对目标对象进行检测、确定目标对象数量的方法和设备的制作方法
【专利摘要】本发明公开了一种对目标对象进行检测、确定目标对象数量的方法和设备，其主要内容包括：通过在将包含目标对象的图像帧转化得到积分图像后，利用检测设备对得到的所述积分图像进行区域检测，并从检测得到的多个满足不同设定条件的区域中分别选择区域，对选择出的区域进行计算，判断选择出的区域是否属于同一目标对象中的不同区域，并在确定选择出的区域属于同一目标对象中的不同区域时，整合得到目标对象，避免了只检测目标对象的某一区域进行目标对象的确认存在检测错误率较高以及经常出现漏检的问题，提高了目标对象的检测准确率，该技术应用在交通领域，提高了确定斑马线上正在通过行人的精确度，进一步提高了交通安全的系数。
【专利说明】对目标对象进行检测、确定目标对象数量的方法和设备
【技术领域】
[0001] 本发明涉及智能监控领域，尤其涉及一种对目标对象进行检测、确定目标对象数 量的方法和设备。
【背景技术】
[0002] 随着科学技术的进步，人们的生活节奏越来越快。在通过马路时，经常能够看到的 一种情形：斑马线上的绿灯指示---行人通过马路的时间还剩下少于10秒的时间，有些行 人为了节省这10秒的时间，快速通过斑马线。现实生活中这种情形很常见，但是存在一定 的安全隐患。
[0003] 为了达到机动车礼让行人的目的，提出了将斑马线上通过的行人作为目标对象进 行检测，采用对斑马线上通过的行人进行人头检测的方式，确定当前斑马线上是否存在正 在通过的行人，具体方式为：
[0004] 主要通过对采集到的图像中是否存在有近似圆形的物体来进行判别。
[0005] 目前，大多数"人头检测"算法都是通过机器学习的方法来实现的，而目前主流的 机器学习方法为基于Boosting的方法，该方法主要分成学习和检测两个阶段。
[0006] 所谓学习阶段是通过Boosting算法训练得到人头检测设备，换句话说，就是通过 对大量的图像样本进行分析，得到其间的判别规律。
[0007] 具体地，所述学习阶段算法的具体步骤如下：
[0008] 第一步：给定一系列训练样本（X。yj，（x2, y2)，......（xn, yn)，其中，yi = 〇表示为 负样本(非人头)，yi = 1表示为正样本(人头)，n为训练样本数目，i的取值为1?η。
[0009] 第二步，初始化权重w1;i = 1. 0/η,并对t = 1，.....η,进行归一化处理，得到归一 化权重：
【权利要求】
1. 一种对目标对象进行检测的方法，其特征在于，包括： 按照至少一个设定角度对采集到的图像帧进行梯度强度计算，得到该设定角度对应的 梯度强度图像，并将所述梯度强度图像进行积分转换，得到积分图像； 利用部件检测设备对得到的所述积分图像进行检测，分别检测得到满足N个不同设定 条件的多个区域，其中，N为大于2的正整数； 针对得到的满足不同设定条件的区域，分别执行以下操作，直至确定出属于同一目标 对象的N个区域： 选择第一区域和第二区域，其中，所述第一区域满足第Μ设定条件，所述第二区域满足 第Μ+1设定条件，所述第Μ设定条件与所述第Μ+1设定条件不同； 将所述第一区域和所述第二区域进行距离计算，并根据计算得到的结果，确定出所述 第一区域和所述第二区域是否属于同一目标对象中的不同区域的第Μ概率，其中，Μ为大于 0且不小于Ν-1的正整数； 当所述第Μ概率大于设定的第Μ阈值时，确定所述第一区域和所述第二区域属于同一 目标对象中的不同区域，并将Μ更新为Μ+1，继续执行选择满足第Μ+1+1设定条件的区域的 操作； 在确定出属于同一目标对象的Ν个区域之后，将确定出的Ν个区域进行整合得到目标 对象。
2. 如权利要求1所述的方法，其特征在于，当所述第Μ概率不大于设定的第Μ阈值时， 所述方法还包括： 确定所述第一区域和所述第二区域不属于同一目标对象中的不同区域； 从满足第Μ+1设定条件的区域中，选择第三区域，其中，所述第三区域是与所述第二区 域不相同的其他区域； 将所述第一区域和所述第三区域进行距离计算，并根据计算得到的结果，确定出所述 第一区域和所述第三区域是否属于同一目标对象中的不同区域的第#概率，其中，为大 于0且不小于N-1的正整数； 当所述第#概率大于设定的第Μ阈值时，确定所述第一区域和所述第三区域属于同一 目标对象中的不同区域，并将Μ更新为Μ+1，继续执行选择满足第Μ+1+1设定条件的区域的 操作； 当所述第#概率不大于设定的第Μ阈值时，确定所述第一区域和所述第三区域不属于 同一目标对象中的不同区域，继续执行从满足第Μ+1设定条件的区域中，选择已选择的区 域不同的其他区域。
3. 如权利要求1所述的方法，其特征在于，所述Ν为3,第一设定条件为：检测得到的一 个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的头肩区域的特征 值之差满足设定的第一数值； 第二设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定 的包含一个人体的躯干区域的特征值之差满足设定的第二数值； 第三设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定 的包含一个人体的腿部区域的特征值之差满足设定的第三数值。
4. 如权利要求3所述的方法，其特征在于，所述检测得到一个区域内的特征值，包括： 从得到的积分图像中选择一个符合设定窗口大小的窗口区域，按照设定的移动步长和 缩放参数移动该窗口区域，对该积分图像进行扫描； 在所述窗口区域移动的过程中，当覆盖该积分图像的位置发生变化时，通过以下方式 计算变化后窗口区域内扫描到的该目标对象的一个特征对应的特征值：
其中，featureV表示变化后窗口区域内扫描到的该目标对象的一个特征的特征值；N 为该目标对象的特征的窗口个数％为该目标对象的特征的第i个窗口的权重值；sumi为 该目标对象的特征窗口区域覆盖内的积分图像中包含的第i个窗口在设定方向上梯度强 度和。
5. 如权利要求1?4任一所述的方法，其特征在于，将所述第一区域和所述第二区域进 行距离计算，包括： 确定所述第一区域内包含的各个像素点的像素点坐标，以及所述第二区域内包含的各 个像素点的像素点坐标； 将确定出的所述第一区域内包含的各个像素点的像素点坐标与确定出的第二区域内 包含的各个像素点的像素点坐标进行作差运算，并将得到的差值进行求和； 将得到的和值作为所述第一区域与所述第二区域之间的距离值。
6. 如权利要求5所述的方法，其特征在于，根据计算得到的结果，确定出所述第一区域 和所述第二区域是否属于同一目标对象中的不同区域的第Μ概率，包括 ： 利用所述第一区域内包含的各个像素点的像素点坐标和所述第二区域内包含的各个 像素点的像素点坐标，计算得到所述第一区域和所述第二区域的像素点坐标的均值和方差 值； 通过以下方式计算所述第一区域与所述第二区域是否属于同一个目标对象中不同区 域的第Μ概率：
其中：P(d)为所述第一区域与所述第二区域是否属于同一个目标对象中不同区域的 第Μ概率；d为所述第一区域与所述第二区域之间的距离值;m为统计得到的所述第一区域 与所述第N区域距离的均值；μ为统计得到的所述第一区域与所述第二区域距离的方差。
7. 如权利要求1所述的方法，其特征在于，所述按照至少一个设定角度对采集到的包 含目标对象信息的图像帧进行梯度强度计算，具体包括： 按照一个设定角度从包含目标对象信息的图像帧中选择第一窗口区域，以及从包含目 标对象信息的图像帧中选择第二窗口区域，其中，所述第一窗口区域与所述第二窗口区域 的大小相同，且在图像帧中的位置满足将所述第一窗口区域旋转180°后与所述第二窗口 区域重叠； 将选择出的所述第一窗口区域内包含的各个像素点的像素值与所述第二窗口区域内 包含的各个像素点的像素值进行作差，并将差值进行求和运算； 将得到的和值作为对于该设定角度的图像帧的梯形强度值。
8. -种基于权利要求1所述的对目标对象进行检测后确定目标对象数量的方法，其特 征在于，包括： 将整合得到的目标对象与其他图像帧中得到的目标对象进行比较； 在确定整合得到的目标对象与其他图像帧中得到的目标对象不是同一目标对象时，统 计在所有图像帧中出现的不同目标对象的数量。
9. 一种对目标对象进行检测的设备，其特征在于，包括： 积分图像获取模块，用于按照至少一个设定角度对采集到的图像帧进行梯度强度计 算，得到该设定角度对应的梯度强度图像，并将所述梯度强度图像进行积分转换，得到积分 图像； 区域检测模块，用于利用部件检测设备对得到的所述积分图像进行检测，分别检测得 到满足N个不同设定条件的多个区域，其中，N为大于2的正整数； 目标对象区域确定模块，用于针对得到的满足不同设定条件的区域，分别执行以下操 作，直至确定出属于同一目标对象的N个区域：选择第一区域和第二区域，其中，所述第一 区域满足第Μ设定条件，所述第二区域满足第M+1设定条件，所述第Μ设定条件与所述第 Μ+1设定条件不同；将所述第一区域和所述第二区域进行距离计算，并根据计算得到的结 果，确定出所述第一区域和所述第二区域是否属于同一目标对象中的不同区域的第Μ概 率，其中，Μ为大于0且不小于Ν-1的正整数；当所述第Μ概率大于设定的第Μ阈值时，确定 所述第一区域和所述第二区域属于同一目标对象中的不同区域，并将Μ更新为Μ+1，继续执 行选择满足第Μ+1+1设定条件的区域的操作； 目标对象整合模块，用于在确定出属于同一目标对象的Ν个区域之后，将确定出的Ν个 区域进行整合得到目标对象。
10. 如权利要求9所述的设备，其特征在于， 所述目标对象确定模块，还用于当所述第Μ概率不大于设定的第Μ阈值时，确定所述第 一区域和所述第二区域不属于同一目标对象中的不同区域；从满足第Μ+1设定条件的区域 中，选择第三区域，其中，所述第三区域是与所述第二区域不相同的其他区域；将所述第一 区域和所述第三区域进行距离计算，并根据计算得到的结果，确定出所述第一区域和所述 第三区域是否属于同一目标对象中的不同区域的第#概率，其中，Μ为大于0且不小于Ν-1 的正整数； 当所述第#概率大于设定的第Μ阈值时，确定所述第一区域和所述第三区域属于同一 目标对象中的不同区域，并将Μ更新为Μ+1，继续执行选择满足第Μ+1+1设定条件的区域的 操作； 当所述第#概率不大于设定的第Μ阈值时，确定所述第一区域和所述第三区域不属于 同一目标对象中的不同区域，继续执行从满足第Μ+1设定条件的区域中，选择已选择的区 域不同的其他区域。
11. 如权利要求9所述的设备，其特征在于， 所述Ν为3,第一设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特 征值与设定的包含一个人体的头肩区域的特征值之差满足设定的第一数值； 第二设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定 的包含一个人体的躯干区域的特征值之差满足设定的第二数值； 第三设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定 的包含一个人体的腿部区域的特征值之差满足设定的第三数值。
12. 如权利要求11所述的设备，其特征在于，所述设备还包括：特征值计算模块，具体 包括： 窗口扫描单兀，用于从得到的积分图像中选择一个符合设定窗口大小的窗口区域，按 照设定的移动步长和缩放参数移动该窗口区域，对该积分图像进行扫描； 特征值计算单元，用于在所述窗口区域移动的过程中，当覆盖该积分图像的位置发生 变化时，通过以下方式计算变化后窗口区域内扫描到的该目标对象的一个特征对应的特征 值：
其中，featureV表示变化后窗口区域内扫描到的该目标对象的一个特征的特征值；N 为该目标对象的特征的窗口个数％为该目标对象的特征的第i个窗口的权重值；sumi为 该目标对象的特征窗口区域覆盖内的积分图像中包含的第i个窗口在设定方向上梯度强 度和。
13. 如权利要求9?12任一所述的设备，其特征在于， 所述目标对象区域确定模块，具体用于确定所述第一区域内包含的各个像素点的像素 点坐标，以及所述第二区域内包含的各个像素点的像素点坐标；将确定出的所述第一区域 内包含的各个像素点的像素点坐标与确定出的第二区域内包含的各个像素点的像素点坐 标进行作差运算，并将得到的差值进行求和，并将得到的和值作为所述第一区域与所述第 二区域之间的距离值。
14. 如权利要求13所述的设备，其特征在于， 所述目标对象区域确定模块，具体用于利用所述第一区域内包含的各个像素点的像素 点坐标和所述第二区域内包含的各个像素点的像素点坐标，计算得到所述第一区域和所述 第二区域的像素点坐标的均值和方差值； 通过以下方式计算所述第一区域与所述第二区域是否属于同一个目标对象中不同区 域的第Μ概率：
其中：P(d)为所述第一区域与所述第二区域是否属于同一个目标对象中不同区域的 第Μ概率；d为所述第一区域与所述第二区域之间的距离值;m为统计得到的所述第一区域 与所述第N区域距离的均值；μ为统计得到的所述第一区域与所述第二区域距离方差。
15. 如权利要求9所述的设备，其特征在于， 所述积分图像获取模块，具体用于按照一个设定角度从包含目标对象信息的图像帧中 选择第一窗口区域，以及从包含目标对象信息的图像帧中选择第二窗口区域，其中，所述第 一窗口区域与所述第二窗口区域的大小相同，且在图像帧中的位置满足将所述第一窗口区 域旋转180°后与所述第二窗口区域重叠；将选择出的所述第一窗口区域内包含的各个像 素点的像素值与所述第二窗口区域内包含的各个像素点的像素值进行作差，并将差值进行 求和运算；将得到的和值作为对于该设定角度的图像帧的梯形强度值。
16. -种基于权利要求1所述的对目标对象进行检测后确定目标对象数量的设备，其 特征在于，包括： 比较模块，用于将整合得到的目标对象与其他图像帧中得到的目标对象进行比较； 统计模块，用于在确定整合得到的目标对象与其他图像帧中得到的目标对象不是同一 目标对象时，统计在某一段时间内所有图像中出现的不同目标对象的数量。
【文档编号】G06K9/00GK104123532SQ201310157570
【公开日】2014年10月29日 申请日期:2013年4月28日 优先权日:2013年4月28日
【发明者】周祥明, 潘石柱, 汪海洋, 王刚, 张兴明, 傅利泉, 朱江明, 吴军, 吴坚 申请人:浙江大华技术股份有限公司