物体检测方法和物体检测装置制造方法及图纸

本发明专利技术公开了一种物体检测方法和物体检测装置。物体检测方法包括：图像获取步骤，其获取包括目标物体的图像；分层图像生成步骤，其通过以多个不同的比例尺放大和/或缩小所述图像而生成多个分层图像；第一检测步骤，其从每个所述分层图像检测目标物体的至少一部分区域作为第一检测区域；选择步骤，其基于检测到的第一检测区域和预先学习的学习数据选择所述分层图像的至少一层；第二检测步骤，其检测在选中的分层图像中的目标物体的至少一部分区域作为第二检测区域；以及合成步骤，其将在第一检测步骤中检测到的检测结果和在第二检测步骤中检测到的检测结果合成。

【技术实现步骤摘要】
物体检测方法和物体检测装置
本专利技术涉及一种用于在执行高速检测处理的同时保持精确度的方法以及一种物体检测装置。
技术介绍
作为从图像中检测目标的传统方法之一，有这样一种方法，该方法包括：利用预先学习的模型执行检测处理；基于检测结果限制进行目标搜索的层的范围；然后基于更准确的模型执行检测处理。日本专利申请JP4498296讨论了这样一种方法，该方法包括：在分层图像上执行第一检测；然后针对下一个输入图像仅在从第一检测中检测出的相同的分层图像上执行第二检测。但是，根据日本专利申请JP4498296讨论的方法，被搜索的层仅限于同一层，但是对于下一个输入图像同一层并不总是具有最高的被检测的可能性。另外，如果在第一检测和第二检测中使用了不同的模型，那么很可能检测到的目标中的层并不总是在第一检测和第二检测中的同一层，因此导致了这样的问题：整体上的检测精确度被降低了。
技术实现思路
本专利技术的一个方面提供了一种物体检测方法，其包括：图像的图像获取步骤，其获取包括目标物体；分层图像生成步骤，其通过以多个不同的比例尺放大和/或缩小所述图像而生成多个分层图像；第一检测步骤，其从每个所述分层图像检测目标物体的至少一部分区域作为第一检测区域；选择步骤，其基于检测到的第一检测区域和预先学习的学习数据选择所述分层图像的至少一层；第二检测步骤，其检测在选择步骤中选择的分层图像中的目标物体的至少一部分区域作为第二检测区域；以及合成步骤，其将在第一检测步骤中检测到的检测结果和在第二检测步骤中检测到的检测结果合成。根据本专利技术的示例性实施方式，可以加快整个处理而同时保持监测的精确度。根据下述示例性实施例的详细描述并结合附图，本专利技术的其他特征及各方面将显而易见。附图说明附图包含在说明书中并构成说明书的一部分，附图描述了本专利技术的示例性实施方式、特征和各方面，并和说明书一起用于解释本专利技术的原理。图1展示了本专利技术的第一示例性实施方式的物体检测装置的配置。图2展示了本专利技术的第一示例性实施方式的物体检测方法的一个处理步骤。图3展示了本专利技术的第一示例性实施方式的物体检测方法的一个处理步骤。图4展示了本专利技术的第一示例性实施方式的物体检测方法的一个处理步骤。图5展示了本专利技术的第一示例性实施方式的物体检测方法的一个处理步骤。图6展示了本专利技术的第一示例性实施方式的物体检测方法的一个处理步骤。图7是流程图，展示了本专利技术的第一示例性实施方式的物体检测方法的处理步骤。图8展示了本专利技术的第二示例性实施方式的物体检测装置的配置。图9展示了本专利技术的第二示例性实施方式的物体检测方法的一个处理步骤。图10展示了本专利技术的第二示例性实施方式的物体检测方法的一个处理步骤。图11展示了本专利技术的第二示例性实施方式的物体检测方法的一个处理步骤。图12展示了本专利技术的第二示例性实施方式的物体检测方法的一个处理步骤。图13展示了本专利技术的第二示例性实施方式的物体检测方法的一个处理步骤。图14展示了本专利技术的第二示例性实施方式的物体检测方法的一个处理步骤。图15展示了本专利技术的第三示例性实施方式的物体检测装置的配置。图16展示了本专利技术的第三示例性实施方式的物体检测方法的一个处理步骤。具体实施方式以下将结合附图详细描述本专利技术的各种示例性实施方式、特征以及各方面。本专利技术的第一示例性实施方式的物体检测方法是用于稳定地检测存在于图像中的目标的方法。图像获取单元可以利用使用照相机、视频照相机或网络照相机捕捉的图像，或者利用预先捕捉并存储的图像。下面根据下述例子来描述本示例性实施方式：所述例子捕捉包括人的图像，并检测用户希望从获取的图像中检测的人。在本示例性实施方式中，检测目标是人，但不限于此。例如，本专利技术也可用于检测动物或植物等。图1展示了本示例性实施方式的物体检测装置100的轮廓。如图1所示，本示例性实施方式的物体检测装置100包括图像获取单元101、特征量生成单元102、第一检测单元103、第一估计单元104、层限制单元105、第二检测单元106、第二估计单元107以及合成单元108。图像获取单元101从照相机或者从预先捕捉的图像中获取图像。然后获取的图像被发送至特征量生成单元102。特征量生成单元102通过以图2所示的预定比例尺放大/缩小图像获取单元101获取的图像生成分层图像201，并为每个分层图像生成一个特征量。这里，术语“分层图像”是指通过以预定比例尺放大/缩小图像生成的图像。生成的特征量可以是梯度方向直方图(HOG)特征量、类哈尔(Haar-like)特征量、色彩特征量或者通过将上述特征量合成而生成的图像。生成的层特征量被输入至第一检测单元103和层限制单元105。第一检测单元103执行对每个分层图像201的特征量进行检测处理，所述特征量201由特征量生成单元102生成。如图3所示，在本示例性实施方式中，第一检测单元103基于分层图像302的特征量检测人的头部周围区域，所述分层图像302是分层图像201的其中之一。这里所说的术语“头部周围区域”用于表示不仅包括人的头部、甚至还包括肩膀的区域。检测目标不限于人的头部周围区域，也可以是胳膊、躯干、腿等。另外，在本示例性实施方式中，检测处理是在单个图像层上执行的，但是也可以在更多或者所有分层图像上执行。作为检测物体的方法，可利用已知的技术执行检测处理，例如《HOG+超向量机》(SuperVectorMachine，SVM)(引用文献：《人体检测的梯度方向直方图(HistogramsofOrientedGradientsforHumanDetection)》，作者N.Dalal，发表于2005年的《计算机视觉与模式识别》(CVPR))、《隐式形状模型》(ISM)(《利用隐式形状模型分类和分割组合对象(CombinedObjectCategorizationandSegmentationwithanImplicitShapeModel)》，作者B.Leibe，发表于2004年的“计算机视觉欧洲大会”(ECCV))或《隐生超向量机》(Latent-SVM)(《ObjectDetectionwithDiscriminativelyTrainedPartBasedModels》，作者P.Felzenszwalb、R.Girshick、D.McAllester、D.Ramanan，发表于电气及电子工程师学会的《模式分析及机器智能》(PAMI)，2010年第9期第32卷)。第一检测单元103检测分层图像302的特征量的结果303，所述分层图像302是分层图像201的其中之一。另外，第一检测单元103也可以执行检测处理，用于检测由图像获取单元101获取的图像上的目标物体的区域。在此情况下，第一检测单元103可利用已知的技术执行检测处理，例如模式匹配。由第一检测单元103检测到的头部周围区域的检测结果303被发送给第一估计单元104。第一估计单元104利用从第一检测单元103获取的检测结果303估计特定部分区域。在本示例性实施方式中，第一估计单元104估计头部区域作为特定部分区域。正如下文所述，术语“头部区域”仅用于表示头部，而上面描述的头部周围区域是指不仅包括头部、甚至还包括肩膀的区域。在本示例性实施方式中，第一检测单元103检测头部周围区域，而第一估计单元104仅本文档来自技高网...

【技术保护点】
一种物体检测方法，包括：图像获取步骤，其获取包括目标物体的图像；分层图像生成步骤，其通过以多个不同的比例尺放大和/或缩小所述图像而生成多个分层图像；第一检测步骤，其从每个所述分层图像检测目标物体的至少一部分区域作为第一检测区域；选择步骤，其基于检测到的第一检测区域和预先学习的学习数据选择所述分层图像的至少一层；第二检测步骤，其检测在选择步骤中选择的分层图像中的目标物体的至少一部分区域作为第二检测区域；以及合成步骤，其将在第一检测步骤中检测到的检测结果和在第二检测步骤中检测到的检测结果合成。

【技术特征摘要】
2012.03.30 JP 2012-0823791.一种物体检测方法，包括：图像获取步骤，其获取包括目标物体的图像；分层图像生成步骤，其通过以多个不同的比例尺放大和/或缩小所述图像而生成多个分层图像；第一检测步骤，其从每个所述分层图像检测目标物体的至少一部分区域作为第一检测区域；第一估计步骤，其基于检测到的第一检测区域的坐标和尺寸来估计第一估计区域；选择步骤，其基于估计的第一估计区域的尺寸和预先学习的学习数据选择所述分层图像的至少一层；第二检测步骤，其检测在选择步骤中选择的分层图像中的目标物体的至少一部分区域作为第二检测区域；第二估计步骤，其基于检测到的第二检测区域的坐标和尺寸来估计第二估计区域；以及合成步骤，其将在第一估计步骤中估计的估计结果和在第二估计步骤中估计的估计结果合成。2.根据权利要求1所述的物体检测方法，其中合成步骤包括：根据第一估计区域和第二估计区域之间的重合度将合成步骤中的结果确定为目标物体的区域。3.根据权利要求1所述的物体检测方法，其中分层图像生成步骤包括生成分层图像的每层的特征量。4.根据权利要求3所述的物体检测方法，其中第一检测步骤包括对每个分层图像的特征量执行检测处理。5.根据权利要求4所述的物体检测方法，其中第二检测步骤包括通过滑动预先学习过的每个模型的窗口...

【专利技术属性】
技术研发人员：塚本健二，鸟居宽，真继优和，
申请(专利权)人：佳能株式会社，
类型：发明
国别省市：