目标检测方法及装置的制造方法
【专利摘要】本公开揭示了一种目标检测方法及装置，属于图像处理技术领域。所述目标检测方法包括：利用边缘检测算法对目标图像进行边缘检测，得到由边缘线条组成的边缘线条图，所述边缘线条为所述目标图像中与相邻像素点之间的灰度差值大于预定差值阈值的像素点组成的线条；采用预定滑动窗口对所述边缘线条图进行遍历，得到多个子图像，所述子图像为每帧所述预定滑动窗口内的像素点组成的图像；从所述多个子图像中确定出备选子图像，所述备选子图像中各个像素点的像素值的累加值大于预定像素值阈值；对所述备选子图像所在区域进行目标检测。本公开解决了相关技术中由于需要检测过多的窗口并逐个进行识别而导致的目标检测工作效率低的技术问题，提高了目标检测的工作效率。
【专利说明】
目标检测方法及装置
技术领域
[0001]本公开涉及图像处理技术领域，特别涉及一种目标检测方法及装置。
【背景技术】
[0002]随着图像处理技术的发展，目标检测技术的应用范围也更加的广泛。
[0003]相关技术中，为了对整幅目标图像进行检测，需要利用搜索窗口遍历目标图像，将搜索窗口遍历到的每个图像均作为一个子图像进行单独的识别，另外由于需要检测的目标物体的大小未知，通常还需要多次改变搜索窗口的比例和步长以检测更多搜索窗口内的子图像。通过上述利用搜索窗口遍历目标图像的方式，需要检测很多的窗口并逐个进行识别，这种目标检测方法的工作效率低。
【发明内容】
[0004]本公开提供一种目标检测方法及装置。所述技术方案如下:
[0005]根据本公开实施例的第一方面，提供一种目标检测方法，所述方法包括:
[0006]利用边缘检测算法对目标图像进行边缘检测，得到由边缘线条组成的边缘线条图，所述边缘线条为所述目标图像中与相邻像素点之间的灰度差值大于预定差值阈值的像素点组成的线条；
[0007]采用预定滑动窗口对所述边缘线条图进行遍历，得到多个子图像，所述子图像为每帧所述预定滑动窗口内的像素点组成的图像；
[0008]从所述多个子图像中确定出备选子图像，所述备选子图像中各个像素点的像素值的累加值大于预定像素值阈值；
[0009]对所述备选子图像所在区域进行目标检测。
[0010]本公开实施例的第一方面的实现方式所能达到的有益效果为:通过用预定滑动窗口对边缘线条图进行遍历，得到多个子图像，子图像为每帧预定滑动窗口内的像素点组成的图像，从遍历得到的多个子图像中确定出备选子图像，这里所讲的备选子图像中各个像素点的像素值的累加值大于预定像素值阈值，对备选子图像所在区域进行目标检测；由于利用预定滑动窗口遍历边缘线条图确定了可能存在目标的区域，也即只对备选子图像所在区域进行目标检测，减少了需要进行单独目标识别的搜索窗口，解决了相关技术中由于需要检测过多的窗口并逐个进行识别而导致的目标检测工作效率低的技术问题，提高了目标检测的工作效率。
[0011 ]可选的，所述对所述备选子图像所在区域进行目标检测，包括:
[0012]利用搜索窗口以预定步长遍历所述备选子图像所在区域；
[0013]对所述搜索窗口内的图像进行目标识别，提取识别出的目标；
[0014]按照第一预定比例调整所述搜索窗口的大小，按照第二预定比例调整所述预定步长;若所述搜索窗口的长度小于预定长度阈值且所述搜索窗口的宽度小于预定宽度阈值，则继续执行所述利用搜索窗口以预定步长遍历所述备选子图像所在区域的步骤。
[0015]本公开实施例的第一方面可选的实现方式所能达到的有益效果为:通过利用搜索窗口以预定步长遍历备选子图像所在区域，对搜索窗口内的图像进行目标识别，以实现对图像中的目标检测。同时，由于目标图像中的目标的大小未知，对搜索窗口的大小以及预定步长进行调整，以便准确地对图像中的目标进行识别。
[0016]可选的，所述从所述多个子图像中确定出备选子图像，包括:
[0017]对于每个子图像，计算所述子图像中所有像素点的像素值的累加值，将累加值大于所述预定像素值阈值的子图像确定为所述备选子图像。
[0018]本公开实施例的第一方面可选的实现方式所能达到的有益效果为:通过计算子图像中所有像素点的像素值的累加值来确定该图像中是否有包含目标的可能性，若该图像可能包含目标，则将该图像确认被备选子图像，以使得后续过程只对备选子图像所在区域利用搜索窗口进行识别，减少了需要单独进行识别的窗口的数量，提高了目标检测的效率。
[0019]可选的，所述从所述多个子图像中确定出备选子图像，包括:
[0020]对于每个子图像，计算所述子图像中像素值大于零的像素的数量，将数量大于预定数量阈值的子图像确定为所述备选子图像。
[0021]本公开实施例的第一方面可选的实现方式所能达到的有益效果为:通过计算所述子图像中像素值大于零的像素的数量，来确定该图像中是否有包含目标的可能性，若该图像可能包含目标，则将该图像确认被备选子图像，以使得后续过程只对备选子图像所在区域利用搜索窗口进行识别，减少了需要单独进行识别的窗口的数量，提高了目标检测的效率。
[0022]可选的，所述方法还包括:
[0023]对需要进行目标检测的图像进行灰度化以及降采样，得到所述目标图像。
[0024]本公开实施例的第一方面可选的实现方式所能达到的有益效果为:通过对需要进行目标检测的图像进行降采样以及灰度化，由于降采样后的图像的特征仍旧可以代表降采样前的图像的特征，降采样后的图像所包含的像素点远少于降采样前的图像中的像素点，进而在保证降采样后的图像仍旧可以代表原图像的同时，还可以减少后续的运算量。
[0025]根据本公开实施例的第二方面，提供一种目标检测装置，所述装置包括:
[0026]第一检测模块，被配置为利用边缘检测算法对目标图像进行边缘检测，得到由边缘线条组成的边缘线条图，所述边缘线条为所述目标图像中与相邻像素点之间的灰度差值大于预定差值阈值的像素点组成的线条；
[0027]遍历模块，被配置为采用预定滑动窗口对所述边缘线条图进行遍历，得到多个子图像，所述子图像为每帧所述预定滑动窗口内的像素点组成的图像；
[0028]确定模块，被配置为从所述多个子图像中确定出备选子图像，所述备选子图像中各个像素点的像素值的累加值大于预定像素值阈值；
[0029]第二检测模块，被配置为对所述确定模块确定的备选子图像所在区域进行目标检测。
[0030]可选的，所述第二检测模块，包括:
[0031]遍历子模块，被配置为利用搜索窗口以预定步长遍历所述备选子图像所在区域；
[0032]识别子模块，被配置为对所述搜索窗口内的图像进行目标识别，提取识别出的目标；
[0033]调整子模块，被配置为按照第一预定比例调整所述搜索窗口的大小，按照第二预定比例调整所述预定步长;在所述搜索窗口的长度小于预定长度阈值且所述搜索窗口的宽度小于预定宽度阈值的情况下，继续利用搜索窗口以预定步长遍历所述备选子图像所在区域。
[0034]可选的，所述确定模块，还被配置为:
[0035]对于每个子图像，计算所述子图像中所有像素点的像素值的累加值，将累加值大于所述预定像素值阈值的子图像确定为所述备选子图像;或者，
[0036]对于每个子图像，计算所述子图像中像素值大于零的像素的数量，将数量大于预定数量阈值的子图像确定为所述备选子图像。
[0037]可选的，所述装置还包括:
[0038]降采样模块，被配置为对需要进行目标检测的图像进行灰度化以及降采样，得到所述目标图像。
[0039]根据本公开实施例的第三方面，提供一种目标检测装置，所述装置包括:
[0040]处理器；
[0041 ]用于存储所述处理器可执行指令的存储器；
[0042]其中，所述处理器被配置为:
[0043]利用边缘检测算法对目标图像进行边缘检测，得到由边缘线条组成的边缘线条图，所述边缘线条为所述目标图像中与相邻像素点之间的灰度差值大于预定差值阈值的像素点组成的线条；
[0044]采用预定滑动窗口对所述边缘线条图进行遍历，得到多个子图像，所述子图像为每帧所述预定滑动窗口内的像素点组成的图像；
[0045]从所述多个子图像中确定出备选子图像，所述备选子图像中各个像素点的像素值的累加值大于预定像素值阈值；
[0046]对所述备选子图像所在区域进行目标检测。
[0047]应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
【附图说明】
[0048]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并于说明书一起用于解释本公开的原理。
[0049]图1是根据一示例性实施例示出的一种目标检测方法的流程图；
[0050]图2A是根据另一示例性实施例示出的一种目标检测方法的流程图；
[0051 ]图2B是根据一示例性实施例示出的一种边缘线条图；
[0052]图3是根据一示例性实施例示出的一种目标检测装置的框图；
[0053]图4是根据另一示例性实施例示出的一种目标检测装置的框图。
【具体实施方式】
[0054]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0055]图1是根据一示例性实施例示出的一种目标检测方法的流程图，该目标检测方法可以包括如下几个步骤。
[0056]在步骤101中，利用边缘检测算法对目标图像进行边缘检测，得到由边缘线条组成的边缘线条图，该边缘线条为目标图像中与相邻像素点之间的灰度差值大于预定差值阈值的像素点组成的线条。
[0057]在步骤102中，采用预定滑动窗口对边缘线条图进行遍历，得到多个子图像，该子图像为每帧预定滑动窗口内的像素点组成的图像。
[0058]利用预定滑动窗口对边缘线条图进行遍历并不是为了对边缘线条图进行目标检测，而是为了确定目标图像中可能存在目标的区域。
[0059]在步骤103中，从多个子图像中确定出备选子图像，该备选子图像中各个像素点的像素值的累加值大于预定像素值阈值。
[0060]若子图像中各个像素点的像素值的累加值大于预定像素值阈值，则认为该子图像中可能包含目标，将该子图像确定为备选子图像，以使得后续只对备选子图像所在区域进行目标检测。
[0061 ]在步骤104中，对备选子图像所在区域进行目标检测。
[0062]综上所述，本公开实施例中提供的目标检测方法，通过用预定滑动窗口对边缘线条图进行遍历，得到多个子图像，子图像为每帧预定滑动窗口内的像素点组成的图像，从遍历得到的多个子图像中确定出备选子图像，这里所讲的备选子图像中各个像素点的像素值的累加值大于预定像素值阈值，对备选子图像所在区域进行目标检测；由于利用预定滑动窗口遍历边缘线条图确定了可能存在目标的区域，也即只对备选子图像所在区域进行目标检测，减少了需要进行单独目标识别的搜索窗口，解决了相关技术中由于需要检测过多的窗口并逐个进行识别而导致的目标检测工作效率低的技术问题，提高了目标检测的工作效率。
[0063]图2A是根据另一示例性实施例示出的一种目标检测方法的流程图，该目标检测方法可以包括如下几个步骤。
[0064]在步骤201中，利用边缘检测算法对目标图像进行边缘检测，得到由边缘线条组成的边缘线条图，该边缘线条为目标图像中与相邻像素点之间的灰度差值大于预定差值阈值的像素点组成的线条。
[0065]这里所讲的边缘检测算法可以为索贝尔Sobel算子，也可以是其他本领域技术人员常用的边缘检测算法，比如罗伯茨Roberts算子、Canny算子等等，本实施例对边缘检测算法不作具体限定。在本实施例中，以边缘检测算法为Sobel算子进行举例说明。
[0066]对于目标图像中的每一个像素点，利用边缘检测算法计算该像素点与其相邻像素点之间的灰度差值，将该灰度差值大于预定差值阈值的像素点确定为边缘像素点，也就是说，边缘线条是周围灰度差值较大的像素点形成的线条。
[0067]根据目标图像中的边缘像素点组成边缘线条图，具体来讲，将这些边缘像素点在边缘线条图中进行显示，且每个边缘像素点的像素值为(255，255，255)，也即白色像素点，其他像素点的像素值为(0，0，0)，也即黑色像素点。如图2B所示，图2B是根据一示例性实施例示出的一种边缘线条图，这些边缘像素点显示为白色，组成边缘线条显示在边缘线条图中。
[0068]在步骤202中，采用预定滑动窗口对边缘线条图进行遍历，得到多个子图像，该子图像为每帧预定滑动窗口内的像素点组成的图像，从多个子图像中确定出备选子图像，该备选子图像中各个像素点的像素值的累加值大于预定像素值阈值。
[0069]利用预定滑动窗口以特定步长对边缘线条图进行遍历，将预定滑动窗口内的每帧像素点组成的图像确定为子图像。
[0070]从多个子图像中确定出备选子图像时，可以至少包括如下两种方式:
[0071]第一种方式中，对于每个子图像，计算该子图像中所有像素点的像素值的累加值，将累加值大于预定像素值阈值的子图像确定为备选子图像。
[0072]由于边缘线条图中的像素点包括白色的位于边缘线的像素点以及黑色的未位于边缘线上的像素点，白色像素点的像素值高于黑色像素点的像素值，当子图像中所有像素点的像素值的累加值大于预定像素值阈值，表明该子图像中边缘像素点较多，此时通常认为该子图像中可能存在待检测目标，将该子图像确定为备选子图像，以使得后续只对备选子图像所在区域进行目标检测。
[0073]第二种方式中，对于每个子图像，计算子图像中像素值大于零的像素的数量，将数量大于预定数量阈值的子图像确定为备选子图像。
[0074]当目标图像为灰度化后的图像时，由于目标图像上的各个像素点的灰度值为0(黑色)或1(白色)，因此，这里仅需要计算出子图像中像素值大于零的像素的数量(也即白色的像素点)，将数量大于预定数量阈值的子图像确定为备选子图像。
[0075]另外，本实施例不对预定滑动窗口的大小、特定步长的数值以及预定像素值阈值的数值进行具体的限制，可根据实际情况确定。
[0076]在步骤203中，利用搜索窗口以预定步长遍历备选子图像所在区域，对搜索窗口内的图像进行目标识别，提取识别出的目标。
[0077]对搜索窗口内的图像进行目标识别是本领域技术人员已掌握的较为成熟的技术，本实施例不再进行赘述。此外，本实施例不对搜索窗口的大小以及预定步长的数值进行具体限制，可根据实际情况确定。
[0078]在步骤204中，按照第一预定比例调整搜索窗口的大小，按照第二预定比例调整预定步长，若搜索窗口的长度小于预定长度阈值且搜索窗口的宽度小于预定宽度阈值，则继续执行利用搜索窗口以预定步长遍历备选子图像所在区域的步骤。
[0079]由于目标图像中的目标物体的大小未知，且只有当目标完全在搜索窗口内，才能够被成功识别。因此，需要多次调整搜索窗口的大小对目标图像进行遍历，对搜索窗口内的图像单独进行识别。具体地，在进行完一次遍历后，按照第一预定比例调整搜索窗口的大小，相应地按照第二预定比例调整预定步长，按照调整后的的搜索窗口和预定步长再次进行遍历，这里的第一预定比例通常为大于I的数值。
[0080]当搜索窗口的长度小于预定长度阈值且搜索窗口的宽度小于预定宽度阈值时，则继续执行步骤203中利用搜索窗口以预定步长遍历备选子图像所在区域的步骤。
[0081 ]当搜索窗口的长度大于预定长度阈值或者搜索窗口的宽度大于预定宽度阈值时，则结束此次目标检测。
[0082]需要说明的一点是，本实施例中不对第一预定比例和第二预定比例的数值进行具体限制，可根据实际情况确定。
[0083]综上所述，本公开实施例中提供的目标检测方法，通过用预定滑动窗口对边缘线条图进行遍历，得到多个子图像，子图像为每帧预定滑动窗口内的像素点组成的图像，从遍历得到的多个子图像中确定出备选子图像，这里所讲的备选子图像中各个像素点的像素值的累加值大于预定像素值阈值，对备选子图像所在区域进行目标检测；由于利用预定滑动窗口遍历边缘线条图确定了可能存在目标的区域，也即只对备选子图像所在区域进行目标检测，减少了需要进行单独目标识别的搜索窗口，解决了相关技术中由于需要检测过多的窗口并逐个进行识别而导致的目标检测工作效率低的技术问题，提高了目标检测的工作效率。
[0084]在实际应用场景中，对需要进行目标检测的图像的边缘检测与该图像中对象的色彩并无太大关系，因此为了降低运算量，这里仅需要考虑图像中的灰度值即可，也即可以先对需要进行目标检测的图像进行灰度化以及降采样，得到目标图像。
[0085]由于降采样后的图像的灰度值均代表了降采样前对应区域的平均灰度值，因此降采样后的图像的特征仍旧可以代表降采样前的图像的特征。
[0086]然后根据得到的目标图像执行步骤201。
[0087]下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
[0088]图3是根据一示例性实施例示出的一种目标检测装置的框图，该目标检测装置可以包括:第一检测模块310、遍历模块320、确定模块330和第二检测模块340。
[0089]第一检测模块310，被配置为利用边缘检测算法对目标图像进行边缘检测，得到由边缘线条组成的边缘线条图，边缘线条为目标图像中与相邻像素点之间的灰度差值大于预定差值阈值的像素点组成的线条。
[0090]遍历模块320，被配置为采用预定滑动窗口对第一检测模块310检测得到的边缘线条图进行遍历，得到多个子图像，该子图像为每帧该预定滑动窗口内的像素点组成的图像。
[0091]确定模块330，被配置为从遍历模块320遍历得到多个子图像中确定出备选子图像，该备选子图像中各个像素点的像素值的累加值大于预定像素值阈值。
[0092]第二检测模块340，被配置为对确定模块330确定的备选子图像所在区域进行目标检测。
[0093]综上所述，本公开实施例中提供的目标检测装置，通过用预定滑动窗口对边缘线条图进行遍历，得到多个子图像，子图像为每帧预定滑动窗口内的像素点组成的图像，从遍历得到的多个子图像中确定出备选子图像，这里所讲的备选子图像中各个像素点的像素值的累加值大于预定像素值阈值，对备选子图像所在区域进行目标检测；由于利用预定滑动窗口遍历边缘线条图确定了可能存在目标的区域，也即只对备选子图像所在区域进行目标检测，减少了需要进行单独目标识别的搜索窗口，解决了相关技术中由于需要检测过多的窗口并逐个进行识别而导致的目标检测工作效率低的技术问题，提高了目标检测的工作效率。
[0094]图4是根据另一示例性实施例示出的一种目标检测装置的框图，该目标检测装置可以包括:第一检测模块410、遍历模块420、确定模块430和第二检测模块440。
[0095]第一检测模块410，被配置为利用边缘检测算法对目标图像进行边缘检测，得到由边缘线条组成的边缘线条图，边缘线条为目标图像中与相邻像素点之间的灰度差值大于预定差值阈值的像素点组成的线条。
[0096]遍历模块420，被配置为采用预定滑动窗口对第一检测模块410检测得到的边缘线条图进行遍历，得到多个子图像，该子图像为每帧该预定滑动窗口内的像素点组成的图像。
[0097]确定模块430，被配置为从遍历模块420遍历得到的多个子图像中确定出备选子图像，该备选子图像中各个像素点的像素值的累加值大于预定像素值阈值。
[0098]第二检测模块440，被配置为对确定模块430确定的备选子图像所在区域进行目标检测。
[0099]可选的，第二检测模块440，包括:遍历子模块440a、识别子模块440b和调整子模块440c ο
[0100]遍历子模块440a，被配置为利用搜索窗口以预定步长遍历备选子图像所在区域。[0101 ]识别子模块440b，被配置为对搜索窗口内的图像进行目标识别，提取识别出的目标。
[0102]调整子模块440c，被配置为按照第一预定比例调整搜索窗口的大小，按照第二预定比例调整预定步长;在搜索窗口的长度小于预定长度阈值且搜索窗口的宽度小于预定宽度阈值的情况下，继续由遍历子模块440a执行利用搜索窗口以预定步长遍历所述备选子图像所在区域。
[0103]可选的，确定模块430，还被配置为:
[0104]对于每个子图像，计算子图像中所有像素点的像素值的累加值，将累加值大于预定像素值阈值的子图像确定为备选子图像；
[0105]或者，对于每个子图像，计算子图像中像素值大于零的像素的数量，将数量大于预定数量阈值的子图像确定为备选子图像。
[0106]可选的，该目标检测装置，还包括:
[0107]降采样模块450，被配置为对需要进行目标检测的图像进行灰度化以及降采样，得到目标图像。
[0108]综上所述，本公开实施例中提供的目标检测装置，通过用预定滑动窗口对边缘线条图进行遍历，得到多个子图像，子图像为每帧预定滑动窗口内的像素点组成的图像，从遍历得到的多个子图像中确定出备选子图像，这里所讲的备选子图像中各个像素点的像素值的累加值大于预定像素值阈值，对备选子图像所在区域进行目标检测；由于利用预定滑动窗口遍历边缘线条图确定了可能存在目标的区域，也即只对备选子图像所在区域进行目标检测，减少了需要进行单独目标识别的搜索窗口，解决了相关技术中由于需要检测过多的窗口并逐个进行识别而导致的目标检测工作效率低的技术问题，提高了目标检测的工作效率。
[0109]本公开一示例性实施例提供了一种目标检测装置，能够实现本公开提供的目标检测方法，该目标检测装置包括:处理器、用于存储处理器可执行指令的存储器；
[0110]其中，处理器被配置为:
[0111]利用边缘检测算法对目标图像进行边缘检测，得到由边缘线条组成的边缘线条图，该边缘线条为目标图像中与相邻像素点之间的灰度差值大于预定差值阈值的像素点组成的线条；
[0112]采用预定滑动窗口对该边缘线条图进行遍历，得到多个子图像，该子图像为每帧预定滑动窗口内的像素点组成的图像；
[0113]从多个子图像中确定出备选子图像，该备选子图像中各个像素点的像素值的累加值大于预定像素值阈值；
[0114]对备选子图像所在区域进行目标检测。
[0115]本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0116]应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
【主权项】
1.一种目标检测方法，其特征在于，所述方法包括: 利用边缘检测算法对目标图像进行边缘检测，得到由边缘线条组成的边缘线条图，所述边缘线条为所述目标图像中与相邻像素点之间的灰度差值大于预定差值阈值的像素点组成的线条； 采用预定滑动窗口对所述边缘线条图进行遍历，得到多个子图像，所述子图像为每帧所述预定滑动窗口内的像素点组成的图像； 从所述多个子图像中确定出备选子图像，所述备选子图像中各个像素点的像素值的累加值大于预定像素值阈值； 对所述备选子图像所在区域进行目标检测。2.根据权利要求1所述的方法，其特征在于，所述对所述备选子图像所在区域进行目标检测，包括: 利用搜索窗口以预定步长遍历所述备选子图像所在区域； 对所述搜索窗口内的图像进行目标识别，提取识别出的目标； 按照第一预定比例调整所述搜索窗口的大小，按照第二预定比例调整所述预定步长；若所述搜索窗口的长度小于预定长度阈值且所述搜索窗口的宽度小于预定宽度阈值，则继续执行所述利用搜索窗口以预定步长遍历所述备选子图像所在区域的步骤。3.根据权利要求1所述的方法，其特征在于，所述从所述多个子图像中确定出备选子图像，包括: 对于每个子图像，计算所述子图像中所有像素点的像素值的累加值，将累加值大于所述预定像素值阈值的子图像确定为所述备选子图像。4.根据权利要求1所述的方法，其特征在于，从所述多个子图像中确定出备选子图像，包括: 对于每个子图像，计算所述子图像中像素值大于零的像素的数量，将数量大于预定数量阈值的子图像确定为所述备选子图像。5.根据权利要求1至4中任一所述的方法，其特征在于，所述方法还包括: 对需要进行目标检测的图像进行灰度化以及降采样，得到所述目标图像。6.—种目标检测装置，其特征在于，所述装置包括: 第一检测模块，被配置为利用边缘检测算法对目标图像进行边缘检测，得到由边缘线条组成的边缘线条图，所述边缘线条为所述目标图像中与相邻像素点之间的灰度差值大于预定差值阈值的像素点组成的线条； 遍历模块，被配置为采用预定滑动窗口对所述边缘线条图进行遍历，得到多个子图像，所述子图像为每帧所述预定滑动窗口内的像素点组成的图像； 确定模块，被配置为从所述多个子图像中确定出备选子图像，所述备选子图像中各个像素点的像素值的累加值大于预定像素值阈值； 第二检测模块，被配置为对所述确定模块确定的备选子图像所在区域进行目标检测。7.根据权利要求6所述的装置，其特征在于，所述第二检测模块，包括: 遍历子模块，被配置为利用搜索窗口以预定步长遍历所述备选子图像所在区域； 识别子模块，被配置为对所述搜索窗口内的图像进行目标识别，提取识别出的目标； 调整子模块，被配置为按照第一预定比例调整所述搜索窗口的大小，按照第二预定比例调整所述预定步长;在所述搜索窗口的长度小于预定长度阈值且所述搜索窗口的宽度小于预定宽度阈值的情况下，继续利用搜索窗口以预定步长遍历所述备选子图像所在区域。8.根据权利要求7所述的装置，其特征在于，所述确定模块，还被配置为: 对于每个子图像，计算所述子图像中所有像素点的像素值的累加值，将累加值大于所述预定像素值阈值的子图像确定为所述备选子图像;或者， 对于每个子图像，计算所述子图像中像素值大于零的像素的数量，将数量大于预定数量阈值的子图像确定为所述备选子图像。9.根据权利要求6至8中任一所述的装置，其特征在于，所述装置还包括: 降采样模块，被配置为对需要进行目标检测的图像进行灰度化以及降采样，得到所述目标图像。10.—种目标检测装置，其特征在于，包括: 处理器； 用于存储所述处理器的可执行指令的存储器； 其中，所述处理器被配置为: 利用边缘检测算法对目标图像进行边缘检测，得到由边缘线条组成的边缘线条图，所述边缘线条为所述目标图像中与相邻像素点之间的灰度差值大于预定差值阈值的像素点组成的线条； 采用预定滑动窗口对所述边缘线条图进行遍历，得到多个子图像，所述子图像为每帧所述预定滑动窗口内的像素点组成的图像； 从所述多个子图像中确定出备选子图像，所述备选子图像中各个像素点的像素值的累加值大于预定像素值阈值； 对所述备选子图像所在区域进行目标检测。
【文档编号】G06T7/00GK105869148SQ201610171936
【公开日】2016年8月17日
【申请日】2016年3月24日
【发明人】龙飞, 汪平仄, 陈志军
【申请人】北京小米移动软件有限公司