一种广义图像目标检测方法技术

本发明专利技术公开了一种广义图像目标检测方法，属于图像分析处理技术领域。本发明专利技术方法结合图像特征提取与学习过程中的样例方法和多实例方法的优势，在此基础上扩展成为多核多实例相似度特征（MKMIS），能够为同一类中具有不同外观的目标进行很好的描述，并能接受一定范围内的配准误差；其次，针对MKMIS特征的弱势，即图像特征维度过高、计算量大的情况，在分类器学习过程中，使用推广的前向特征选择方法，使其能够满足任意条件的损失和约束函数，使分类器可以选择到少量并且有效的图像特征，当进行在线目标检测时，只计算和使用这些特征即可，从而加快目标检测的速度。

【技术实现步骤摘要】

本专利技术涉及一种图像目标检测方法，尤其涉及一种多核多实例相似度特征与前向特征选择的广义图像目标检测方法，属于图像分析处理

技术介绍
在图像分析领域中，目标检测是ー项重要的工作。通常的方法是利用模式识别技术，通过滑动窗ロ对图像进行遍历实现。在遍历窗ロ的过程中，分类器对每个当前窗ロ进行决策，判断它是目标或是背景。近些年的研究对于某些类型目标的检测(例如，人脸，行人，车辆等)取得了一定的成果。然而，广义目标类型的检测仍然是个有待解决的问题。解决该问题的难点在于，语言上关于ー个类的概念，跟图像中实际观察到的该类的特征之间存在着差距，很难精确给出ー个概念对应的特征的分布。这ー现象通常称为语义鸿沟。直观来看即是，基于语义的目标类能表现出风格迥异的外观。例如，车辆类包含了多种亚类巴士、轿车、卡车等。对于复合结构或者复杂结构的目标，其视觉外观会受到其各个部件设置的影响。例如，每个部件具有不同的位置，每个部件还可以包含自己的亚类。这些变化条件使目标类的潜在外观设置数目以指数级增长。还有ー些外在因素，如视角、光照进ー步加剧了目标的外观变化范围。为解决这ー问题，许多研究工作致力于设计出具有高本文档来自技高网...

【技术保护点】
一种广义图像目标检测方法，其特征在于包括以下步骤：步骤一、读取训练集图像和样例集图像，提取出它们的低层图像特征，具体如下：所述训练图像和样例图像，具有统一的图像尺寸，目标在图像中所占的比例应保持尺度相当；特征提取是基于统一大小的固定网格进行的，图像被网格划分为M个矩形块，每个矩形块对应于一个图像特征通道，M为正整数；首先，定义每个矩形块的位置为一个锚点，锚点邻域内的若干矩形块为该锚点的支撑集，锚点的支撑集对应于多实例学习方法中的实例包；然后，根据已设置的M个锚点处的矩形块，对训练集图像提取低层多实例图像特征；每一个图像采样sampi的低层特征向量是？其中i表示训练图像的序号，为正整数；？分别表...

【技术特征摘要】

【专利技术属性】
技术研发人员：赵三元，李凤霞，李仲军，陈宇峰，王清云，孙晨升，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：