0238]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
[0239]以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
【主权项】
1.一种图像目标检测方法，其特征在于，包括: Si，获取动态采集的第一帧的高分辨率图像； S2，对所述高分辨率图像进行自适应实时检测变换； 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。2.根据权利要求1所述的方法，其特征在于，所述S2，对所述高分辨率图像进行自适应实时检测变换的步骤之后还包括: S4，对自适应实时检测变换后的图像进行预处理； 所述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: S31，采用预设的级联分类器，对预处理后的图像进行目标检测。3.根据权利要求2所述的方法，其特征在于，所述对所述高分辨率图像进行自适应实时检测变换的步骤包括: 根据预设的目标对象尺寸以及目标对象大小判断准则，判断所述高分辨率图像中的目标对象为大目标还是小目标； 若判断所述高分辨率图像中的目标对象为大目标，则按照插值算法对所述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； 若判断所述高分辨率图像中的目标对象为小目标，则对所述高分辨率图像进行局部裁剪以形成一个窗口，所述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；对所述检测框进行缩放以得到一个缩小检测框以及一个放大检测框。4.根据权利要求3所述的方法，其特征在于，所述采用预设的级联分类器，对预处理后的图像进行目标检测的步骤包括: 读取预先训练好的分类器中的特征矩阵，所述特征矩阵至少包括方差值； 根据构造的所述检测框、缩小检测框以及放大检测框，对所述预处理后的图像进行分割，得到若干个等比例缩小的目标对象大小的图格； 获取第一个图格的方差值； 对比第一个图格的方差值与所述分类器的方差值； 若符合分类器的方差值，则判定所述预处理后的图像中有目标存在。5.根据权利要求4所述的方法，其特征在于，所述特征矩阵还包括:直方图向量；所述采用预设的级联分类器，对预处理后的图像进行目标检测的步骤还包括: 获取符合分类器的方差值的图格的直方图向量； 对比所述图格的直方图向量与分类器的直方图向量； 若符合分类器的直方图向量，则判定所述预处理后的图像中有目标存在。6.根据权利要求5所述的方法，其特征在于，所述特征矩阵还包括:集合分类器矩阵；所述采用预设的级联分类器，对预处理后的图像进行目标检测的步骤还包括: 获取符合分类器的直方图向量的图格的集合分类器矩阵； 对比所述图格的集合分类器矩阵与分类器的集合分类器矩阵； 若符合分类器的集合分类器矩阵，则判定所述预处理后的图像中有目标存在。7.根据权利要求6所述的方法，其特征在于，所述特征矩阵还包括:最近邻分类矩阵；所述采用预设的级联分类器，对预处理后的图像进行目标检测的步骤还包括: 获取符合所述分类器的集合分类器矩阵的图格的最近邻分类矩阵； 对比所述图格的最近邻分类矩阵与分类器的最近邻分类矩阵； 若符合分类器的最近邻分类矩阵，则判定所述预处理后的图像中有目标存在。8.根据权利要求7所述的方法，其特征在于，所述采用预设的级联分类器，对预处理后的图像进行目标检测的步骤还包括: 若当前图格不符合分类器的方差值，或者不符合分类器的直方图向量，或者不符合分类器的集合分类器矩阵，或者不符合分类器的最近邻分类矩阵，则获取下一个图格，直至所有图格均处理完毕。9.根据权利要求3-8中任一项所述的方法，其特征在于，若判断所述高分辨率图像中的目标对象为小目标，则所述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之后还包括: S5，对所述高分辨率图像中的目标对象进行窗口位置变换。10.根据权利要求9所述的方法，其特征在于，所述方法还包括: 获取第二帧及其后的高分辨率图像； 若第一帧的高分辨率图像中的目标对象为大目标，则对第二帧及其后的高分辨率图像进行缩小处理，然后依次执行步骤S4、S31 ; 若第一帧的高分辨率图像中的目标对象为小目标，则根据上一帧的高分辨率图像中目标对象的目标位置进行窗口位置变换，然后依次执行步骤S4、S31和S5。11.一种图像目标检测装置，其特征在于，包括: 图像获取模块，用于获取动态采集的第一帧的高分辨率图像； 自适应变换模块，用于对所述高分辨率图像进行自适应实时检测变换； 目标检测模块，用于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。12.根据权利要求11所述的装置，其特征在于，所述装置还包括: 预处理模块，用于对自适应实时检测变换后的图像进行预处理； 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。13.根据权利要求12所述的装置，其特征在于， 所述自适应变换模块，还用于根据预设的目标对象尺寸以及目标对象大小判断准则，判断所述高分辨率图像中的目标对象为大目标还是小目标；若判断所述高分辨率图像中的目标对象为大目标，则按照插值算法对所述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；若判断所述高分辨率图像中的目标对象为小目标，则对所述高分辨率图像进行局部裁剪以形成一个窗口，所述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；对所述检测框进行缩放以得到一个缩小检测框以及一个放大检测框。14.根据权利要求13所述的装置，其特征在于， 所述目标检测模块，还用于读取预先训练好的分类器中的特征矩阵，所述特征矩阵至少包括方差值；根据构造的所述检测框、缩小检测框以及放大检测框，对所述预处理后的图像进行分割，得到若干个等比例缩小的目标对象大小的图格；获取第一个图格的方差值；对比第一个图格的方差值与所述分类器的方差值；若符合分类器的方差值，则判定所述预处理后的图像中有目标存在。15.根据权利要求14所述的装置，其特征在于， 所述特征矩阵还包括:直方图向量；所述目标检测模块，还用于获取符合分类器的方差值的图格的直方图向量；对比所述图格的直方图向量与分类器的直方图向量；若符合分类器的直方图向量，则判定所述预处理后的图像中有目标存在； 进一步，所述特征矩阵还包括:集合分类器矩阵；所述目标检测模块，还用于获取符合分类器的直方图向量的图格的集合分类器矩阵；对比所述图格的集合分类器矩阵与分类器的集合分类器矩阵；若符合分类器的集合分类器矩阵，则判定所述预处理后的图像中有目标存在； 进一步，所述特征矩阵还包括:最近邻分类矩阵；所述目标检测模块，还用于获取符合所述分类器的集合分类器矩阵的图格的最近邻分类矩阵；对比所述图格的最近邻分类矩阵与分类器的最近邻分类矩阵；若符合分类器的最近邻分类矩阵，则判定所述预处理后的图像中有目标存在。16.根据权利要求15所述的装置，其特征在于，所述目标检测模块，还用于若当前图格不符合分类器的方差值，或者不符合分类器的直方图向量，或者不符合分类器的集合分类器矩阵，或者不符合分类器的最近邻分类矩阵，则获取下一个图格，直至所有图格均处理完毕。17.根据权利要求13-16中任一项所述的装置，其特征在于，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: 窗口位置变换模块，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。18.根据权利要求17所述的装置，其特征在于， 所述图像获取模块，还用于获取第二帧及其后的高分辨率图像；若第一帧的高分辨率图像中的目标对象为大目标，则由所述自适应变换模块对第二帧及其后的高分辨率图像进行缩小处理，然后依次由所述预处理模块对自适应实时检测变换后的图像进行预处理，由所述目标检测模块采用预设的级联分类器，对预处理后的图像进行目标检测；若第一帧的高分辨率图像中的目标对象为小目标，则由窗口位置变换模块所述根据上一帧的高分辨率图像中目标对象的目标位置进行窗口位置变换，并依次由所述预处理模块对自适应实时检测变换后的图像进行预处理，由所述目标检测模块采用预设的级联分类器，对预处理后的图像进行目标检测，由所述窗口位置变换模块对所述高分辨率图像中的目标对象进行窗口位置变换。
【专利摘要】本发明公开了一种图像目标检测方法及装置，其方法包括：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。本发明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。
【IPC分类】G06K9/62
【公开号】CN104966095
【申请号】CN201510300541
【发明人】张显志
【申请人】深圳一电科技有限公司, 深圳一电航空技术有限公司
【公开日】2015年10月7日
【申请日】2015年6月3日