CN104123532B - 对目标对象进行检测、确定目标对象数量的方法和设备 - Google Patents

Abstract

本发明公开了一种对目标对象进行检测、确定目标对象数量的方法和设备，其主要内容包括：通过在将包含目标对象的图像帧转化得到积分图像后，利用检测设备对得到的所述积分图像进行区域检测，并从检测得到的多个满足不同设定条件的区域中分别选择区域，对选择出的区域进行计算，判断选择出的区域是否属于同一目标对象中的不同区域，并在确定选择出的区域属于同一目标对象中的不同区域时，整合得到目标对象，避免了只检测目标对象的某一区域进行目标对象的确认存在检测错误率较高以及经常出现漏检的问题，提高了目标对象的检测准确率，该技术应用在交通领域，提高了确定斑马线上正在通过行人的精确度，进一步提高了交通安全的系数。

Description

对目标对象进行检测、确定目标对象数量的方法和设备

技术领域

本发明涉及智能监控领域，尤其涉及一种对目标对象进行检测、确定目标对象数量的方法和设备。

背景技术

随着科学技术的进步，人们的生活节奏越来越快。在通过马路时，经常能够看到的一种情形：斑马线上的绿灯指示---行人通过马路的时间还剩下少于10秒的时间，有些行人为了节省这10秒的时间，快速通过斑马线。现实生活中这种情形很常见，但是存在一定的安全隐患。

为了达到机动车礼让行人的目的，提出了将斑马线上通过的行人作为目标对象进行检测，采用对斑马线上通过的行人进行人头检测的方式，确定当前斑马线上是否存在正在通过的行人，具体方式为：

主要通过对采集到的图像中是否存在有近似圆形的物体来进行判别。

目前，大多数“人头检测”算法都是通过机器学习的方法来实现的，而目前主流的机器学习方法为基于Boosting的方法，该方法主要分成学习和检测两个阶段。

所谓学习阶段是通过Boosting算法训练得到人头检测设备，换句话说，就是通过对大量的图像样本进行分析，得到其间的判别规律。

具体地，所述学习阶段算法的具体步骤如下：

第一步：给定一系列训练样本(x₁,y₁)，(x₂,y₂)，……(x_n,y_n)，其中，y_i＝0表示为负样本（非人头），y_i＝1表示为正样本（人头），n为训练样本数目，i的取值为1～n。

第二步，初始化权重w_1,i＝1.0/n，并对t＝1,.....n，进行归一化处理，得到归一化权重:

第三步，利用弱分类函数h(x,f,p,θ)，计算所对应每一个样本的弱分类加权(q_t)错误率ε：

ε＝Σ_iq_i|h(x_i,f,p,θ-y_i)|

第四步：比较得到错误率ε_t最小时对应的弱分函数h_t(x)，其中：错误率ε_t＝min_f,p,θΣ_iq_i|h(x_i,f,p,θ)-y_i|＝Σ_iq_i|h(x_i,f_t,p_t,θ_t)-y_i|，h_t(x)＝h(x,f_t,p_t,θ_t)；

第五步：利用第四步确定的弱分函数，对归一化权重进行调整：

其中e_i＝0表示x_i被正确分类，e_i＝1表示x_i被错误的分类，

第六步：利用调整后的权重确定得到针对近似圆形的物体进行判别的强分类函数：

其中

所述检测阶段就是利用学习训练阶段得到的强分类函数对采集到的的图像进行扫描判别，确定出图像中是否包含有人头区域，并在确定包含有人头区域时存储并输出。

针对现在采用人头检测设备对图像中是否包含人头区域进行判断的方式实现对斑马线中是否存在正在通过的行人的判断，在使用过程中存在以下问题：

1、由于在对类似圆形的物体进行判断的过程中，可能会将一些不是人头但是圆形的物体信息进行检测，这样确定出的行人信息与实际存在的行人信息误差较大；

2、当人头所处的背景与某些重色系的背景相同时，造成人头检测设备无法识别，以致于出现漏检的问题。

综上所述，在现有技术中，对斑马线上正在通过的行人进行检测的方式存在检测错误率较高以及经常出现漏检的问题。

发明内容

本发明实施例提供了一种对目标对象进行检测、确定目标对象数量的方法和设备，用于解决现有技术中对斑马线上正在通过的行人进行检测的方式存在检测错误率较高以及经常出现漏检的问题。

一种对目标对象进行检测的方法，包括：

按照至少一个设定角度对采集到的图像帧进行梯度强度计算，得到该设定角度对应的梯度强度图像，并将所述梯度强度图像进行积分转换，得到积分图像；

利用部件检测设备对得到的所述积分图像进行检测，分别检测得到满足N个不同设定条件的多个区域，其中，N为大于2的正整数；

针对得到的满足不同设定条件的区域，分别执行以下操作，直至确定出属于同一目标对象的N个区域：

选择第一区域和第二区域，其中，所述第一区域满足第M设定条件，所述第二区域满足第M+1设定条件，所述第M设定条件与所述第M+1设定条件不同；

将所述第一区域和所述第二区域进行距离计算，并根据计算得到的结果，确定出所述第一区域和所述第二区域是否属于同一目标对象中的不同区域的第M概率，其中，M为大于0且不小于N-1的正整数；

当所述第M概率大于设定的第M阈值时，确定所述第一区域和所述第二区域属于同一目标对象中的不同区域，并将M更新为M+1，继续执行选择满足第M+1+1设定条件的区域的操作；

在确定出属于同一目标对象的N个区域之后，将确定出的N个区域进行整合得到目标对象。

一种基于上述的对目标对象进行检测后确定目标对象数量的方法，包括：

将整合得到的目标对象与其他图像帧中得到的目标对象进行比较；

在确定整合得到的目标对象与其他图像帧中得到的目标对象不是同一目标对象时，统计在所有图像帧中出现的不同目标对象的数量。

一种对目标对象进行检测的设备，包括：

积分图像获取模块，用于按照至少一个设定角度对采集到的图像帧进行梯度强度计算，得到该设定角度对应的梯度强度图像，并将所述梯度强度图像进行积分转换，得到积分图像；

区域检测模块，用于利用部件检测设备对得到的所述积分图像进行检测，分别检测得到满足N个不同设定条件的多个区域，其中，N为大于2的正整数；

目标对象区域确定模块，用于针对得到的满足不同设定条件的区域，分别执行以下操作，直至确定出属于同一目标对象的N个区域：选择第一区域和第二区域，其中，所述第一区域满足第M设定条件，所述第二区域满足第M+1设定条件，所述第M设定条件与所述第M+1设定条件不同；将所述第一区域和所述第二区域进行距离计算，并根据计算得到的结果，确定出所述第一区域和所述第二区域是否属于同一目标对象中的不同区域的第M概率，其中，M为大于0且不小于N-1的正整数；当所述第M概率大于设定的第M阈值时，确定所述第一区域和所述第二区域属于同一目标对象中的不同区域，并将M更新为M+1，继续执行选择满足第M+1+1设定条件的区域的操作；

目标对象整合模块，用于在确定出属于同一目标对象的N个区域之后，将确定出的N个区域进行整合得到目标对象。

一种基于上述的对目标对象进行检测后确定目标对象数量的设备，包括：

比较模块，用于将整合得到的目标对象与其他图像帧中得到的目标对象进行比较；

统计模块，用于在确定整合得到的目标对象与其他图像帧中得到的目标对象不是同一目标对象时，统计在所有图像帧中出现的不同目标对象的数量。

本发明有益效果如下：

本发明实施例通过在将包含目标对象的图像帧转化得到积分图像后，利用检测设备对得到的所述积分图像进行区域检测，并从检测得到的多个满足不同设定条件的区域中选择区域，对选择出的区域进行计算，判断选择出的区域是否属于同一目标对象中的不同区域，并在确定选择出的区域属于同一目标对象中的不同区域时，整合得到目标对象，与现有技术相比，利用目标对象中包含的各个区域之间的关联关系确定目标对象，避免了只检测目标对象的某一区域进行目标对象的确认存在检测错误率较高以及经常出现漏检的问题，提高了目标对象的检测准确率，该技术应用在交通领域，提高了判断斑马线上正在通过行人的准确度，进一步提高了交通安全的系数。

附图说明

图1为本发明实施例一的一种对目标对象进行检测的方法的流程示意图；

图2为按照一个设定角度从包含目标对象信息的图像帧中选择第一窗口区域和第二窗口区域的示意图；

图3为窗口覆盖内的积分图像中包含窗口个数不同时权重的划分示意图；

图4为本发明实施例二的一种对目标对象进行检测的方法的流程示意图；

图5为本发明实施例三的一种确定目标对象数量的方法的流程示意图；

图6为本发明实施例四的一种对目标对象进行检测的设备的结构示意图；

图7为本发明实施例五的一种确定目标对象数量的设备的结构示意图。

具体实施方式

为了实现本发明目的，本发明实施例提供了一种对目标对象进行检测、确定目标对象数量的方法和设备，通过在将包含目标对象的图像帧转化得到积分图像后，利用检测设备对得到的所述积分图像进行区域检测，并从检测得到的多个满足不同设定条件的区域中分别选择区域，对选择出的区域进行计算，判断选择出的区域是否属于同一目标对象中的不同区域，并在确定选择出的区域属于同一目标对象中的不同区域时整合得到目标对象。

与现有技术相比，利用目标对象中包含的各个区域之间的关联关系确定目标对象，避免了只检测目标对象的某一区域进行目标对象的确认存在检测错误率较高以及经常出现漏检的问题，提高了目标对象的检测准确率，该技术应用在交通领域，提高了判断斑马线上正在通过行人的准确度，进一步提高交通安全的系数。

下面结合说明书附图对本发明各个实施例进行详细描述。

实施例一：

如图1所示，为本发明实施例一的一种对目标对象进行检测的方法的流程示意图，所述方法包括：

步骤101：按照至少一个设定角度对采集到的图像帧进行梯度强度计算，得到该设定角度对应的梯度强度图像。

具体地，在步骤101中，所述设定的角度包括但不限于0°、45°、90°以及135°中的一种或者多种。

所述采集到的包含目标对象信息的图像帧可以是针对通过安装在十字路口对斑马线上正在通过的行人采集的，还可以是采集的其他图像信息。

具体地，所述按照至少一个设定角度对采集到的图像帧进行梯度强度计算，具体包括：

首先，按照一个设定角度从所述图像帧中选择第一窗口区域，以及从该图像帧中选择第二窗口区域。

其中，所述第一窗口区域与所述第二窗口区域的大小相同，且所述第一窗口区域与所述第二窗口区域的位置满足：将所述第一窗口区域旋转180°后与所述第二窗口区域重叠。

具体地，如图2所示，为按照一个设定角度从包含目标对象信息的图像帧中选择第一窗口区域和第二窗口区域的示意图。

从图2中可以看出，当设定角度值为0°时，第一窗口区域和第二窗口区域满足左右对称；

当设定角度值为45°时，第一窗口区域选取的是该图像帧的左上角区域，第二窗口区域选取的是该图像帧的右下角角区域，第一窗口区域与第二窗口区域满足中心对称；

当设定角度值为90°时，第一窗口区域和第二窗口区域满足上下对称；

当设定角度值为135°时，第一窗口区域选取的是该图像帧的右上角区域，第二窗口区域选取的是该图像帧的左下角角区域，第一窗口区域与第二窗口区域满足中心对称。

其次，将选择出的所述第一窗口区域内包含的各个像素点的像素值与所述第二窗口区域内包含的各个像素点的像素值进行作差，并将差值进行求和运算，将得到的和值作为对于该设定角度的图像帧的梯形强度值。

具体地，当设定角度值为0°时，将选择出的所述第一窗口区域内包含的各个像素点的像素值与所述第二窗口区域内包含的各个像素点的像素值进行作差，并将差值进行求和运算，将得到的和值作为对于0°的图像帧的梯形强度值。

采用相同的方式，得到对于45°、90°以及135°的图像帧的梯形强度值。

在得到不同设定角度对应的不同梯形强度值之后，将不同设定角度下的图像帧进行卷积运算，得到不同设定角度分别对应的梯形强度图像。

步骤102：将所述梯度强度图像进行积分转换，得到积分图像。

具体地，在步骤102中，对步骤101中得到的每一个设定角度对应的梯形强度图像进行积分转换，得到该梯形强度图像对应的积分图像。

步骤103：利用部件检测设备对得到的所述积分图像进行检测，分别检测得到满足N个不同设定条件的多个区域。

其中，N为大于2的正整数。

具体地，在步骤103中，所述部件检测设备可以是一个部件检测设备，还可以是多个不同的部件检测设备，这里不做限定。

当部件检测设备为一个时，可以在该部件检测设备中设定了多个不同的检测条件，通过选择不同的检测条件对得到的所述积分图像进行检测，分别得到多个满足不同设定条件的区域；

若部件检测设备是多个时，可以为每一个部件检测设备设定一个检测条件，利用一个部件检测设备对所述积分图像进行检测，得到满足该检测条件的区域。

需要说明的是，部件检测设备可以是人体不同部件的分拣设备，例如：人体的头肩信息分拣设备、人体的躯干信息分拣设备和人体的腿部信息分拣设备等等；还可以是具有分拣功能的其他部件检测设备，这里不做限定。

假设N为3，此时，3个设定条件为：

第一设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的头肩区域的特征值之差满足设定的第一数值；

第二设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的躯干区域的特征值之差满足设定的第二数值；

第三设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的腿部区域的特征值之差满足设定的第三数值

需要说明的是，这里涉及的第一设定条件、第二设定条件以及第N三设定条件不限于针对目标对象为人而设置，还可以是针对其他目标对象进行限制，这里不做限定。

所述设定的第一数值、第二数值和第三数值，是分别针对不同的设定条件确定的，可以相同，也可以不同，可以根据实际需要确定，还可以是实验的数据，这里不做限定。

所述利用部件检测设备对得到的所述积分图像进行检测，具体包括：利用不同的部件检测设备对得到的所述积分图像进行扫描，判别出满足该部件检测设备的设定条件的区域。例如：利用人体的头肩部件检测设备对得到的所述积分图像进行人体的头肩区域判断，确定出检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的头肩区域的特征值之差满足设定的第一数值的头肩区域；利用人体的躯干部件检测设备对得到的所述积分图像进行人体的躯干区域判断，确定出检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的躯干区域的特征值之差满足设定的第二数值的躯干区域；利用人体的腿部部件检测设备对得到的所述积分图像进行人体的腿部区域判断，确定出检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的腿部区域的特征值之差满足设定的第三数值的腿部区域。

具体地，在利用部件检测设备对得到的所述积分图像进行检测时，计算得到扫描到的目标对象的一个区域对应特征的特征值，具体包括：

首先，从得到的积分图像中选择一个符合设定窗口大小的窗口区域，按照设定的移动步长和缩放参数移动该窗口区域，对该积分图像进行扫描。

具体地，所述设定窗口大小可以根据目标部件不同而不同，例如：以人体头肩区域为目标部件，设定窗口的大小为30*30（单位：像素）；以人体躯干区域为目标部件，设定窗口的大小为48*48（单位：像素）；以人体腿部区域为目标部件，设定窗口的大小为50*50（单位：像素），还可以根据实际需要确定，这里不做具体限定。

所述设定的移动步长根据实际需要确定，一般为2个像素点，这里也不做具体限定。

所述缩放参数根据图像帧的大小确定，一般为1:1.5，这里不做具体限定。

其中，缩放参数的作用在与调整该窗口的大小，当发现该窗口大小大于图像的大小时，按照缩放参数调整该窗口的大小。

其次，当覆盖该积分图像的位置发生变化时，通过以下方式计算变化后窗口区域内扫描到的该目标对象的一个特征对应的特征值：

其中，featureV表示变化后窗口区域内扫描到的该目标对象的一个特征的特征值；N为该目标对象的特征的窗口个数；w_i为该目标对象的特征的第i个窗口的权重值；sum_i为该目标对象的特征窗口区域覆盖内的积分图像中包含的第i个窗口在设定方向上梯度强度和。

需要说明的是，当窗口区域覆盖内的积分图像中包含仅一个窗口时，此时，N为1，w₁为1；当窗口区域覆盖内的积分图像中包含两个窗口时，此时，N为2，w₁为-1，w₂为1；当窗口区域覆盖内的积分图像中包含三个窗口时，此时，N为3，w₁为1，w₂为1，w₃为1，如图3所示，为窗口覆盖内的积分图像中包含窗口个数不同时权重的划分示意图。

步骤104：针对得到的满足不同设定条件的区域，分别执行以下操作，直至确定出属于同一目标对象的N个区域。

步骤1041：选择第一区域和第二区域。

其中，所述第一区域满足第M设定条件，所述第二区域满足第M+1设定条件，所述第M设定条件与所述第M+1设定条件不同。

具体地，在步骤1041中，从检测得到的多个区域中，选择满足不同设定条件的两个区域，即选择满足第M设定条件的第一区域和满足第M+1设定条件的第二区域。

例如：从检测得到的满足第一设定条件的区域中选择一个区域作为第一区域，从检测得到的满足第二设定条件的区域中选择一个区域作为第二区域。

步骤1042：将所述第一区域和所述第二区域进行距离计算。

具体地，在步骤1042中，将所述第一区域和所述第二区域进行距离计算，具体包括：

首先，确定所述第一区域内包含的各个像素点的像素点坐标，以及所述第二区域内包含的各个像素点的像素点坐标。

其次，将确定出的所述第一区域内包含的各个像素点的像素点坐标与确定出的第二区域内包含的各个像素点的像素点坐标进行作差运算，并将得到的差值进行求和。

第三，将得到的和值作为所述第一区域与所述第二区域之间的距离值。

较优地，将所述第一区域和所述第二区域进行距离计算，还具体包括：

首先，确定所述第一区域内包含的各个像素点的像素点坐标，以及所述第二区域内包含的各个像素点的像素点坐标。

其次，根据确定的所述第一区域内包含的各个像素点的像素点坐标，得到所述第一区域的中心点坐标；以及根据确定的所述第二区域内包含的各个像素点的像素点坐标，得到所述第二区域的中心点坐标。

第三，将得到的所述第一区域的中心点坐标和得到的所述第二区域的中心点坐标进行运算，将得到的运算结果作为所述第一区域与所述第二区域之间的距离值。

步骤1043：根据计算得到的距离值，确定出所述第一区域和所述第二区域是否属于同一目标对象中的不同区域的第M概率。

其中，M为大于0且不小于N-1的正整数。

具体地，在步骤1043中，所述根据计算得到的距离值，确定出所述第一区域和所述第二区域是否属于同一目标对象中的不同区域的第M概率，具体包括：

首先，利用所述第一区域内包含的各个像素点的像素点坐标和所述第二区域内包含的各个像素点的像素点坐标，计算得到所述第一区域和所述第二区域的像素点坐标的均值和方差值。

具体地，由于根据人体各个部件的分布情况可以获知：人体任意两个部件之间符合均值为第一数值，方差为第二数值的高斯分布，因此，利用该原理可以计算得到所述第一区域和所述第二区域的像素点坐标的均值和方差值。

其次，通过以下方式计算所述第一区域与所述第二区域是否属于同一个目标对象中不同区域的第M概率：

其中：p(d)为所述第一区域与所述第二区域是否属于同一个目标对象中不同区域的第M概率；d为所述第一区域与所述第二区域之间的距离值；m为统计得到的所述第一区域与所述第N区域距离的均值；μ为统计得到的所述第一区域与所述第二区域距离的方差。

步骤1044：判断所述第M概率是否大于设定的第M阈值，若是，则将M更新为M+1，继续执行步骤1041；否则，继续执行1045。

具体地，在步骤1044中，当所述第M概率大于设定的第M阈值时，确定所述第一区域和所述第二区域属于同一目标对象中的不同区域，并将M更新为M+1，继续执行选择满足第M+1+1设定条件的区域的操作。

较优地，每更新一次M值，将更新后的M值与N进行比较，当确定更新后的M值等于N时，执行步骤105。

步骤1045：当所述第M概率不大于设定的第M阈值时，确定所述第一区域和所述第二区域不属于同一目标对象中的不同区域。

具体地，在步骤1045中，在确定所述第一区域和所述第二区域不属于同一目标对象中的不同区域时，说明选择的满足第M+1设定条件的第二区域与满足第M设定条件的第一区域不是同一目标对象中的不同区域，此时，需要执行以下操作：

首先，从检测到的满足第M+1设定条件的区域中，重新选择第三区域，其中，所述第三区域是与所述第二区域不相同的其他区域。

其次，将所述第一区域和所述第三区域进行距离计算，并根据计算得到的结果，确定出所述第一区域和所述第三区域是否属于同一目标对象中的不同区域的第M^/概率。

其中，M^/为大于0且不小于N-1的正整数。

第三，当所述第M^/概率大于设定的第M阈值时，确定所述第一区域和所述第三区域属于同一目标对象中的不同区域，并将M更新为M+1，继续执行选择满足第M+1+1设定条件的区域的操作，即跳转执行步骤1041；

当所述第M^/概率不大于设定的第M阈值时，确定所述第一区域和所述第三区域不属于同一目标对象中的不同区域，继续执行从满足第M+1设定条件的区域中，选择已选择的区域不同的其他区域。

步骤105：在确定出属于同一目标对象的N个区域之后，将确定出的N个区域进行整合得到目标对象。

具体地，在步骤105中，若将该技术使用在交通领域，在确定斑马线上存在正在通过的行人时，触发报警装置，提醒正准备通过斑马线的车辆停止或者减速行驶。

需要说明的是，本发明实施例中涉及的第一数值、第二数值、第三数值、第M距离、第M概率等，用于区分不同的参数信息，没有特殊含义，这里不做限定。

通过本发明实施例一的方案，在将包含目标对象的图像帧转化得到积分图像后，利用检测设备对得到的所述积分图像进行区域检测，并从检测得到的多个满足不同设定条件的区域中分别选择区域，对选择出的区域进行计算，判断选择出的区域是否属于同一目标对象中的不同区域，并在确定选择出的区域属于同一目标对象中的不同区域时，整合得到目标对象，与现有技术相比，利用目标对象中包含的各个区域之间的关联关系确定目标对象，避免了只检测目标对象的某一区域进行目标对象的确认存在检测错误率较高以及经常出现漏检的问题，提高了目标对象的检测准确率，该技术应用在交通领域，提高了确定斑马线上正在通过行人的精确度，进一步提高交通安全系数。

实施例二：

如图4所示，为本发明实施例二的一种对目标对象进行检测的方法的流程示意图。本发明实施例二是与本发明实施例一在同一构思下的相同发明，本发明实施例二以检测人体为目标对象为例进行详细说明。

步骤201：按照至少一个设定角度对采集到的图像帧进行梯度强度计算，得到该设定角度对应的梯度强度图像。

步骤202：将所述梯度强度图像进行积分转换，得到积分图像。

步骤203：利用头肩部件检测设备、躯干部件检测设备和腿部部件检测设备分别对得到的所述积分图像进行检测，检测得到满足三个不同设定条件的多个区域。

其中，第一设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的头肩区域的特征值之差满足设定的第一数值；

第二设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的躯干区域的特征值之差满足设定的第二数值；

第三设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的腿部区域的特征值之差满足设定的第三数值。

步骤204：从检测到的满足第一设定条件的区域中选择第一区域，从检测到的满足第二设定条件的区域中选择第二区域，以及从检测到的满足第三设定条件的区域中选择第三区域。

步骤205：分别计算所述第一区域和所述第二区域之间的第一距离值，以及所述第二区域和所述第三区域之间的第二距离值。

步骤206：根据计算得到的第一距离值，确定出所述第一区域和所述第二区域是否属于同一目标对象中的不同区域的第一概率；

以及根据计算得到的第二距离值，确定出所述第二区域和所述第三区域是否属于同一目标对象中的不同区域的第二概率。

步骤207：在所述第一概率大于设定的第一阈值，且所述第二概率大于设定的第二阈值时，确定所述第一区域、所述第二区域和所述第三区域属于同一目标对象中的不同区域。

步骤208：将确定出的三个区域进行整合得到目标对象。

实施例三：

如图5所示，为本发明实施例二的一种确定目标对象数量的方法的流程示意图。本发明实施例二的方式是在本发明实施例一的基础上实施的，具体包括：

步骤301：将整合得到的目标对象与其他图像帧中得到的目标对象进行比较。

具体地，在步骤201中，为了防止在对目标对象进行统计时重复对同一目标对象进行计数，需要排除在不同图像帧中采集到的同一目标对象。

步骤302：在确定整合得到的目标对象与其他图像帧中得到的目标对象不是同一目标对象时，统计在所有图像帧中出现的不同目标对象的数量。

具体地，在步骤302中，计算确定整合得到的目标对象与其他图像帧中得到的目标对象的匹配度，并将计算得到的匹配度与设定的匹配度进行比较，当所述计算得到的匹配度大于设定的匹配度时，确定整合得到的目标对象与其他图像帧中得到的目标对象是同一目标对象；否则确定整合得到的目标对象与其他图像帧中得到的目标对象不是同一目标对象。

实施例四：

如图6所示，为本发明实施例三的一种对目标对象进行检测的设备的结构示意图，包括：积分图像获取模块11、区域检测模块12、目标对象区域确定模块13和目标对象整合模块14，其中：

积分图像获取模块11，用于按照至少一个设定角度对采集到的图像帧进行梯度强度计算，得到该设定角度对应的梯度强度图像，并将所述梯度强度图像进行积分转换，得到积分图像；

区域检测模块12，用于利用部件检测设备对得到的所述积分图像进行检测，分别检测得到满足N个不同设定条件的多个区域，其中，N为大于2的正整数；

目标对象区域确定模块13，用于针对得到的满足不同设定条件的区域，分别执行以下操作，直至确定出属于同一目标对象的N个区域：选择第一区域和第二区域，其中，所述第一区域满足第M设定条件，所述第二区域满足第M+1设定条件，所述第M设定条件与所述第M+1设定条件不同；将所述第一区域和所述第二区域进行距离计算，并根据计算得到的结果，确定出所述第一区域和所述第二区域是否属于同一目标对象中的不同区域的第M概率，其中，M为大于0且不小于N-1的正整数；当所述第M概率大于设定的第M阈值时，确定所述第一区域和所述第二区域属于同一目标对象中的不同区域，并将M更新为M+1，继续执行选择满足第M+1+1设定条件的区域的操作；

目标对象整合模块14，用于在确定出属于同一目标对象的N个区域之后，将确定出的N个区域进行整合得到目标对象。

较优地，所述目标对象确定模块13，还用于当所述第M概率不大于设定的第M阈值时，确定所述第一区域和所述第二区域不属于同一目标对象中的不同区域；从满足第M+1设定条件的区域中，选择第三区域，其中，所述第三区域是与所述第二区域不相同的其他区域；将所述第一区域和所述第三区域进行距离计算，并根据计算得到的结果，确定出所述第一区域和所述第三区域是否属于同一目标对象中的不同区域的第M^/概率，其中，M为大于0且不小于N-1的正整数；

当所述第M^/概率大于设定的第M阈值时，确定所述第一区域和所述第三区域属于同一目标对象中的不同区域，并将M更新为M+1，继续执行选择满足第M+1+1设定条件的区域的操作；

当所述第M^/概率不大于设定的第M阈值时，确定所述第一区域和所述第三区域不属于同一目标对象中的不同区域，继续执行从满足第M+1设定条件的区域中，选择已选择的区域不同的其他区域。

具体地，所述N为3，第一设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的头肩区域的特征值之差满足设定的第一数值；

第二设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的躯干区域的特征值之差满足设定的第二数值；

第三设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的腿部区域的特征值之差满足设定的第三数值。

较优地，所述设备包括：特征值计算模块15，具体包括：窗口扫描单元21和特征值计算单元22，其中：

窗口扫描单元21，用于从得到的积分图像中选择一个符合设定窗口大小的窗口区域，按照设定的移动步长和缩放参数移动该窗口区域，对该积分图像进行扫描；

特征值计算单元22，用于在所述窗口区域移动的过程中，当覆盖该积分图像的位置发生变化时，通过以下方式计算变化后窗口区域内扫描到的该目标对象的一个特征对应的特征值：

其中，featureV表示变化后窗口区域内扫描到的该目标对象的一个特征的特征值；N为该目标对象的特征的窗口个数；w_i为该目标对象的特征的第i个窗口的权重值；sum_i为该目标对象的特征窗口区域覆盖内的积分图像中包含的第i个窗口在设定方向上梯度强度和。

具体地，所述目标对象区域确定模块13，具体用于确定所述第一区域内包含的各个像素点的像素点坐标，以及所述第二区域内包含的各个像素点的像素点坐标；将确定出的所述第一区域内包含的各个像素点的像素点坐标与确定出的第二区域内包含的各个像素点的像素点坐标进行作差运算，并将得到的差值进行求和，并将得到的和值作为所述第一区域与所述第二区域之间的距离值。

具体地，所述目标对象区域确定模块13，具体用于利用所述第一区域内包含的各个像素点的像素点坐标和所述第二区域内包含的各个像素点的像素点坐标，计算得到所述第一区域和所述第二区域的像素点坐标的均值和方差值；

通过以下方式计算所述第一区域与所述第二区域是否属于同一个目标对象中不同区域的第M概率：

其中：p(d)为所述第一区域与所述第二区域是否属于同一个目标对象中不同区域的第M概率；d为所述第一区域与所述第二区域之间的距离值；m为统计得到的所述第一区域与所述第N区域距离的均值；μ为统计得到的所述第一区域与所述第二区域距离的方差。

具体地，所述积分图像获取模块11，具体用于用于按照一个设定角度从包含目标对象信息的图像帧中选择第一窗口区域，以及从包含目标对象信息的图像帧中选择第二窗口区域，其中，所述第一窗口区域与所述第二窗口区域的大小相同，且在图像帧中的位置满足将所述第一窗口区域旋转180°后与所述第二窗口区域重叠；将选择出的所述第一窗口区域内包含的各个像素点的像素值与所述第二窗口区域内包含的各个像素点的像素值进行作差，并将差值进行求和运算；将得到的和值作为对于该设定角度的图像帧的梯形强度值。

实施例四：

如图7所示，为本发明实施例四的一种确定目标对象数量的设备的结构示意图，包括：比较模块31和统计模块32，其中：

比较模块31，用于将整合得到的目标对象与其他图像帧中得到的目标对象进行比较；

统计模块32，用于在确定整合得到的目标对象与其他图像帧中得到的目标对象不是同一目标对象时，统计在所有图像帧中出现的不同目标对象的数量。

需要说明的是，本发明实施例四所涉及的目标对象数量确定设备可以是本发明实施例三中对目标对象进行检测设备中的逻辑部件，也可以是独立的物理实体，这里不做限定。

本领域的技术人员应明白，本发明的实施例可提供为方法、装置（设备）、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、装置（设备）和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (16)

1.一种对目标对象进行检测的方法，其特征在于，包括：

按照至少一个设定角度对采集到的图像帧进行梯度强度计算，得到该设定角度对应的梯度强度图像，并将所述梯度强度图像进行积分转换，得到积分图像；

利用部件检测设备对得到的所述积分图像进行检测，分别检测得到满足N个不同设定条件的多个区域，其中，N为大于2的正整数；

针对得到的满足不同设定条件的区域，分别执行以下操作，直至确定出属于同一目标对象的N个区域：

选择第一区域和第二区域，其中，所述第一区域满足第M设定条件，所述第二区域满足第M+1设定条件，所述第M设定条件与所述第M+1设定条件不同；

将所述第一区域和所述第二区域进行距离计算，并根据计算得到的结果，确定出所述第一区域和所述第二区域是否属于同一目标对象中的不同区域的第M概率，其中，M均为大于0且小于N的正整数；

当所述第M概率大于设定的第M阈值时，确定所述第一区域和所述第二区域属于同一目标对象中的不同区域，并将M更新为M+1，继续执行选择满足第M+1+1设定条件的区域的操作；

在确定出属于同一目标对象的N个区域之后，将确定出的N个区域进行整合得到目标对象。

2.如权利要求1所述的方法，其特征在于，当所述第M概率不大于设定的第M阈值时，所述方法还包括：

确定所述第一区域和所述第二区域不属于同一目标对象中的不同区域；

从满足第M+1设定条件的区域中，选择第三区域，其中，所述第三区域是与所述第二区域不相同的其他区域；

将所述第一区域和所述第三区域进行距离计算，并根据计算得到的结果，确定出所述第一区域和所述第三区域是否属于同一目标对象中的不同区域的第M^/概率，其中，M^/为大于0且小于N的正整数；

当所述第M^/概率大于设定的第M阈值时，确定所述第一区域和所述第三区域属于同一目标对象中的不同区域，并将M更新为M+1，继续执行选择满足第M+1+1设定条件的区域的操作；

当所述第M^/概率不大于设定的第M阈值时，确定所述第一区域和所述第三区域不属于同一目标对象中的不同区域，继续执行从满足第M+1设定条件的区域中，选择已选择的区域不同的其他区域。

3.如权利要求1所述的方法，其特征在于，所述N为3，第一设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的头肩区域的特征值之差满足设定的第一数值；

第二设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的躯干区域的特征值之差满足设定的第二数值；

第三设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的腿部区域的特征值之差满足设定的第三数值。

4.如权利要求3所述的方法，其特征在于，所述检测得到一个区域内的特征值，包括：

从得到的积分图像中选择一个符合设定窗口大小的窗口区域，按照设定的移动步长和缩放参数移动该窗口区域，对该积分图像进行扫描；

在所述窗口区域移动的过程中，当覆盖该积分图像的位置发生变化时，通过以下方式计算变化后窗口区域内扫描到的该目标对象的一个特征对应的特征值：

$featureV=\underset{i=1}{\overset{N}{\Σ}}{w}_i*{\mathrm{sum}}_i;$

其中，featureV表示变化后窗口区域内扫描到的该目标对象的一个特征的特征值；N为该目标对象的特征的窗口个数；w_i为该目标对象的特征的第i个窗口的权重值；sum_i为该目标对象的特征窗口区域覆盖内的积分图像中包含的第i个窗口在设定方向上梯度强度和。

5.如权利要求1～4任一所述的方法，其特征在于，将所述第一区域和所述第二区域进行距离计算，包括：

确定所述第一区域内包含的各个像素点的像素点坐标，以及所述第二区域内包含的各个像素点的像素点坐标；

将确定出的所述第一区域内包含的各个像素点的像素点坐标与确定出的第二区域内包含的各个像素点的像素点坐标进行作差运算，并将得到的差值进行求和；

将得到的和值作为所述第一区域与所述第二区域之间的距离值。

6.如权利要求5所述的方法，其特征在于，根据计算得到的结果，确定出所述第一区域和所述第二区域是否属于同一目标对象中的不同区域的第M概率，包括：

利用所述第一区域内包含的各个像素点的像素点坐标和所述第二区域内包含的各个像素点的像素点坐标，计算得到所述第一区域和所述第二区域的像素点坐标的均值和方差值；

通过以下方式计算所述第一区域与所述第二区域是否属于同一个目标对象中不同区域的第M概率：

$p\left(d\right)=\frac{1}{2\mathrm{\π}\mathrm{\μ}}\exp \left(\frac{{(d-m)}^2}{\mathrm{\μ}}\right);$

其中：p(d)为所述第一区域与所述第二区域是否属于同一个目标对象中不同区域的第M概率；d为所述第一区域与所述第二区域之间的距离值；m为统计得到的所述第一区域与所述第N区域距离的均值；μ为统计得到的所述第一区域与所述第二区域距离的方差。

7.如权利要求1所述的方法，其特征在于，所述按照至少一个设定角度对采集到的包含目标对象信息的图像帧进行梯度强度计算，具体包括：

按照一个设定角度从包含目标对象信息的图像帧中选择第一窗口区域，以及从包含目标对象信息的图像帧中选择第二窗口区域，其中，所述第一窗口区域与所述第二窗口区域的大小相同，且在图像帧中的位置满足将所述第一窗口区域旋转180°后与所述第二窗口区域重叠；

将选择出的所述第一窗口区域内包含的各个像素点的像素值与所述第二窗口区域内包含的各个像素点的像素值进行作差，并将差值进行求和运算；

将得到的和值作为对于该设定角度的图像帧的梯形强度值。

8.一种基于权利要求1所述的对目标对象进行检测的方法确定目标对象数量的方法，其特征在于，包括：

将整合得到的目标对象与其他图像帧中得到的目标对象进行比较；

在确定整合得到的目标对象与其他图像帧中得到的目标对象不是同一目标对象时，统计在所有图像帧中出现的不同目标对象的数量。

9.一种对目标对象进行检测的设备，其特征在于，包括：

积分图像获取模块，用于按照至少一个设定角度对采集到的图像帧进行梯度强度计算，得到该设定角度对应的梯度强度图像，并将所述梯度强度图像进行积分转换，得到积分图像；

区域检测模块，用于利用部件检测设备对得到的所述积分图像进行检测，分别检测得到满足N个不同设定条件的多个区域，其中，N为大于2的正整数；

目标对象区域确定模块，用于针对得到的满足不同设定条件的区域，分别执行以下操作，直至确定出属于同一目标对象的N个区域：选择第一区域和第二区域，其中，所述第一区域满足第M设定条件，所述第二区域满足第M+1设定条件，所述第M设定条件与所述第M+1设定条件不同；将所述第一区域和所述第二区域进行距离计算，并根据计算得到的结果，确定出所述第一区域和所述第二区域是否属于同一目标对象中的不同区域的第M概率，其中，M均为大于0且小于N的正整数；当所述第M概率大于设定的第M阈值时，确定所述第一区域和所述第二区域属于同一目标对象中的不同区域，并将M更新为M+1，继续执行选择满足第M+1+1设定条件的区域的操作；

目标对象整合模块，用于在确定出属于同一目标对象的N个区域之后，将确定出的N个区域进行整合得到目标对象。

10.如权利要求9所述的设备，其特征在于，

所述目标对象确定模块，还用于当所述第M概率不大于设定的第M阈值时，确定所述第一区域和所述第二区域不属于同一目标对象中的不同区域；从满足第M+1设定条件的区域中，选择第三区域，其中，所述第三区域是与所述第二区域不相同的其他区域；将所述第一区域和所述第三区域进行距离计算，并根据计算得到的结果，确定出所述第一区域和所述第三区域是否属于同一目标对象中的不同区域的第M^/概率，其中，M^/为大于0且小于N的正整数；

当所述第M^/概率大于设定的第M阈值时，确定所述第一区域和所述第三区域属于同一目标对象中的不同区域，并将M更新为M+1，继续执行选择满足第M+1+1设定条件的区域的操作；

当所述第M^/概率不大于设定的第M阈值时，确定所述第一区域和所述第三区域不属于同一目标对象中的不同区域，继续执行从满足第M+1设定条件的区域中，选择已选择的区域不同的其他区域。

11.如权利要求9所述的设备，其特征在于，

所述N为3，第一设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的头肩区域的特征值之差满足设定的第一数值；

第二设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的躯干区域的特征值之差满足设定的第二数值；

第三设定条件为：检测得到的一个区域内包含的目标对象的一个特征的特征值与设定的包含一个人体的腿部区域的特征值之差满足设定的第三数值。

12.如权利要求11所述的设备，其特征在于，所述设备还包括：特征值计算模块，具体包括：

窗口扫描单元，用于从得到的积分图像中选择一个符合设定窗口大小的窗口区域，按照设定的移动步长和缩放参数移动该窗口区域，对该积分图像进行扫描；

特征值计算单元，用于在所述窗口区域移动的过程中，当覆盖该积分图像的位置发生变化时，通过以下方式计算变化后窗口区域内扫描到的该目标对象的一个特征对应的特征值：

$featureV=\underset{i=1}{\overset{N}{\Σ}}{w}_i*{\mathrm{sum}}_i;$

其中，featureV表示变化后窗口区域内扫描到的该目标对象的一个特征的特征值；N为该目标对象的特征的窗口个数；w_i为该目标对象的特征的第i个窗口的权重值；sum_i为该目标对象的特征窗口区域覆盖内的积分图像中包含的第i个窗口在设定方向上梯度强度和。

13.如权利要求9～12任一所述的设备，其特征在于，

所述目标对象区域确定模块，具体用于确定所述第一区域内包含的各个像素点的像素点坐标，以及所述第二区域内包含的各个像素点的像素点坐标；将确定出的所述第一区域内包含的各个像素点的像素点坐标与确定出的第二区域内包含的各个像素点的像素点坐标进行作差运算，并将得到的差值进行求和，并将得到的和值作为所述第一区域与所述第二区域之间的距离值。

14.如权利要求13所述的设备，其特征在于，

所述目标对象区域确定模块，具体用于利用所述第一区域内包含的各个像素点的像素点坐标和所述第二区域内包含的各个像素点的像素点坐标，计算得到所述第一区域和所述第二区域的像素点坐标的均值和方差值；

通过以下方式计算所述第一区域与所述第二区域是否属于同一个目标对象中不同区域的第M概率：

$p\left(d\right)=\frac{1}{2\mathrm{\π}\mathrm{\μ}}\exp \left(\frac{{(d-m)}^2}{\mathrm{\μ}}\right);$

其中：p(d)为所述第一区域与所述第二区域是否属于同一个目标对象中不同区域的第M概率；d为所述第一区域与所述第二区域之间的距离值；m为统计得到的所述第一区域与所述第N区域距离的均值；μ为统计得到的所述第一区域与所述第二区域距离方差。

15.如权利要求9所述的设备，其特征在于，

所述积分图像获取模块，具体用于按照一个设定角度从包含目标对象信息的图像帧中选择第一窗口区域，以及从包含目标对象信息的图像帧中选择第二窗口区域，其中，所述第一窗口区域与所述第二窗口区域的大小相同，且在图像帧中的位置满足将所述第一窗口区域旋转180°后与所述第二窗口区域重叠；将选择出的所述第一窗口区域内包含的各个像素点的像素值与所述第二窗口区域内包含的各个像素点的像素值进行作差，并将差值进行求和运算；将得到的和值作为对于该设定角度的图像帧的梯形强度值。

16.一种基于权利要求1所述的对目标对象进行检测的方法确定目标对象数量的设备，其特征在于，包括：

比较模块，用于将整合得到的目标对象与其他图像帧中得到的目标对象进行比较；

统计模块，用于在确定整合得到的目标对象与其他图像帧中得到的目标对象不是同一目标对象时，统计在某一段时间内所有图像中出现的不同目标对象的数量。