【技术实现步骤摘要】
本专利技术涉及目标检测
，尤其涉及一种。
技术介绍
目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割，将目标的分割和识别合二为一。在复杂场景中，通常需要对多个目标进行实时处理，因此，目标自动提取和识别就显得特别重要。随着计算机视觉技术的迅速发展，其被广泛地应用在目标检测领域，就目前而言，现有技术中已经存在多种针对特定目标进行检测的方法，如:人脸检测、行人检测、车辆检测等，且从目标检测的发展来看，在人脸检测、行人检测、车辆检测方面的研究也最为广泛，而在狗脸检测方面的研究却很少。众所周知，狗是人类忠实的朋友，目前，在中国、美国、日本等国家，养狗的人逐渐增多，因此，与狗相关的图像处理技术具有广泛的市场前景，尤其是狗脸识别技术，在狗注册、狗身份认证、狗相册制作以及公共安全监控等方面起到了至关重要的作用。狗脸检测是狗脸识别中极为重要的一个环节，其也属于对特定目标的检测，狗脸检测的目的就是将狗脸从图像背景中检测出来，或者说是将狗脸的子窗口与非狗脸的子窗口分开。相对于人脸检测而言，狗脸检测要困难的多，这主要是因为:狗脸在形状、大小、毛色、姿态、表情等方面变化多样；狗耳朵和脸部长毛容易遮挡其面部，尤其是眼睛部分；在拍摄狗时，由于其一般都处于走动状态，需要抓拍，故导致狗脸在图像中的位置变化很大或者说狗脸在图像中的位置总是不确定的，而人脸则通常位于图像的中心；背景变化、光照变化等因素引起的图像差异；狗种类较多，狗样本图像不易采集，上述的原因导致了现有的目标检测方法不能直接有效的检测狗脸，因此，如何能够正确且快速地检测狗脸成为目前亟待解决的问题之一。有关...
【技术保护点】
一种狗脸检测器的形成方法，其特征在于，包括如下步骤：采集狗脸图像；采集不包含狗脸的图像；从所述狗脸图像提取边缘图像；基于所述边缘图像获取边缘片段集合；以所述狗脸图像作为正样本、不包含狗脸的图像作为负样本，并以所述边缘片段集合中的边缘片段为特征，训练基于狗脸的边缘特征的强分类器；由至少一级强分类器形成狗脸检测器。
【技术特征摘要】
1.一种狗脸检测器的形成方法，其特征在于，包括如下步骤: 采集狗脸图像； 采集不包含狗脸的图像； 从所述狗脸图像提取边缘图像； 基于所述边缘图像获取边缘片段集合； 以所述狗脸图像作为正样本、不包含狗脸的图像作为负样本，并以所述边缘片段集合中的边缘片段为特征，训练基于狗脸的边缘特征的强分类器； 由至少一级强分类器形成狗脸检测器。2.如权利要求1所述的狗脸检测器的形成方法，其特征在于，所述采集狗脸图像包括: 从包含狗的图像中提取包含狗脸的图像； 对提取到的包含狗脸的图像进行归一化。3.如权利要求2所述的狗脸检测器的形成方法，其特征在于，所述从包含狗的图像中提取包含狗脸的图像包括: 确定狗眼睛的位置及 狗眼睛之间的眼间距； 利用所述眼间距与狗脸图像的宽之比、狗脸图像的高和宽之比、以及以所述狗眼睛的位置为分界的狗脸图像上、下两部分的高度之比，提取包含狗脸的图像。4.如权利要求2所述的狗脸检测器的形成方法，其特征在于，所述对提取到的包含狗脸的图像进行归一化包括: 基于所述包含狗脸的图像的尺寸和预定的归一化尺寸获取缩放倍数； 基于所述缩放倍数对所述包含狗脸的图像进行插值。5.如权利要求2所述的狗脸检测器的形成方法，其特征在于，在所述包含狗脸的图像为彩色图像时，对所述包含狗脸的图像的灰度图像进行归一化。6.如权利要求2所述的狗脸检测器的形成方法，其特征在于，还包括:对归一化后的包含狗脸的图像进行左右翻转。7.如权利要求6所述的狗脸检测器的形成方法，其特征在于，所述对归一化后的包含狗脸的图像进行左右翻转通过如下公式获得:8.如权利要求1所述的狗脸检测器的形成方法，其特征在于，所述基于所述边缘图像获取边缘片段集合包括: 在所述边缘图像上选取像素点作为种子； 将所述种子沿边缘生长以生成原始边缘片段，所述边缘片段集合包括原始边缘片段。9.如权利要求8所述的狗脸检测器的形成方法，其特征在于，所述基于所述边缘图像获取边缘片段集合还包括:以预定步长依次减少所述原始边缘片段的长度以获得新边缘片段，所述边缘片段集合还包括新边缘片段。10.如权利要求8所述的狗脸检测器的形成方法，其特征在于，所述原始边缘片段的长度小于或等于预定长度，或者所述原始边缘片段的长度等于所述种子与所述边缘的终点之间的长度，或者所述原始边缘片段的长度等于所述边缘的起点与终点之间的长度。11.如权利要求8所述的狗脸检测器的形成方法，其特征在于，所述基于所述边缘图像获取边缘片段集合还包括去除两边缘片段之间的差异小于预设阈值的其中一边缘片段。12.如权利要求1所述的狗脸检测器的形成方法，其特征在于，所述训练基于狗脸的边缘特征的强分类器包括: 步骤S51，为第i个训练样本Ei设定初始权值Oi=I,并为训练样本Ei加上类别标签Ii,正样本Yi=I，负样本Yi=-1，设定正样本通过率R。和负样本通过率Rb，其中，艮>99%，Rb在40% 60%之间取值，所述训练样本包括正样本和负样本； 步骤S52，训练当前权值下的弱分类器； 步骤353，通过13.如权利要求12所述的狗脸检测器的形成方法，其特征在于，所述步骤S52包括:步骤S521，建立弱分类器的表达式14.如权利要求13所述的狗脸检测器的形成方法，其特征在于，所述训练样本E与边缘片段T的形状相似度Simi larityT (E)，训练样本E与边缘片段T的距离相似度DistanceT (E)通过下述公式计算:15.如权利要求13所述的狗脸检测器的形成方法，其特征在于，所述步骤S523包括: 将各个训练样本和边缘片段T的匹配代价cost_r ii| (E)按照从小到大的顺序排序，求出相邻两个不同的COSt1^ (E)取值的平均值，构成一个数列IcJ，令thT分别依次取数列中的值。对于取定的每个thT值，将上述准则函数分别对aT和bT求偏导数，并令偏导数为零，可以解得:16.如权利要求12所述的狗脸检测器的形成方法，其特征在于，所述调整阈值通过下述步骤计算:计算每个负样本的弱分类器的输出累加和S = ^Zv(Ei);将计算得到的各负样本的 i=i ...
【专利技术属性】
技术研发人员：刘炳宪，谢菊元，王焱辉，王克惠，
申请(专利权)人：宁波江丰生物信息技术有限公司，
类型：发明
国别省市：
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。