目标识别的方法及系统的制作方法
【技术领域】
[0001]本发明涉及图像识别技术领域，尤其涉及一种目标识别的方法及系统。
【背景技术】
[0002]目标物识别主要是指在给定的图像上定位识别出预先指定的目标物。在目标物识别领域，主要涉及到以下三种算法:
[0003]1.模板匹配法
[0004]模板匹配法主要思想是把待匹配目标物整体或者一部分作为模板，在待搜索图像上顺序或者按某种策略取出与模板大小相同的图像块，然后比较模板与上述图像块的相似度，相似度比较使用欧氏距离或者别的算法。如果模板与图像块的距离小于某个阈值，则认为该图像块就是寻找的目标物，目标识别完成。该方法简单，易于实现。但是同时有很多的缺点:
[0005]I)运算量大，需要做很多优化才可以实现实时。
[0006]2)精度差，无法对应尺度和角度的变化。图像中的目标物稍微改变一下大小或者视角便不能识别。
[0007]3)占用储存空间大，为了准确识别出各种光照条件和视角变换下的目标物，需要储存各种情况下的目标物的模板，会占用大量的储存空间。
[0008]2.特征点匹配法
[0009]特征点匹配法的主要思想是在目标物图像上使用某种算法(例如SIFT算法)检测出多个能代表该目标物的特征点，然后在这些特征点周围提取出特征向量(例如梯度直方图)用于稍后的识别。在待识别图像上使用相同方法检测出多个特征点，然后提取出特征点周围的特征向量。用这些特征向量和目标物的特征向量进行比较，如果距离小于一定阈值则认为找到目标，识别过程完成。
[0010]该算法在目标物的角度和尺度变化的情况下也能准确识别出目标。但是该算法只能用于轮廓丰富，刚性平面形变的物体，比如图书封面，商标等，如果因为光照变化导致轮廓不清楚会影响识别正确率。另一个问题是特征点检测的计算量大。
[0011]3.基于统计学习的方法
[0012]基于统计学习的方法在各个领域都得到广泛应用。该方法的主要思想是收集大量待识别目标物的图像作为正样本，同时收集大量非该目标物的图像作为负样本。对正负样本提取特征，然后使用机器学习的方法对正负样本的数据进行训练，在特征空间学习到一种划分方法可以区分出正负样本，该方法称之为分类器，可以区分出正负样本。此时训练阶段完毕。在使用阶段，对待识别图像按同样方法提取出特征，然后输入到训练阶段得到的分类器中，根据计算出的分数来判断该图像是否为目标物。
[0013]基于统计学习的方法在鲁棒性各方面都体现出较大优势，但是在具体实现过程中，又有各种技巧与方法。目前使用较广泛的是Bag Of Words模型，这些方法都有一些不足之处:
[0014]3.1.对于二分类问题准确度较高，但是对于多分类问题随着类别的增加，准确度急剧下降。
[0015]3.2.由于只提取全局特征，对于宏观上两种区别较大的物体，识别率很高。但是对于大体上很相似，只是局部细节不同的两种物体的识别率却非常低。
[0016]3.3.对于目标物在复杂背景下的图像而言，在训练学习过程中很容易学习到与目标无关的背景上，而减弱了目标物的特征，降低了识别率。
[0017]综上所述，寻求一种高效率且精度高的目标识别方法是一种亟待解决的问题。
【发明内容】
[0018]基于此，有必要针对传统技术中目标识别计算量大，准确度不高的问题，提供一种目标识别效率高且识别准确度高的目标识别的方法及系统。
[0019]为实现本发明目的提供的一种目标识别的方法，包括以下步骤:
[0020]使用预设分类器检测给定图像中是否含有目标物的预设局部特征，并得到检测结果;
[0021]根据所述检测结果，若是，则判定所述给定图像中包含所述目标物；
[0022]根据所述检测结果，若否，则判定所述给定图像中不包含所述目标物；
[0023]其中，所述预设局部特征为选定的所述目标物中包含的不同于除所述目标物以外的其他物件的局部部件的特征，且所述局部部件为所述目标物的一部分。
[0024]作为一种目标识别的方法的可实施方式，所述预设分类器包括N层，分别为第一层预设分类器、第二层预设分类器，……，第N层预设分类器，且每层分类器的数量为至少两个；
[0025]所述使用预设分类器检测给定图像中是否含有目标物的预设局部特征，并得到检测结果，包括以下步骤:
[0026]首先，使用第一层预设分类器对所述给定图像进行第一层分类；
[0027]其次，根据第一层分类的结果使用相应的第二层分类器继续进行第二层分类；
[0028]......;
[0029]直至使用相应的第N层分类器检测所述给定图像中是否含有预设局部特征，并得到检测结果；
[0030]其中，N为自然数，且大于等于2。
[0031]作为一种目标识别的方法的可实施方式，所述预设分类器的数量与要检测的目标物的数量相同，且每个所述预设分类器检测一种所述目标物；
[0032]所述使用预设分类器检测给定图像中是否含有目标物的预设局部特征，并得到检测结果，包括以下步骤:
[0033]使用每个所述预设分类器对所述给定图像进行预设局部特征检测，并给出所述给定图像中是否包含所述预设局部特征的评分；
[0034]判断所述评分是否大于预设评分值，若是，则得到为“是”的检测结果；
[0035]若否，则得到为“否”的检测结果。
[0036]作为一种目标识别的方法的可实施方式，当有两个以上所述预设分类器得到为“是”的检测结果时，确定得分最高的所述预设分类器得到为“是”的检测结果，确定其余得分不是最高的所述预设分类器得到为“否”的检测结果。
[0037]作为一种目标识别的方法的可实施方式，所述局部特征为对所述局部部件进行特征提取得到的，且对所述局部部件进行特征提取时，将所述局部部件分为WXH个区块，并对每个区块取9个桶(bin)的梯度方向直方图；
[0038]其中W和H均为正整数。
[0039]作为一种目标识别的方法的可实施方式，所述预设分类器在训练过程中，正样本包括所述目标物的每个形态的局部特征，负样本为所述目标物的局部背景特征及其他相关物件的特征。
[0040]基于同一发明构思的一种目标识别的系统，包括检测模块、第一判定模块及第二判定模块，其中:
[0041]所述检测模块，用于使用预设分类器检测给定图像中是否含有目标物的预设局部特征，并得到检测结果；
[0042]所述第一判定模块，用于根据所述检测模块的检测结果，若是，则判定所述给定图像中包含所述目标物；
[0043]所述第二判定模块，用于根据所述检测模块的检测结果，若否，则判定所述给定图像中不包含所述目标物；
[0044]其中，所述预设局部特征为选定的所述目标物中包含的不同于除所述目标物以外的其他物件的局部部件的特征，且所述局部部件为所述目标物的一部分。
[0045]作为一种目标识别的系统的可实施方式，所述预设分类