图像分类器的训练装置、检测目标物体的装置和电子设备制造方法及图纸

本申请实施例提供一种图像分类器的训练装置、检测目标物体的装置和电子设备，该检测目标物体的装置包括：第一提取单元，其提取图像中的包含被检测为目标物体的特征部位的区域；第二提取单元，其根据所述区域的像素值提取所述区域的图像特征(feature extraction)；以及识别单元，其使用基于卷积神经网络(CNN)的图像分类器，对提取出的所述图像特征进行分类，以识别所述区域中是否包含所述目标物体。

【技术实现步骤摘要】
图像分类器的训练装置、检测目标物体的装置和电子设备
本申请涉及电子信息

技术介绍
在交通视频监控领域，进行目标物体检测是一个非常重要的课题，该目标物体例如可以是车辆等。目前，目标物体检测技术有了较大进步，并且，多数技术在白天都能具有良好的表现。在夜间或隧道内等外界光线较弱的环境下，目标物体检测技术通常基于该目标物体自身发出的光来进行目标物体检测，例如，从前景图像中提取突出显示的区域作为检测和追踪的对象。该突出显示的区域例如可以是车辆的车灯等。有时，在图像中可能会出现一些不需要的亮点区域，影响对车辆的车灯等突出显示的区域的检测，从而造成误检测。在一些情况下，这些不需要的亮点区域来自其他发光物体，如路边照明设备、交通信号灯、远处建筑物的灯光等，通过在图像中设置感兴趣区域(ROI)掩模(mask)可以消除这些影响。在另一些情况下，这些不需要的亮点区域来自车辆的车灯在道路上的反射光斑。为了消除反射光斑引起的误检测，可以采用如下的方法来检测出反射光斑：阈值分割法，例如，通过设置亮度的阈值来区分车辆的车灯和反射光斑本文档来自技高网...

【技术保护点】
1.一种检测目标物体的装置，其特征在于，所述装置包括：/n第一提取单元，其提取图像中的包含被检测为目标物体的特征部位的区域；/n第二提取单元，其根据所述区域的像素值提取所述区域的图像特征；以及/n识别单元，其使用基于卷积神经网络的图像分类器，对提取出的所述图像特征进行分类，以识别所述区域中是否包含所述目标物体。/n

【技术特征摘要】
1.一种检测目标物体的装置，其特征在于，所述装置包括：
第一提取单元，其提取图像中的包含被检测为目标物体的特征部位的区域；
第二提取单元，其根据所述区域的像素值提取所述区域的图像特征；以及
识别单元，其使用基于卷积神经网络的图像分类器，对提取出的所述图像特征进行分类，以识别所述区域中是否包含所述目标物体。


2.如权利要求1所述的装置，其中，
所述区域的图像特征是所述区域中像素值的梯度在预定的k个方向上的分布信息，k为自然数。


3.如权利要求1所述的装置，其中，所述第二提取单元提取所述区域的图像特征，包括：
将所述区域划分为多个子区域，分别计算各子区域的像素值的梯度向量在第一方向和第二方向的分量的梯度矩阵Gx和Gy，其中，所述第一方向沿所述图像的宽度方向，所述第二方向沿所述图像的高度方向；
对所述梯度矩阵Gx和Gy进行极坐标转换，以计算各所述子区域的像素值的梯度向量的模矩阵GA和角度矩阵Gθ；
针对各子区域的所述模矩阵GA和角度矩阵Gθ，将所述梯度向量分解到预定的k个方向，计算所述k个方向的各方向上梯度向量的模的和，其中，该k个方向的梯度向量的模的和构成第一向量l；以及
将所述区域中全部子区域对应的各第一向量l组合成第一矩阵L，该第一矩阵L为所述区域的图像特征。


4.如权利要求3所述的装置，其中，针对各子区域的所述模矩阵GA和所述角度矩阵Gθ，将所述梯度向量分解到预定的k个方向，包括：
针对所述子区域内的各像素，当该像素的所述梯度向量对应的所述角度矩阵Gθ中的角度元素的值位于所述k个方向中的相邻两个方向的角度之间时，将该像素的所述梯度向量对应的所述模矩阵GA中的模元素的值分别分解到该相邻的两个方向。


5.如权利要求4所述的装置，其中，针对各子区域的所述模矩阵GA和所述角度矩阵Gθ，计算所述k个方向的各方向上梯度向量的模的和，包括：
针对所述k个方向中的各方向，将分解到...

【专利技术属性】
技术研发人员：韩泽静，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：日本;JP