一种目标区域的定位方法和装置的制造方法
【技术领域】
[0001]本发明涉及图像技术领域，尤其涉及一种目标区域的定位方法和装置。
【背景技术】
[0002]针对待检测图像，需要从待检测图像中定位出目标区域，如待检测图像包含人、沙发时，需要定位出人所在区域为目标区域，而沙发所在区域为非目标区域。为了实现这一过程，通常采用RCNN(Reg1n Convolut1nal Neural Network，区域卷积神经网络)目标定位算法。首先，使用Selective Search(选择性搜索)算法对待检测图像进行分割，得到X个候选窗口。之后，利用CNN(Convolut1nal Neural Network，卷积神经网络)算法对X个候选窗口分别提取特征向量，得到X个候选窗口对应的X个特征向量。之后，利用SVM(SupportVector Machine，支持向量机)分类器对X个特征向量进行分类，得到包含目标区域的候选窗口，这些候选窗口对应的区域即目标区域。
[0003]由于X的数值很大，如2000个，而且对候选窗口提取特征向量的过程比较复杂，运算量较大，因此，对X个候选窗口分别提取特征向量的计算复杂度较高，运算量很大，影响设备的计算性能，目标区域的定位时间很长。
【发明内容】
[0004]本发明提供一种目标区域的定位方法，所述方法包括以下步骤:
[0005]获得待检测图像，并对所述待检测图像进行分割，得到X个候选窗口；
[0006]对所述待检测图像进行缩放处理，得到A个不同尺度的检测缩放图像；
[0007]针对所述X个候选窗口中的每个候选窗口，执行以下处理过程，并得到Y个未被过滤的候选窗口:从所述A个不同尺度的检测缩放图像中，为所述候选窗口选择一个尺度的检测缩放图像，并利用所述一个尺度的检测缩放图像所对应的训练信息，判断所述候选窗口中是否包含目标区域，如果否，则过滤所述候选窗口，如果是，则保留所述候选窗口；
[0008]对所述Y个候选窗口分别提取特征向量，得到Y个特征向量；
[0009]对所述Y个特征向量进行分类，定位出目标区域。
[0010]所述训练信息具体包括判别参数(Vi，Ti)和权重向量W，所述方法还包括:维护所述A个不同尺度的检测缩放图像分别对应的训练信息，且所述A个不同尺度的检测缩放图像分别对应的训练信息的维护过程，具体包括:
[0011]获得已知目标位置的训练图像，并选择包含所述目标位置的正样本窗口、未包含所述目标位置的负样本窗口 ；利用方向梯度直方图H0G特征对所述正样本窗口进行特征提取，得到正样本特征向量，利用H0G特征对所述负样本窗口进行特征提取，得到负样本特征向量;对所述正样本特征向量进行缩放处理，得到M*N的正样本特征向量，对所述负样本特征向量进行缩放处理，得到M*N的负样本特征向量;对所述M*N的正样本特征向量以及所述M*N的负样本特征向量进行线性训练，得到所述权重向量W ；
[0012]对所述训练图像进行缩放处理，得到A个不同尺度的训练缩放图像;针对每个尺度的训练缩放图像，将所述训练缩放图像划分成一个或者多个M*N的子区域，并利用所述目标位置确定每个子区域的特征值，并利用所述特征值和所述权重向量W，得到所述训练缩放图像的判别参数(Vnh)，并将所述判别参数(VnTO作为对应尺度的检测缩放图像的判别参数^丁山
[0013]所述利用所述目标位置确定每个子区域的特征值，并利用所述特征值和所述权重向量W，得到所述训练缩放图像的判别参数(VnTO的过程，具体包括:针对所述训练缩放图像中的每个M*N的子区域，当所述目标位置位于所述子区域时，则确定所述子区域的特征值0工为正值；当所述目标位置不位于所述子区域时，则确定所述子区域的特征值⑴为负值；以及，将所述子区域与所述权重向量W进行卷积，得到所述子区域的分数S1;
[0014]利用如下公式对所述训练缩放图像的每个子区域的分数SjP特征值⑴进行线性训练，得到所述训练缩放图像的判别参数(HhOFVdSi+Ti。
[0015]所述从所述A个不同尺度的检测缩放图像中，为所述候选窗口选择一个尺度的检测缩放图像的过程，具体包括:
[0016]确定所述候选窗口在所述A个不同尺度的检测缩放图像中的每个检测缩放图像中的像素大小，并选择像素大小最接近M*N的检测缩放图像，并将当前选择的检测缩放图像作为为所述候选窗口选择的检测缩放图像;其中，所述Μ为预设的水平像素大小，所述N为预设的垂直像素大小。
[0017]针对所述X个候选窗口中的每个候选窗口，所述利用所述一个尺度的检测缩放图像所对应的训练信息，判断所述候选窗口中是否包含目标区域，具体包括:将所述候选窗口与所述检测缩放图像对应的权重向量W进行卷积，得到所述候选窗口对应的分数Sj;基于所述分数Sj、所述检测缩放图像对应的判别参数(VnTi)，利用如下公式确定所述候选窗口的特征值0」:=;当所述候选窗口的特征值为正值时，确定所述候选窗口中包含目标区域;当所述候选窗口的特征值为负值时，确定所述候选窗口中未包含目标区域。
[0018]本发明提供一种目标区域的定位装置，所述装置具体包括:
[0019]获得模块，用于获得待检测图像，对待检测图像进行分割，得到X个候选窗口；对待检测图像进行缩放处理，得到A个不同尺度的检测缩放图像；
[0020]处理模块，用于针对所述X个候选窗口中的每个候选窗口，执行以下处理过程，并得到Y个未被过滤的候选窗口:从所述A个不同尺度的检测缩放图像中，为所述候选窗口选择一个尺度的检测缩放图像，并利用所述一个尺度的检测缩放图像所对应的训练信息，判断所述候选窗口中是否包含目标区域，如果否，则过滤所述候选窗口，如果是，则保留所述候选窗口 ；
[0021]提取模块，用于对Y个候选窗口分别提取特征向量，得到Y个特征向量；
[0022]定位模块，用于对所述Y个特征向量进行分类，定位出目标区域。
[0023 ]所述训练信息具体包括判别参数(Vi，Ti)和权重向量W ；
[0024]所述处理模块，还用于维护所述A个不同尺度的检测缩放图像分别对应的训练信息，且在所述A个不同尺度的检测缩放图像分别对应的训练信息的维护过程中，获得已知目标位置的训练图像，并选择包含所述目标位置的正样本窗口、未包含所述目标位置的负样本窗口；利用方向梯度直方图HOG特征对所述正样本窗口进行特征提取，得到正样本特征向量，利用HOG特征对所述负样本窗口进行特征提取，得到负样本特征向量;对所述正样本特征向量进行缩放处理，得到M*N的正样本特征向量，对所述负样本特征向量进行缩放处理，得到M*N的负样本特征向量;对所述M*N的正样本特征向量以及所述M*N的负样本特征向量进行线性训练，得到所述权重向量W ；
[0025]对所述训练图像进行缩放处理，得到A个不同尺度的训练缩放图像;针对每个尺度的训练缩放图像，将所述训练缩放图像划分成一个或者多个M*N的子区域，并利用所述目标位置确定每个子区域的特征值，并利用所述特征值和所述权重向量W，得到所述训练缩放图像的判别参数(Vnh)，并将所述判别参数(VnTO作为对应尺度的检测缩放图像的判别参数^丁山
[0026]所述处理模块，具体用于在利用所述目标位置确定每个子区域的特征值，并利用所述特征值和所述权重向量W，得到所述训练缩放图像的判别参数(VnTO的过程中，针对所述训练缩放图像中的每个M*N的子区域，当所述目标位置位于所述子区域时，则确定所述子区域的特征值⑴为正值；当所述目标位置不位于所述子区域时，则确定所述子区域的特征值⑴为负值；以及，将所述子区域与所述权重向量W进行卷积，得到所述子区域的分数S1;
[0027]利用如下公式对所述训练缩放图像的每个子区域的分数SjP特征值⑴进行线性训练，得到所述训练缩放图像的判别参数(HhOFVdSi+Ti。
[0028]所述处理模块，具体用于在从所述A个不同尺度的检测缩放图像中，为所述候选窗口选择一个尺度的检测缩放图像的过程中，确定所述候选窗口在