监控、智能家居、个人电子设备等。例如，目前智能家居可以根据识别不同家庭成员提供不同服务，家用智能机器人可以处理各种家庭事务等。在公共安全领域，飞机场、地铁站、火车站的安防监控，自动检票等都是非常好的应用实例，目前随着目标检测识别技术的提高，该技术也被应用到智能辅助驾驶和无人驾驶方面。在医疗器械领域，目标检测识别技术广泛被应用在医学影响分析、体内微型机器人等。它可以帮助医生对医学影像进行辅助目标定位，使医生做出快速而准确的医学诊断。随着大数据时代和智能化时代的到来，可以发现图像目标检测识别技术应用在越来越多的领域中，随着应用领域的拓宽和应用深度的增加，图像目标检测识别技术面临着以下挑战：本文档来自技高网...

【技术保护点】
1.一种多尺度图像目标检测方法，其特征在于，包括以下步骤：/n步骤一，图像采集模块采集原始图像I，将所采集的图像输入至目标检测系统，目标检测系统的图像预处理模块对原始输入图像进行平滑处理；/n步骤二，目标检测系统的图像处理模块将原始图像I划分为多个尺度，即像素尺度、超像素尺度、图像块尺度，分别获取每一个尺度上的初始显著性检测结果；/n步骤三，将像素尺度、超像素尺度、图像块尺度上的显著性检测结果作为条件随机场CRF模型的特征输入，相邻像素之间的特征值作为随机变量之间的相互关系，获得原始图像I的显著区域，完成原始图像I的目标分类和目标定位；/n所述CRF模型为：/n

【技术特征摘要】
1.一种多尺度图像目标检测方法，其特征在于，包括以下步骤：
步骤一，图像采集模块采集原始图像I，将所采集的图像输入至目标检测系统，目标检测系统的图像预处理模块对原始输入图像进行平滑处理；
步骤二，目标检测系统的图像处理模块将原始图像I划分为多个尺度，即像素尺度、超像素尺度、图像块尺度，分别获取每一个尺度上的初始显著性检测结果；
步骤三，将像素尺度、超像素尺度、图像块尺度上的显著性检测结果作为条件随机场CRF模型的特征输入，相邻像素之间的特征值作为随机变量之间的相互关系，获得原始图像I的显著区域，完成原始图像I的目标分类和目标定位；
所述CRF模型为：

（15）；
式中，I为输入图像；z为归一化因子；
图像I中的显著区域表示为一个二值模板A={ax}，当ax=1时，说明像素x属于显著区域；当ax=0时，说明像素x属于背景区域；
其中，（16）；
式中，等式右边第一项为输入特征；第二项为随机变量的相互关系；(x,xʹ)为邻接像素；γk为第k个特征权值；
其中，（17）；
式中，fk(x,I)为像素x属于显著区域的概率；
其中，（18）；
式中，d(x,xʹ)为两个邻接像素在Lab颜色空间的距离；
其中，权值参数（19）；
其中，（20）；
式中，(A,I)为训练的图像样本；
步骤四，目标检测系统向目标显示模块输出原始图像I的目标分类和目标定...

【专利技术属性】
技术研发人员：李圣权，郁强，王顺镇，
申请(专利权)人：城云科技中国有限公司，
类型：发明
国别省市：浙江;33