基于深度图像的对象检测方法及其实现装置制造方法及图纸
【技术实现步骤摘要】
基于深度图像的对象检测方法及其实现装置
本专利技术涉及模式识别和人机交互领域，更具体地说，涉及一种基于深度图像的对象检测方法及其实现装置。
技术介绍
基于图像的物体检测是指在一幅给定图像中确定是否存在某一类或者几类特定的物体，并且给出该物体在图像中的具体的位置的过程。在模式识别和人机交互领域，常见的被检测的物体包括：车辆、人体、人脸、手等。通过确定这些对象的大小、位置、以及运动等信息，计算机可以实现对于特定的视觉目标或者人的行为进行响应，最终实现人机交互或者计算机自动处理识别的目的。物体检测过程中包括两个关键步骤：特征选择和分类器的学习。特征选择需要解决的问题是：对于当前对象而言，哪些信息具有更强的描述能力。特征选择是否恰当，直接决定了物体检测的成功与否。例如：在人脸检测领域，PaulViola和MichaelJones将灰度差异特征（Haar）应用于快速鲁棒的人脸检测，并且获得的巨大的成功；在人体检测领域，NavneetDalal和BillTriggs利用梯度方向直方图（HOG）特征进行人体描述，实现了较高性能的人体检测。分类器学习所解决的问题是：在已确定的特征...
【技术保护点】
一种基于深度图像的对象检测方法，其特征在于包括训练过程和检测过程,训练过程的步骤如下：a1）从相机中读取图像作为数据源；a2）根据待检测物体距离相机的距离，在图像上对物体进行分割；a3）在分割的基础上计算物体的外观和形状特征；a4）根据计算出的物体的外观和形状特征训练针对于物体的分类器；检测过程的步骤如下：b1）从相机中读取图像作为数据源；b2）根据物体距离相机的距离对其图像进行不同尺度的缩放，形成一个图像金字塔；b3）对于图像金字塔的每一层的图像上的非空区域，划分为多个扫描窗口；b4）在每一个扫描窗口内部，计算物体的外观和形状特征；b5）利用训练过程中得到的分类器，对扫描...
【技术特征摘要】
1.一种基于深度图像的对象检测方法，其特征在于包括训练过程和检测过程,训练过程的步骤如下：a1)从相机中读取图像作为数据源；a2)根据待检测物体距离相机的距离，在图像上对物体进行分割；a3)在分割的基础上计算物体的外观和形状特征；a4)根据计算出的物体的外观和形状特征训练针对于物体的分类器；检测过程的步骤如下：b1)从相机中读取图像作为数据源；b2)根据物体距离相机的距离对其图像进行不同尺度的缩放，形成一个图像金字塔；b3)对于图像金字塔的每一层的图像上的非空区域，划分为多个扫描窗口；b4)在每一个扫描窗口内部，计算物体的外观和形状特征；b5)利用训练过程中得到的分类器，对扫描窗口内的外观和形状特征进行判定，决定扫描窗口内是否包含目标物体；b6)将图像金字塔每一层的检测结果进行融合，得到最终的检测结果；步骤b2)包括以下具体步骤：b21)给定输入图像对，包括可见光图像和深度图像，且输入图像对已经经过配准；b22)构建可见光图像金字塔和深度图像金字塔；b221)：图像初始尺度s为1，标准检测窗口的大小为p×p；b222)：图像尺度为s，对应的等效检测窗口大小为p*s，即对应的物体的像的大小为p*s；b223)：当物体的像为p*s时，其对应的深度的取值范围为Z∈[C/(p*s)-Δt/(p*s),C/(p*s)+Δt/(p*s)]；b224)：根据步骤b223))中的范围，获得当前深度图像：其中，(x0,y0)表示深度图像中的像素点的坐标位置；Z表示该位置上的物体的距离值；b225)：根据深度图像D(·)，分割出对应的可见光图像中的相应区域，表示为C(·)；b226)：根据当前图像尺度s缩小深度图像D(·)和可见光图像C(·)，作为图像金字塔的第一层；b227)：更新当前图像尺度s＝s*Δs；b228)：重复步骤b222)～b227)，构建图像金字塔上的其他层次：可见光图像金字塔以及深度图像金字塔；b229)：当图像金字塔的图像的尺寸小于标准检测窗口尺寸(x,y)时，构建过程终止。2.根据权利要求1所述的基于深度图像的对象检测方法，其特征在于：所述步骤a1)和步骤b1)中的数据源可以只包含深度图像，也可以同时包含可见光图像；深度图像是物体距离相机的距离；该深度图像通过双目视觉设备或通过红外结构光投影设备得到。3.根据权利要求1或2所述的基于深度图像的对象检测方法，其特征在于所述步骤a2)如下：a21)在深度图像上标记目标物体的包围框；对深度图像和可见光图像进行配准，利用变化矩阵将一个图像上的标注结果映射到另一个图像上；a22)从包围框的中心开始，得到物体在包围框内部的联通区域；假设同一个物体在深度上是连续的，在深度图像上已经标注的...
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。