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。
[0178]3、获取当前图格(初始时为第一个图格)的方差值；
[0179]4、对比第一个图格的方差值与分类器的方差值；
[0180]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S0，则认为有目标存在(即符合分类器的方差值)。
[0181]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；
[0182]5、获取符合分类器的方差值的图格的直方图向量；
[0183]6、对比该图格的直方图向量与分类器的直方图向量；
[0184]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。
[0185]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；
[0186]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；
[0187]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；
[0188]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。
[0189]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；
[0190]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；
[0191]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；
[0192]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。
[0193]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；
[0194]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。
[0195]通过上述流程处理方式，直至所有图格均处理完毕。
[0196]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。
[0197]对第二帧及其后的高分辨率图像的处理过程如下:
[0198]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；然后由目标检测模块203采用预设的级联分类器，对图像进行目标检测。
[0199]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，然后由目标检测模块203采用预设的级联分类器，对图像进行目标检测，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)。
[0200]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。
[0201]如图5所示，本发明第二实施例提出一种图像目标检测装置，基于上述图4所示的实施例，该装置还包括:
[0202]预处理模块204，用于对自适应实时检测变换后的图像进行预处理；
[0203]所述目标检测模块，还用于采用预设的级联分类器，对预处理后的图像进行目标检测。
[0204]相比上述图4所示的实施例，本实施例方案还包括对自适应实时检测变换后的图像进行预处理。
[0205]其中，预处理的主要过程是:通过高斯模糊算法对上述输出的图像进行去噪处理，以提尚图像的处理精度。
[0206]如图6所示，本发明第三实施例提出一种图像目标检测装置，基于上述图5所示的实施例，若判断所述高分辨率图像中的目标对象为小目标，则所述装置还包括:
[0207]窗口位置变换模块205，用于对所述高分辨率图像中的目标对象进行窗口位置变换。
[0208]相比上述实施例，本实施例针对高分辨率图像中的目标对象为小目标时，还包括对高分辨率图像中的目标对象进行窗口位置变换的方案，以使动态目标位于窗口的中心，保证目标准确实时定位。
[0209]其中，小目标的窗口位置变换是指:根据获取真正的目标的位置，换算出具有目标的窗口位置并实时记录。
[0210]对第二帧及其后的高分辨率图像的处理过程如下:
[0211]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；然后依次由预处理模块204对自适应实时检测变换后的图像进行预处理，由目标检测模块203采用预设的级联分类器，对预处理后的图像进行目标检测。
[0212]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，然后依次由预处理模块204对自适应实时检测变换后的图像进行预处理，由目标检测模块203采用预设的级联分类器，对预处理后的图像进行目标检测，由窗口位置变换模块205对高分辨率图像中的目标对象进行窗口位置变换。
[0213]本实施例的目标检测过程如下:
[0214]1、读取预先训练好的分类器中的特征矩阵；
[0215]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预处理后的图像进行分割，以得到若干个等比例缩小的目标对象大小的图格。
[0216]3、获取当前图格(初始时为第一个图格)的方差值；
[0217]4、对比第一个图格的方差值与分类器的方差值；
[0218]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)。
[0219]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；
[0220]5、获取符合分类器的方差值的图格的直方图向量；
[0221]6、对比该图格的直方图向量与分类器的直方图向量；
[0222]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。
[0223]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；
[0224]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；
[0225]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；
[0226]其中，对比的方法为:将当前预处理后的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。
[0227]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；
[0228]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；
[0229]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；
[0230]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。
[0231]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；
[0232]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。
[0233]通过上述流程处理方式，直至所有图格均处理完毕，然后获取下一帧高分辨率图像进行处理。
[0234]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。
[0235]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；对自适应实时检测变换后的图像进行预处理，采用预设的级联分类器，对预处理后的图像进行目标检测，对于高分辨率图像中的目标对象为小目标的情形，还对目标对象进行窗口位置变换，由此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。
[0236]需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0237]上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[