的目标对象进行窗口位置变换。
[0059]本发明提出的一种图像目标检测方法及装置，通过获取动态采集的第一帧的高分辨率图像；对高分辨率图像进行自适应实时检测变换；采用预设的级联分类器，对自适应实时检测变换后的图像进行目标检测，解决了现有技术中运动相机等动态背景下不能准确及长时间进行目标检测的问题，实现了动态环境下对高分辨率图像中目标的实时准确检测。
【附图说明】
[0060]图1是本发明图像目标检测方法第一实施例的流程示意图；
[0061]图2是本发明图像目标检测方法第二实施例的流程示意图；
[0062]图3是本发明图像目标检测方法第三实施例的流程示意图；
[0063]图4是本发明图像目标检测装置第一实施例的功能模块示意图；
[0064]图5是本发明图像目标检测装置第二实施例的功能模块示意图；
[0065]图6是本发明图像目标检测装置第三实施例的功能模块示意图。
[0066]本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
【具体实施方式】
[0067]应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0068]本发明实施例的主要解决方案是:通过获取动态采集的第一帧的高分辨率图像；对高分辨率图像进行自适应实时检测变换；采用预设的级联分类器，对自适应实时检测变换后的图像进行目标检测，实现动态环境下对高分辨率图像中目标的实时准确检测。
[0069]本发明实施例考虑到:现有技术中针对运动相机的目标检测算法，不能达到实时视频处理的目的或者不能进行准确的检测。
[0070]本发明实施例方案可以解决现有技术中运动相机等动态背景下不能准确及长时间进行目标检测的问题，实现动态环境下对高分辨率图像中目标的实时准确检测。
[0071]具体地，如图1所示，本发明第一实施例提出一种图像目标检测方法，包括:
[0072]SI，获取动态采集的第一帧的高分辨率图像；
[0073]其中，高分辨率图像为动态背景下采集的图像，本实施例以运动相机采集的图像为例，该运动相机可以安装在无人机上。本实施例方案可以实现运动相机高清摄像头采集的高分辨率图像中目标的实时准确检测。
[0074]S2，对所述高分辨率图像进行自适应实时检测变换；
[0075]其中，自适应实时检测变换是为了处理高分辨率图像实时检测的问题。通过自适应目标大小和原始图像，在保持高分辨率图像中有效特征的前提下，减少目标检测的计算复杂度，使得实时检测得以实现。
[0076]具体地，在对高分辨率图像进行自适应实时检测变换时，可以采用如下方案:
[0077]首先，根据预设的目标对象尺寸以及目标对象大小判断准则，判断高分辨率图像中的目标对象为大目标还是小目标。
[0078]其中，目标对象大小判断准则为:输入的目标对象尺寸与所获取的高分辨率图像的尺寸的比值是否大于一预值，若大于该预值，则判断该高分辨率图像中的目标对象为大目标，若小于或等于该预值，则判断该高分辨率图像中的目标对象为小目标。
[0079]若判断所获取的高分辨率图像中的目标对象为大目标，则按照插值算法对高分辨率图像进行缩小处理，以缩小后的图像构造出检测框，其中缩小的比例为上述判断高分辨率图像中的目标对象为大目标还是小目标时所参考的预值。
[0080]若判断所获取的高分辨率图像中的目标对象为小目标，则对高分辨率图像进行局部裁剪以形成一个窗口，该窗口位于所述高分辨率图像的中心，以该窗口构造出检测框，后续对图像的处理，均以窗口中的图像为处理对象。
[0081]其中，作为一种优选方案，在对高分辨率图像进行局部裁剪时，在所获取的高分辨率图像的中心进行裁剪，以使该窗口位于高分辨率图像的中心，裁剪的窗口的长为目标对象的长的7到13倍，窗口的宽为目标对象的宽的6到12倍。
[0082]由此，通过自适应目标大小和原始图像，在保持高分辨率图像中有效特征的前提下，减少了目标检测的计算复杂度，提高了目标检测的速度，从而使得目标实时快速检测得以实现。
[0083]上述检测框的构造过程如下:根据目标对象尺寸的大小以及高分辨率图像的尺寸的大小构造出一个以目标对象尺寸为小格的布满所获取的高分辨率图像的检测框。
[0084]之后，对该检测框进行缩放以得到一个缩小检测框(如0.8倍检测框)以及一个放大检测框(如1.2倍检测框)。
[0085]该步骤的目的是为了适应后续镜头的缩放或相机的远近拍摄而导致目标对象尺寸的改变，可通过不同的检测框来检测到目标对象。
[0086]S3，采用预设的级联分类器，对自适应实时检测变换后的图像进行目标检测。
[0087]其中，本实施例采用级联分类器设计，比普通的单一分类器，如HOG+SVM，检测效率更快，比一般的级联分类器，如harr+adaboost，检测效果更准确。
[0088]级联分类器中已训练好相应的特征矩阵，该特征矩阵包括但不限于:方差值、直方图向量、集合分类器矩阵和最近邻分类矩阵。
[0089]用以进行匹配检测的级联分类器的特征矩阵可以选择上述特征矩阵中的一种或多种。本实施例以方差值、直方图向量、集合分类器矩阵和最近邻分类矩阵这四种特征矩阵构成的四层级联分类器的检测进行举例。
[0090]具体的目标检测过程如下:
[0091]1、读取预先训练好的分类器中的特征矩阵；
[0092]2、根据上述得到的缩小检测框、检测框和放大检测框对获取的高分辨率图像进行分割，以得到若干个等比例缩小的目标对象大小的图格。
[0093]3、获取当前图格(初始时为第一个图格)的方差值；
[0094]4、对比第一个图格的方差值与分类器的方差值；
[0095]其中，对比的方法为:当前图像方差Si大于1/2分类器训练得到的方差S ^，则认为有目标存在(即符合分类器的方差值)。
[0096]若不符合分类器的方差值，则转到第3步，获取第二个图格的方差值；若符合分类器的方差值，则进入第5步；
[0097]5、获取符合分类器的方差值的图格的直方图向量；
[0098]6、对比该图格的直方图向量与分类器的直方图向量；
[0099]其中，对比的方法为:训练得到的直方图向量H(p)乘当前图像的直方图向量H(X)小于训练得到的判断阈值T，则认为有目标存在。
[0100]若不符合分类器的直方图向量，则转到第3步，获取第二个图格的方差值；若符合分类器的直方图向量，则进入第7步；
[0101]7、获取符合分类器的直方图向量的图格的集合分类器矩阵；
[0102]8、对比该图格的集合分类器矩阵与分类器的集合分类器矩阵；
[0103]其中，对比的方法为:将获取的高分辨率图像乘训练后的集合分类器特征矩阵得到特征值矩阵，将特征值矩阵求和与训练后的集合分类器特征阈值比较，大于则认为有目标存在。
[0104]若不符合分类器的集合分类器矩阵，则转到第3步，获取第二个图格的方差值；若符合分类器的集合分类器矩阵，则进入第9步；
[0105]9、获取符合分类器的集合分类器矩阵的图格的最近邻分类矩阵；
[0106]10、对比该图格的最近邻分类矩阵与分类器的最近邻分类矩阵；
[0107]其中，对比的方法为:用当前图像与训练得到的正样本矩阵集合进行模板匹配，找到最小的匹配值dN;用当前图像与训练得到的负样本矩阵集合进行模板匹配，找到最小的匹配值dp;对比dN/(dN+dp)与训练后的最近邻分类阈值的大小，大于则认为为真正的目标。
[0108]若不符合分类器的最近邻分类矩阵，则转到第3步，获取第二个图格的方差值；若符合分类器的最近邻分类矩阵，则进入第11步；
[0109]11、判断该图格为真正的目标，则获取目标位置，并对下一图格进行处理。
[0110]通过上述流程处理方式，直至所有图格均处理完毕。
[0111]12、若所有图格都没有被判断为真正的目标，则获取下一帧高分辨率图像。
[0112]对第二帧及其后的高分辨率图像的处理过程如下:
[0113]根据第一帧的判断，如果是大目标，则直接对下一帧图像进行降维处理，即进行缩小处理；然后执行S3。
[0114]如果是小目标，则根据上一帧的目标位置进行窗口位置变换，然后执行S3，并需要进行小目标的窗口位置变换(后续第三实施例将作详述)。
[0115]本实施例通过上述方案，具体通过获取动态采集的第一帧的高分辨率图像；对高分辨率图像进行自适应实时检测变换；采用预设的级联分类器，对自适应实时检测变换后的图像进行目标检测，解决了现有技术中运动相机等动态背景下不能准确及长时间进行目标检测的问题，实现了动态环境下对高分辨率图像中目标的实时准确检测。
[0116]如图2所示，本发明第二实施例提出一种图像目标检测方法，基于上述图1所示的实施例，在所述步骤S2，对所述高分辨率图像进行自适应实时检测变换之后还包括:
[0117]步骤S4，对自适应实时检测变换后的图像进行预处理；
[0118]所述步骤S3，采用预设的级联分类器，对自适应实时检测变换后的图像进行目标检测的步骤包括