基于dpm的快速目標檢測方法【專利摘要】本發(fā)明提供了一種基于DPM的快速目標檢測方法，步驟如下：一，導入已經(jīng)訓練好的目標檢測分類器；二，通過攝像頭讀取視頻，獲取一幀圖像；三，利用基于BING的objectness測量方法，產(chǎn)生可能含有目標的區(qū)域；四，計算圖像HOG特征金字塔；五，針對上述檢測出的區(qū)域進行DPM檢測，對產(chǎn)生的每一個區(qū)域的特征金字塔前N層逐像素處理，計算根濾波器得分、部件濾波器得分、形變花費，最終形成一個窗口得分，如果這個得分大于事先設(shè)定的閾值，則把該點記錄下來，如此循環(huán)到第N層；六，利用非極大值抑制算法，用矩形框標出檢測的物體；七，重復步驟三至六，處理下一幀視頻，直到視頻結(jié)束。本發(fā)明為目標檢測降低了搜索范圍，并且利用look-up-table，加速了HOG特征計算?！緦＠f明】基于DPM的快速目標檢測方法【
技術(shù)領(lǐng)域：
】[0001]本發(fā)明涉及基于目標檢測的圖像分析【
技術(shù)領(lǐng)域：
】，具體涉及一種基于DPM的快速目標檢測方法?！?br>背景技術(shù)：
】[0002]目標檢測是計算機視覺中，重要的一個研究方向，是進一步分析目標的基礎(chǔ)，在此基礎(chǔ)上，可以對目標跟蹤、行為分析等等。目前，目標檢測在學術(shù)上有許多模型，其中可形變部件模型(deformablepartmodels,簡稱DPM)是最近兩年最為流行的圖像中物體檢測模型，由于能準確地檢測出目標而受到歡迎，是公認的最好目標檢測算法。[0003]可變形部件模型(DPM)由三部分組成:⑴一個較為粗糙的、覆蓋整個目標的全局根模版(或叫做根濾波器)；(2)幾個高分辨率的部件模版(或叫做部件濾波器)；(3)部件模版相對于根模版的空間位置。[0004]該方法依據(jù)檢測窗口的得分判斷是否含有待檢測的目標，而檢測窗口的得分是根濾波器的分數(shù)加上各個部件濾波器的分數(shù)的總和，每個部件濾波器的分數(shù)是此部件濾波器的各個空間位置得分的最大值，每個部件濾波器的空間位置得分是部件濾波器在該子窗口上濾波器的得分減去變形花費。[0005]objectness測量是為了檢測出可能含有目標的區(qū)域，提高目標檢測的準確率。一個非常好的objectness測量可以加快目標檢測的速度，其需要滿足以下幾個條件:[0006]1、較高的檢測率；[0007]2、盡可能少的疑似目標區(qū)域；[0008]3、較高的計算效率；[0009]4、具有可擴展性。[0010]如上所述，現(xiàn)有的可形變部件模型(DPM)目標檢測方法雖然能準確檢測出待檢測目標，在一序列挑戰(zhàn)中，取得了較好成績，但是消耗的時間較高，一般很難直接用到實際產(chǎn)品中。而objectness測量的優(yōu)點是較高地檢出率，具有可擴展性，達到實時性，缺點是所用的學習方法比較簡單，產(chǎn)生的較多的區(qū)域。因此有必要提供一種新的檢測方法，即先進行objectness測量，然后針對可能含有的目標區(qū)域進行基于DPM的快速傅立葉目標檢測，即ODDPM?！?br/>發(fā)明內(nèi)容】[0011]本發(fā)明克服了上述現(xiàn)有技術(shù)中存在的不足，提出了一種具有實時性優(yōu)點的基于DPM的快速目標檢測方法。[0012]本發(fā)明的技術(shù)方案是這樣實現(xiàn)的:[0013]一種基于DPM的快速目標檢測方法，用于視頻圖像分析，所述方法包括以下步驟:[0014]步驟1:導入已經(jīng)訓練好的目標檢測分類器；[0015]步驟2:通過攝像頭讀取視頻，獲取一幀圖像；[0016]步驟3:利用基于BING的objectness測量方法，產(chǎn)生可能含有目標的區(qū)域；[0017]步驟4:計算圖像HOG特征金字塔；[0018]步驟5:針對步驟3檢測出的區(qū)域進行DPM檢測，對步驟3產(chǎn)生的每一個區(qū)域的HOG特征金字塔前N層逐像素處理，計算根濾波器得分、部件濾波器得分、形變花費，最終形成一個窗口得分，如果這個得分大于某個閾值，則把該點記錄下來，如此循環(huán)到第N層；[0019]步驟6:利用包圍合預測和非最大值抑制，用矩形框標出檢測的物體；[0020]步驟7:重復步驟3、4、5、6，處理下一幀視頻，直到視頻結(jié)束。[0021]優(yōu)選地，所述步驟5中最終形成窗口得分的計算公式如下:【權(quán)利要求】1.一種基于DPM的快速目標檢測方法，用于視頻圖像分析，其特征在于:所述方法包括以下步驟:步驟1:導入已經(jīng)訓練好的目標檢測分類器；步驟2:通過攝像頭讀取視頻，獲取一幀圖像；步驟3:利用基于BING的objectness測量方法，產(chǎn)生可能含有目標的區(qū)域；步驟4:計算圖像HOG特征金字塔；步驟5:針對步驟3檢測出的區(qū)域進行DPM檢測，對步驟3產(chǎn)生的每一個區(qū)域的HOG特征金字塔前N層逐像素處理，計算根濾波器得分、部件濾波器得分、形變花費，最終形成一個窗口得分，如果這個得分大于事先設(shè)定的閾值，則把該點記錄下來，如此循環(huán)到第N層；步驟6:利用非極大值抑制算法，用矩形框標出檢測的物體；步驟7:重復步驟3、4、5、6，處理下一幀視頻，直到視頻結(jié)束。2.根據(jù)權(quán)利要求1所述的基于DPM的快速目標檢測方法，其特征在于，所述步驟5中最終形成窗口得分的計算公式如下:3.根據(jù)權(quán)利要求1所述的基于DPM的快速目標檢測方法，其特征在于，在所述步驟4中，利用look-up-table計算圖像HOG特征金字塔，以加速特征計算?！疚臋n編號】G06K9/66GK104200236SQ201410417722【公開日】2014年12月10日申請日期:2014年8月22日優(yōu)先權(quán)日:2014年8月22日【發(fā)明者】李茂林,沈錦祥申請人:浙江生輝照明有限公司