一种变分辨率目标探测与识别一体化的方法与系统与流程
本发明属于光学成像技术领域，特别是涉及一种变分辨率探测与识别一体化的方法与系统。
背景技术：
目标探测与识别技术是对固定或移动目标的非接触测量，测量的信号中包含距离、位置、方位角或高度信息等，这种测量的装置可以是固定，也可以是运动的，而测量到的信号经过特殊的识别方法能正确地给出相关的信息。随着高灵敏探测器、图像传感器以及机器视觉的迅猛发展，相比较过去的探测识别技术，现在具有更远的探测距离及更精确的识别精度。因此，可广泛应用在监控、导航、航空、航天等领域。
传统目标探测与识别是通过不同的探测器或传感器完成，虽然功能较为完善，但由于不同功能需要由不同的部件完成，导致系统体积庞大，集成度不高。随着诸多研究领域对目标探测与识别一体化的需求不断增加，要求目标探测、识别一体化系统具有精度高、体积小、鲁棒性强等优点。传统的依靠多个传感器集成的目标探测与识别系统已不能满足需求。
技术实现要素：
为解决传统的多传感器目标探测与识别系统难以实现高度集成化和小型化的问题，本发明公开的一种变分辨率目标探测与识别一体化的方法与系统，要解决的技术问题是实现目标探测与识别一体化，具有精度高、体积小、鲁棒性强等优点。
本发明的目的是通过下述技术方案实现的：
本发明公开的一种变分辨率目标探测与识别一体化的方法，采用可变分辨率cmos相机进行图像采集，并能够完成自动方式/手动方式两种目标探测与识别方法。其中自动方式的原理为：首先系统默认处于目标探测状态，由cmos相机采用低分辨率模式，对视野内场景进行图像采集；然后采用目标探测算法判断视野内是否包含疑似目标；若发现疑似目标，则系统自动转换为目标识别状态，并由cmos相机采用高分辨率模式，对视野内场景再次成像；然后采用目标识别算法判定，并根据目标识别结果，自动调整系统的下一时刻状态以及cmos相机的分辨率模式，从而实现目标探测与识别的自动转换。手动方式的原理与自动方式区别在于，系统的状态(目标探测或目标识别)、cmos相机的分辨率模式以及目标探测与目标识别的结果，均由操作者进行控制和判定。
为实现基于变分辨率目标探测与识别一体化，采用如下技术方案：
本发明公开的一种变分辨率目标探测与识别一体化的系统，包括主控制模块、图像接口、cmos相机和镜头。其中主控制模块通过图像处理算法实现目标探测与识别，并根据目标探测与识别的结果实时控制cmos相机的分辨率模式，所述的分辨率模式分为用于目标探测的低分辨率模式和用于目标识别的高分辨率模式。图像接口用于cmos相机和主控制模块之间的数据传输。cmos相机通过光电转换，对当前目标进行图像采集，且cmos芯片需具有分辨率可调功能。镜头用于控制cmos相机的视场角和成像距离。
本发明公开的一种变分辨率目标探测与识别一体化的方法，包括如下步骤：
步骤一：根据变分辨率探测与识别一体化系统的当前状态设置cmos相机的图像传感器分辨率模式。
根据变分辨率探测与识别一体化的系统(以下简称系统)当前状态，设置cmos相机的图像传感器分辨率模式。若系统处于目标探测状态，则设为低分辨率模式，所述的低分辨率模式通过合并相邻像素的方法实现；如系统处于目标识别状态，则设为高分辨率模式。
所述的变分辨率探测与识别一体化的系统包括主控制模块、图像接口、cmos相机、镜头。其中主控制模块通过图像处理算法实现目标探测与识别，并根据目标探测与识别的结果实时控制cmos相机的分辨率模式，所述的分辨率模式分为用于目标探测的低分辨率模式和用于目标识别的高分辨率模式。图像接口用于cmos相机和主控制模块之间的数据传输。cmos相机通过光电转换，对当前目标进行图像采集，且cmos芯片需具有分辨率可调功能。镜头用于控制cmos相机的视场角和成像距离。
步骤二：对采集的图像进行预处理，以去除噪声，提高图像质量。
步骤三：根据系统的当前状态，对步骤二得到的图像进行目标探测或目标识别算法处理分别实现目标探测或识别。
若系统的当前状态为目标探测，则运行目标探测算法，实现目标探测。目标探测算法首先采用基于图论的视觉显著性模型(graph-basedvisualsaliency,gbvs)实现图像的显著性分析，得到显著图，并利用区域生长法进行显著性区域分割，得到感兴趣区域；然后以感兴趣区域和目标模板图像的灰度直方图作为图像特征，计算归一化相关系数，其计算公式为：
其中：α和β分别为感兴趣区域和模板的特征向量，
若系统的当前状态为目标识别，则运行目标识别算法，实现目标识别。目标识别算法首先对当前帧图像进行感兴趣区域分割，得到新的感兴趣区域；然后利用稀疏编码算法，对感兴趣区域进行稀疏编码，所得向量即为相应图像的特征向量；然后将特征向量输入到线下训练好的支持向量机，所得结果用于判断是否发现真实目标，即完成目标识别。
步骤四：根据系统当前状态和步骤三得到的目标探测或目标识别结果，设置系统状态，直至基于变分辨率实现一体化目标探测与识别。
当系统处于目标探测状态时，如果步骤三的目标探测算法发现疑似目标，则系统进入目标识别状态，返回步骤一；若未发现疑似目标，则系统继续保持目标探测状态，返回步骤一。当系统处于目标识别状态时，若经过步骤三未发现真实目标，则系统进入目标探测状态，返回步骤一；如果发现真实目标，则系统进入目标跟踪任务或其他任务，即基于变分辨率实现一体化目标探测与识别。
步骤三所述的目标探测或目标识别的结果通过自动方式或手动方式判断是否存在疑似目标或真实目标。
通过自动方式判断是否存在疑似目标或真实目标具体实现方法为：对于目标探测，按所述目标探测算法得到归一化相关系数，并将其与预设的阈值做对比，所得结果作为唯一分类标准，自动判断是否发现疑似目标；对于目标识别，首先利用上一帧图像的感兴趣区域轮廓提取当前帧的感兴趣区域，然后按照所述目标识别算法，得到支持向量机的输出结果，并将其作为唯一分类标准，自动判断是否发现真实目标，即实现自动方式判断是否存在疑似目标或真实目标。
通过自动方式判断是否存在疑似目标或真实目标，由于系统每次进入目标识别状态只处理单帧图像便转换为其它状态，因此简化了目标识别的感兴趣区域提取算法，提高了系统效率，此外系统的分辨率和工作状态可实现自动切换，提高了系统的智能性。
通过手动方式判断是否存在疑似目标或真实目标具体实现方法为：对于目标探测，按所述目标探测算法得到归一化相关系数，并将该系数作为辅助分类标准显示到图像上，最终由操作者决定是否发现疑似目标；对于目标识别，首先利用如上所述的视觉显著性模型和区域生长法提取感兴趣区域，再用稀疏编码算法得到特征向量，然后输入到线下训练好的支持向量机并得到其计算结果，并将该结果作为辅助分类标准显示到图像上，最终由操作者决定是否发现真实目标，即实现手动方式判断是否存在疑似目标或真实目标。
通过手动方式判断是否存在疑似目标或真实目标，该方法不仅充分利用线下训练的先验知识，而且结合了操作者特有的先验知识，降低系统误差，弥补了线下训练的先验知识不足的缺陷，提高了系统的鲁棒性和精度。
所述的步骤三目标识别算法的具体实现方法包括如下步骤：
由于采用支持向量机作为目标识别分类器，因此目标识别的具体实现由线下训练和线上测试两部分组成。目标识别线下训练的过程具体方法如下：
步骤(1)：对含标签的所有训练集图像采用同上所述的显著性分析算法进行处理。
步骤(2)：采用同上所述的区域生长法，对训练集图像进行显著性区域提取，得到训练集感兴趣区域。
步骤(3)：利用稀疏编码算法，对所得到的各个训练集感兴趣区域进行稀疏编码，所得向量即为相应图像的特征向量。
步骤(4)：将步骤(3)所得的特征向量及其相应的标签作为输入，训练支持向量机，并将训练好的支持向量机作为线上测试的目标识别分类器。
目标识别的线上测试流程具体方法如下：
步骤(1)：对步骤二所得图像进行显著性区域提取，得到感兴趣区域。
步骤(2)：对步骤(1)中得到的感兴趣区域，采用如上所述的稀疏编码算法，得到感兴趣区域的特征向量。
步骤(3)：将步骤(2)中所得的特征向量输入训练好的支持向量机，得到输出结果。
步骤(4)：基于步骤(3)所得的输出结果，采用自动方式或手动方式判断是否存在疑似目标或真实目标。
有益效果：
1、本发明公开的一种变分辨率探测与识别一体化的方法与系统，可根据不同需求，通过对定分辨率图像传感器进行像素合并满足探测与识别需求，具有精度高、体积小、鲁棒性强等优点。自动方式和手动方式相结合的方法进行目标存在与否的判定，能够提高系统的效率，且能够弥补单纯的自动方式先验知识不完备的缺陷，提高目标探测和识别精度；利用可变分辨率图像传感器实现探测与识别一体化的方法，简化目标探测和识别系统的结构，有利于系统的小型化；所设计的基于灰度直方图的目标探测算法对光照变化引起的特征变化具有鲁棒性。
2、本发明公开的一种变分辨率探测与识别一体化的方法与系统，具有手动与自动模式，手动模式可与具有先验知识的成像对接，自动模式可与不具有先验知识或者通过线下训练的图像数据库对接，因此，本发明系统扩展性良好，易于升级。
3、本发明公开的一种变分辨率探测与识别一体化的方法与系统，可自适应从目标探测到识别过渡，亦可只工作在探测或者识别模式，具有更强的通用性。
附图说明
图1为本发明公开的一种变分辨率探测与识别一体化的系统结构图；
图2为本发明公开的一种变分辨率探测与识别一体化的系统的工作流程图；
图3为探测子模块流程图；
图4为识别子模块流程图；
图5为原分辨率采样示意图；
图6为变分辨率采样示意图(2×2)；
图7为变分辨率采样示意图(4×4)。
其中：1-主控制模块，2-图像接口，3-cmos相机，4-镜头。
具体实施方式
以下结合附图对本发明的具体实施方式进行说明。
实施例1：
本实施例利用自动方式实现一种变分辨率目标探测与识别一体化的方法与系统。
如图1所示，本实施例公开的一种变分辨率目标探测与识别一体化的系统包括主控制模块1、图像接口2、cmos相机3、和镜头4。其中主控制模块1用于实现目标探测与识别，以及实时控制cmos相机3的分辨率模式。cmos相机3的图像传感器应具有像素合并功能，本实施例采用的图像传感器型号为mt9v032。
如图2所示，本实施例利用自动方式实现一种变分辨率目标探测与识别一体化的方法，包括如下步骤：
步骤一：根据变分辨率探测与识别一体化的系统当前状态设置cmos相机3的图像传感器分辨率模式。
根据变分辨率探测与识别一体化的系统(以下简称系统)当前状态，设置cmos相机3的图像传感器分辨率模式。若系统处于目标探测状态，则设为低分辨率模式，所述的低分辨率模式通过合并相邻像素的方法实现；如系统处于目标识别状态，则设为高分辨率模式。
所述的变分辨率探测与识别一体化的系统包括主控制模块1、图像接口2、cmos相机3、镜头4。其中主控制模块1通过图像处理算法实现目标探测与识别，并根据目标探测与识别的结果实时控制cmos相机3的分辨率模式，所述的分辨率模式分为用于目标探测的低分辨率模式和用于目标识别的高分辨率模式。图像接口用于cmos相机3和主控制模块1之间的数据传输。cmos相机3通过光电转换，对当前目标进行图像采集，且cmos芯片需具有分辨率可调功能。镜头用于控制cmos相机3的视场角和成像距离。
步骤二：对采集的图像进行预处理，以去除噪声，提高图像质量。
步骤三：根据系统的当前状态，对步骤二得到的图像进行目标探测或目标识别算法处理分别实现目标探测或识别。
若系统的当前状态为目标探测，则运行目标探测算法，实现目标探测。目标探测算法首先采用如上所述的视觉显著性模型实现图像的显著性分析，得到显著图，并利用区域生长法进行显著性区域分割，得到感兴趣区域；然后以感兴趣区域和目标模板图像的灰度直方图作为图像特征，计算归一化相关系数，其计算公式为：
其中：α和β分别为感兴趣区域和模板的特征向量，
若系统的当前状态为目标识别，则运行目标识别算法，实现目标识别。目标识别算法先将上一帧图像的感兴趣区域轮廓映射到当前图像，以实现显著性区域分割，得到感兴趣区域；然后利用稀疏编码算法，对感兴趣区域进行稀疏编码，所得向量即为相应图像的特征向量；然后将特征向量输入到线下训练好的支持向量机，利用所得结果自动判断是否发现真实目标，即完成目标识别。
步骤四：根据系统当前状态和步骤三得到的目标探测或目标识别结果，设置系统状态。
当系统处于目标探测状态时，如果步骤三的目标探测算法发现疑似目标，则系统进入目标识别状态，返回步骤一；若未发现疑似目标，则系统继续保持目标探测状态，返回步骤一。当系统处于目标识别状态时，若经过步骤三未发现真实目标，则系统进入目标探测状态，返回步骤一；如果发现真实目标，则系统进入目标跟踪任务或其他任务，即基于变分辨率实现一体化目标探测与识别。
实施例2：
本发明利用手动方式实现一种变分辨率目标探测与识别一体化的方法与系统。
如图1所示，本实施例公开的一种变分辨率目标探测与识别一体化的系统包括主控制模块1、图像接口2、cmos相机3、和镜头4。其中主控制模块1用于实现目标探测与识别，以及实时控制cmos相机3的分辨率模式。cmos相机3的图像传感器应具有像素合并功能，本实施例采用的图像传感器型号为mt9v032。
如图2所示，本实施例利用手动方式实现一种变分辨率目标探测与识别一体化的方法，包括如下步骤：
步骤一：根据变分辨率探测与识别一体化的系统当前状态设置cmos相机3的图像传感器分辨率模式。
根据变分辨率探测与识别一体化的系统(以下简称系统)当前状态，设置cmos相机3的图像传感器分辨率模式。若系统处于目标探测状态，则设为低分辨率模式，所述的低分辨率模式通过合并相邻像素的方法实现；如系统处于目标识别状态，则设为高分辨率模式。
所述的变分辨率探测与识别一体化的系统包括主控制模块1、图像接口2、cmos相机3、镜头4。其中主控制模块1通过图像处理算法实现目标探测与识别，并根据目标探测与识别的结果实时控制cmos相机3的分辨率模式，所述的分辨率模式分为用于目标探测的低分辨率模式和用于目标识别的高分辨率模式。图像接口用于cmos相机3和主控制模块1之间的数据传输。cmos相机3通过光电转换，对当前目标进行图像采集，且cmos芯片需具有分辨率可调功能。镜头用于控制cmos相机3的视场角和成像距离。
步骤二：对采集的图像进行预处理，以去除噪声，提高图像质量。
步骤三：根据系统的当前状态，对步骤二得到的图像进行目标探测或目标识别算法处理分别实现目标探测或识别。
若系统的当前状态为目标探测，则运行目标探测算法，实现目标探测。目标探测算法首先采用如上所述的视觉显著性模型实现图像的显著性分析，得到显著图，并利用区域生长法进行显著性区域分割，得到感兴趣区域；然后以感兴趣区域和目标模板图像的灰度直方图作为图像特征，计算归一化相关系数，其计算公式为：
其中：α和β分别为感兴趣区域和模板的特征向量，
若系统的当前状态为目标识别，则运行目标识别算法，实现目标识别。目标识别算法先利用如上所述的视觉显著性模型和区域生长法对图像进行显著性区域分割，得到感兴趣区域；然后利用稀疏编码算法，对感兴趣区域进行稀疏编码，所得向量即为相应图像的特征向量；然后将特征向量输入到线下训练好的支持向量机，当所得结果为真实目标时，则在图像中用绿色轮廓标注该感兴趣区域，否则用红色轮廓标注。对于是否发现真实目标由操作者进行判定，即完成目标识别。
步骤四：根据系统当前状态和步骤三得到的目标探测或目标识别结果，设置系统状态。
当系统处于目标探测状态时，如果步骤三中操作者判定发现疑似目标，则系统进入目标识别状态，返回步骤一；如果操作者判定未发现疑似目标，或操作者未做出判定，则系统继续保持目标探测状态，返回步骤一。当系统处于目标识别状态时，如果操作者未做出判定，则系统继续保持目标识别状态，返回步骤一；如果步骤三中操作者判定未发现真实目标，则系统进入目标探测状态，返回步骤一；如果操作者判定发现真实目标，则系统进入目标跟踪任务或其他任务，即实现基于变分辨率的一体化目标探测与识别。
以上仅为本发明的较佳实例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！