CN105096350A - 图像检测方法及装置 - Google Patents
图像检测方法及装置 Download PDFInfo
- Publication number
- CN105096350A CN105096350A CN201410216357.3A CN201410216357A CN105096350A CN 105096350 A CN105096350 A CN 105096350A CN 201410216357 A CN201410216357 A CN 201410216357A CN 105096350 A CN105096350 A CN 105096350A
- Authority
- CN
- China
- Prior art keywords
- image
- predeterminable area
- detected
- target object
- data set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 239000000203 mixture Substances 0.000 claims description 77
- 238000000034 method Methods 0.000 claims description 47
- 230000000694 effects Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000010297 mechanical methods and process Methods 0.000 description 2
- 230000005226 mechanical processes and functions Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000011202 physical detection method Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开一种图像检测方法及装置,本发明实施例扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域;标记满足所述预设规则的预设区域;统计被标记的所述预设区域的个数大于预设数量阈值时,检测出所述待检测图像中存在目标物体;具有能够检测出目标物体的有益效果,提高了检测图像中目标物体的准确率。
Description
技术领域
本发明涉及计算机技术,尤其涉及一种图像检测方法及装置。
背景技术
图像中的物体检测是国内外研究的热门课题,目前主流的方法有:基于HOG(HistogramofOrientedGradient,方向梯度直方图)特征和linearSVM(SupportVectorMachine,支持向量机)分类器的物体检测、基于haar(哈尔)小波和Adaboost(迭代算法)分类器的物体检测等。现有的这种物体检测方法对于人体、人脸、自行车等拥有较多形状、纹理信息的占据中等或者较大区域的图像,其检测效果显著;但对于结构简单且所占区域较小的目标物体(比如某些简单的商标或者徽标等),比如该目标物体在某张1280*1024像素的图像中所占区域为100*100像素或者50*50像素甚至更小的区域;由于这类小的目标物体包含的信息量较少且特征区分力较弱,因此上述检测方式用来检测这类目标物体均不能取得良好的效果,甚至不能检测出上述目标物体。
发明内容
鉴于以上内容,有必要提供一种图像检测方法及装置,旨在达到能够检测出上述目标物体的目的。
本发明实施例公开了一种图像检测方法,包括以下步骤:
扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域;
标记满足所述预设规则的预设区域;
统计被标记的所述预设区域的个数大于预设数量阈值时,检测出所述待检测图像中存在目标物体。
本发明实施例还公开一种图像检测装置,包括:
扫描模块,用于扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域;
标记模块,用于标记满足所述预设规则的预设区域;
统计模块,用于统计被标记的所述预设区域的个数大于预设数量阈值时,检测出所述待检测图像中存在目标物体。
本发明实施例扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域;标记满足所述预设规则的预设区域;统计被标记的所述预设区域的个数大于预设数量阈值时,检测出所述待检测图像中存在目标物体;具有能够检测出目标物体的有益效果,提高了检测图像中目标物体的准确率。
附图说明
图1是本发明图像检测方法第一实施例流程示意图;
图2是本发明图像检测方法中扫描待检测图像、获取组成待检测图像的各预设区域所分别对应的图像特征,并根据图像特征识别出满足预设规则的预设区域一实施例流程示意图;
图3是本发明图像检测方法第二实施例流程示意图;
图4是本发明图像检测方法第三实施例流程示意图;
图5是本发明物理检测方法中建立包括目标物体的图像特征的特征数据库一实施例流程示意图;
图6是本发明图像检测方法中构成包括目标物体图像特征的特征数据库一实施例数据结构示意图;
图7是本发明图像检测装置第一实施例功能模块示意图;
图8是本发明图像检测装置第二实施例功能模块示意图;
图9是本发明图像检测装置第三实施例功能模块示意图;
图10是本发明图像检测装置一实施例硬件架构示意图。
本发明实施例目的的实现、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
以下结合说明书附图及具体实施例进一步说明本发明的技术方案。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。
本发明提供了一种图像检测方法第一实施例;如图1所示,本发明图像检测方法包括以下步骤:
步骤S01、扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域;
步骤S02、标记满足所述预设规则的预设区域;
本发明实施例中,系统可以采用滑动窗口的方式对待检测图像进行扫描;比如,系统在扫描待检测图像之前,为待检测图像建立一坐标系,在扫描时,以该待检测图像坐标系中的任意一点作为扫描起点,以预设尺寸为半径,将待检测图像划分为多个所述预设区域,并依次扫描组成所述待检测图像的各个所述预设区域。当然,系统也可以采用其他的扫描方式对待检测图像进行扫描;比如,在扫描之前,系统先将待检测图像进行分区,得到所述预设区域,然后再分别扫描上述预设区域;本实施例对扫描待检测图像的具体扫描方式不做限定。
系统在扫描上述每一个所述预设区域的同时,分别获取组成所述待检测图像的各预设区域所分别对应的图像特征。所述待检测图像中各预设区域的图像特征包括但不限于:HOG特征、LBP(Localbinarypatterns,局部二值模式)特征、哈尔特征、纹理特征、颜色特征、形状特征、空间关系特征等;本领域的技术人员可以理解,通过扫描待检测图像,根据实际应用场景和使用场景的需要,可以获取组成所述待检测图像各预设区域对应的多种不同图像特征。本实施例不对待检测图像对应的图像特征进行一一穷举。
在获取到组成所述待检测图像的各预设区域所分别对应的图像特征后,系统根据获取的各预设区域的图像特征,识别获取的所述图像特征是否满足预设规则,同时识别出满足预设规则的所述预设区域,并对满足预设规则的所述预设区域进行标记。所述预设规则可以按照系统的默认规则来执行,也可以按照用户侧根据不同类型的待检测图像所触发的设置指令来配置所述预设规则,本实施例对预设规则的具体内容不做限定;比如,获取的待检测图像各预设区域的图像特征为颜色特征时,所述预设规则为各预设区域对应的颜色直方图中不同色彩在整个所述预设区域对应的图像中所占的比例达到对应的预设阈值。
步骤S03、统计被标记的所述预设区域的个数大于预设数量阈值时,检测出所述待检测图像中存在目标物体。
系统统计组成所述待检测图像中所有被标记的预设区域,得到被标记的预设区域的个数;识别被标记的预设区域的个数是否大于预设数量阈值;当识别出被标记的预设区域的个数大于预设数量阈值时,检测出该待检测图像中存在目标物体。本实施例中,所述预设数量阈值可以根据实际进行检测的待检测图像的整体图像特征以及目标物体的图像特征进行具体设置。
本发明实施例扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域;标记满足所述预设规则的预设区域;统计被标记的所述预设区域的个数大于预设数量阈值时,检测出所述待检测图像中存在目标物体;具有能够检测出目标物体的有益效果,提高了检测目标物体的准确率。
本发明还提供了一种图像检测方法中扫描待检测图像、获取组成待检测图像的各预设区域所分别对应的图像特征,并根据图像特征识别出满足预设规则的预设区域的另一实施例方式。
本实施例仅对图1所述实施例中的“步骤S01、扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域”进行描述,有关本发明图像检测方法所涉及的其他步骤,请参照相应实施例的描述。
基于图1所述实施例的描述,如图2所示,本发明图像检测方法中,所述步骤S01、扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域的步骤包括:
步骤S11、扫描组成所述待检测图像的第一预设区域,获取所述第一预设区域对应的第一图像特征;
本实施例中,系统扫描组成所述待检测图像的第一预设区域,所述第一预设区域也可以理解为系统第一次扫描组成所述待检测图像的任意一个预设区别;在扫描该第一预设区域时,获取该第一预设区域对应的第一图像特征。
参照图1所述实施例的描述,所述第一图像特征为HOG特征、LBP特征、哈尔特征、纹理特征、颜色特征、形状特征、空间关系特征等图像特征中的任意一种,本实施例以第一图像特征为LBP特征为例进行描述。
步骤S12、在预先建立的包括所述目标物体的图像特征的特征数据库中,计算所述第一图像特征对应的预设范围R的权重值;
查找预先建立的包括目标物体图像特征的特征数据库;在该特征数据库中,计算第一图像特征如LBP特征对应的预设范围R内的权重值;所述预设范围R可以理解为该LBP特征对应的R近邻;也就是说,在预先建立的所述目标物体对应的所述特征数据库中,计算LBP特征对应的R近邻的权重值W1。
步骤S13、在所述权重值大于预设权重阈值时,获取所述第一预设区域的第二图像特征,并在所述特征数据库中查找所述第二图像特征对应的预设范围R';
判断计算得到的该第一预设区域对应的第一图像特征对应的预设范围R的权重值是否大于预设权重阈值;比如,判断上述第一预设区域对应的LBP特征对应的R近邻的权重值W1是否大于预设权重阈值W0;在LBP特征对应的R近邻的权重值W1大于预设权重阈值W0时,再获取该第一预设区域的第二图像特征,同时在目标物体图像特征对应的特征数据库中,查找该第二图像特征对应的预设范围R';本领域的技术人员可以理解,所述第二图像特征与第一图像特征不同,且所述第二图像特征为HOG特征、LBP特征、哈尔特征、纹理特征、颜色特征、形状特征、空间关系特征等图像特征中与所述第一图像特征不相同的任意一种图像特征。其中,所述第二图像特征在所述特征数据库中查找所述第二图像特征对应的预设范围R'可以理解为,所述第二图像特征在所述特征数据库中的R近邻,比如HOG特征在目标物体对应的特征数据库中的R近邻。
若计算得到的所述第一图像特征对应的预设范围R的权重值小于或等于预设权重阈值时,则直接扫描组成所述待检测图像的第二预设区域。如上所述,比如,判断上述第一预设区域对应的LBP特征对应的R近邻的权重值W1不大于即小于或者等于预设权重阈值W0时,可以认为该第一预设区域中已经不存在目标物体了,则系统直接扫描组成待检测图像的第二预设区域;并循环执行步骤S12以及步骤S13;比如,识别出第二预设区域是否满足所述预设规则,当识别出第二预设区域满足所述预设规则时,标记所述第二预设区域。
步骤S14、当所述预设范围R'与预设范围R的重叠区域大于预设区域阈值时,识别出所述第一预设区域满足所述预设规则。
获取第一图像特征在特征数据库中的预设范围R以及第二图像特征在特征数据库中的预设范围R'后,系统识别所述预设范围R'与预设范围R的重叠区域是否大于预设区域阈值,也就是说,系统根据获取的所述第一预设区域的第一图像特征和第二图像特征在包括目标物体的特征数据库中的重叠区域,得出该第一预设区域中同时包含第一图像特征和第二图像特征的所对应的目标物体所存在的几率。当系统识别出预设范围R'与预设范围R的重叠区域是大于预设区域阈值时,识别出第一预设区域满足所述预设规则,也可以理解为,该第一预设区域可能存在目标物体。本实施例中,所述预设范围R'与预设范围R的重叠区域,也可以理解为第一图像特征在特征数据库中对应的R近邻与第二图像特征在特征数据库中对应的R近邻的重叠情况。
本实施例通过扫描组成待检测图像的其中一个预设区域,并根据该预设区域中的第一图像特征在目标物体特征数据库中的权重值来确定是否继续检测该预设区域还是扫描下一个预设区域;具有提高扫描效率的有益效果;同时,根据同一个预设区域中不同的两种图像特征分别对应的R近邻在特征数据库中的重叠情况,来识别该预设区域是否满足预设规则,进一步提高了图像中目标物体检测的准确性。
本发明实施例还提供了一种图像检测方法第二实施例;本实施例与图1所述实施例的区别是,在扫描待检测图像各预设区域之前,先获取该待检测图像的整体图像特征。
基于图1、图2所述实施例的描述,如图3所示,本发明图像检测方法在图1所述实施例的“步骤S01、扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域”之前还包括:
步骤S10、获取所述待检测图像的第一图像特征积分图和第二图像特征积分图,以便根据所述第一图像特征积分图和第二图像特征积分图来获取组成所述待检测图像的各预设区域所分别对应的图像特征。
本实施例中,在获取组成待检测图像各预设区域所分别对应的图像特征之前,系统首先获取反映该待测图像整体图像特征的第一图像特征积分图和第二图像特征积分图,从而在后续获取组成该待检测图像各预设区域所分别对应的图像特征时,能够根据所述第一图像特征积分图和第二图像特征积分图快速获取到各预设区域对应的图像特征。
其中,所述第一图像特征积分图可以理解为反应所述待检测图像整体图像特征的第一图像特征,该第一图像特征为HOG特征、LBP特征、哈尔特征、纹理特征、颜色特征、形状特征、空间关系特征等图像特征中的任意一种;所述第二图像特征积分图可以理解为反应所述待检测图像整体图像特征的第二图像特征,该第二图像特征为HOG特征、LBP特征、哈尔特征、纹理特征、颜色特征、形状特征、空间关系特征等图像特征中与第一图像特征不相同的任意一种。比如,图1所述实施例中,获取组成待检测图像的各预设区域的第一图像特征和第二图像特征分别为LBP特征和HOG特征,则本实施例中,获取的待检测图像的第一图像特征积分图和第二图像特征积分图为:该待检测图像的LBP特征积分图和HOG特征积分图。
本实施例先获取待检测图像整体图像特征对应的第一图像特征积分图和第二图像特征积分图,提高了获取组成待检测图像各预设区域所分别对应的图像特征的提取效率,从而提高了图像中物体检测的效率。
本发明还提供了一种图像检测方法第三实施例;本实施例与图1或者图3所述实施例的区别是,在对待检测图像进行处理之前,建立包括目标物体的图像特征的特征数据库。
基于以上实施例的描述,如图4所示,本发明图像检测方法在图1所述实施例的“步骤S01、扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域”之前,还包括:
步骤S20、建立包括所述目标物体的图像特征的特征数据库。
由于需要对待检测图像中是否存在目标物体进行检测,因此,为了便于准确、快捷地检测上述待检测图像中是否包含有目标物体,需要预先建立一个包含所述目标物体的图像特征的特征数据库;基于该特征数据库中存储的目标物体的图像特征,对待检测图像进行检测时,将待检测图像中获取的图像特征与该特征数据库中存储的目标物体的图像特征进行比较,从而准确地检测出待检测图像中是否存在目标物体。
本发明实施例建立包括所述目标物体的图像特征的特征数据库,使得能够便捷、准确地检测待检测图像中是否存在目标物体。
请参照图5,本发明还提供了一种图像检测方法中建立包括目标物体的图像特征的特征数据库一实施例;本实施例仅对如何建立包括目标物体的图像特征的特征数据库进行描述,有关本发明图像检测方法所涉及的其他步骤,请参照相关实施例的具体描述,在此不再赘述。
基于以上实施例的描述,如图5所示,图4所述实施例中“步骤S20、建立包括所述目标物体的图像特征的特征数据库”的步骤包括:
步骤S21、将包含所述目标物体的数据集P、不包含所述目标物体的数据集U以及包含已标注目标物体的数据集EL组成训练数据库;
收集包含目标物体的数据集比如包含目标物体的图片,构建数据集C;在数据集C的基础上,对该数据集中包含的目标物体的图片进行图像处理,比如,对上述包含目标物体的图片进行滑动窗口和多尺度扫描来穷举和遍历包含目标物体的图片的所有可能的图像状态,得到经图像处理后的数据集P,如图6所示。对包含目标物体的一部分数据集进行标注,比如,采用人工方式或者系统自动标注的方式对图像中存在目标物体的区域进行标注,得到带有标注数据的目标物体图片,构建数据集L;并对数据集L进行图像处理,比如对包含目标物体图片中的标注区域进行缩放、旋转变换以及进行扩充等,形成数据集EL,如图6所示。另外,收集不包括目标物体的图片比如大量不包括目标物体的图片,记作数据集U;将数据集U、数据集P以及数据集EL组成训练数据库。
步骤S22、获取组成所述数据集P及数据集EL中每幅图片的第一图像特征和第二图像特征,得到第一图像特征集合S1和第二图像特征集合S2;同时,获取组成所述数据集U中每幅图片的第一图像特征和第二图像特征,得到第一图像特征集合U1和第二图像特征集合U2;
获取组成所述数据集P、数据集U以及数据集EL中每一幅图片的第一图像特征和第二图像特征;比如,通过滑动窗口扫描各个尺度的图像区域,分别得出数据集P和数据集EL的HOG特征和LBP特征,以及数据集U对应的HOG特征和LBP特征。同样地,本发明实施例中,第一图像特征包括但不限于:HOG特征、LBP特征、哈尔特征、纹理特征、颜色特征、形状特征、空间关系特征等图像特征中的任意一种;所述第二图像特征积分图可以理解为反应所述待检测图像整体图像特征的第二图像特征,该第二图像特征为HOG特征、LBP特征、哈尔特征、纹理特征、颜色特征、形状特征、空间关系特征等图像特征中与第一图像特征不相同的任意一种。本实施例以第一图像特征为HOG特征、第二图像特征为LBP特征为例进行描述;当第一图像特征和第二图像特征为表示图像的其他特征时,其实现方式与HOG特征和LBP特征一致,本实施例不再对各具体图形特征进行一一穷举和赘述。
本实施例中,由于数据集P以及数据集EL均包含目标物体,且数据集EL包含了已进行标注过的目标物体,因此定义数据集P及数据集EL中第一图像特征集合为S1,定义数据集P及数据集EL中第二图像特征集合为S2。同时,定义数据集U中对应的第一图像特征集合为U1,数据集U中对应的第二图像特征为U2。
步骤S23、分别调整所述第一图像特征集合S1与U1、以及第二图像特征集合S2与U2的特征区别等级,得到所述数据集P中满足预设区别等级的图片集P以及所述数据集EL中满足所述预设区别等级的图片集EL;
获取第一图像特征集合比如HOG特征集合S1与U1,以及第二图像特征集合比如LBP特征集合S2与U2之后,分别调整第一图像特征集合S1与U1的特征区别等级,以及第二图像特征S2与U2的特征区别等级,使得S1与U1的特征区别等级以及S2与U2的特征区别等级区别越大越好,从而便于后续基于得到的包含目标物体图像特征的特征数据库检测目标物体时,很容易识别待检测图像中是否包含目标物体;在实际操作过程中,根据实际需要,调整上述第一图像特征集合S1与U1的特征区别等级,以及第二图像特征S2与U2的特征区别等级达到预设区别等级即可。在调整第一图像特征集合S1与U1、以及第二图像特征集合S2与U2的特征区别等级后,得到所述数据集P中满足预设区别等级的图片集P以及所述数据集EL中满足所述预设区别等级的图片集EL。
步骤S24、由所述图片集P及图片集EL组成所述目标物体对应的所述特征数据库。
将图片集P以及图片集EL组成包含所述目标物体图像特征的所述特征数据库;进一步地,所述目标物体对应的所述特征数据库中,同时也包含了所述图片集P和图片集EL中各图片对应的权重值。
在本实施例一优选实施例中,分别调整所述第一图像特征集合S1与U1、以及第二图像特征集合S2与U2的特征区别等级,得到所述数据集P中满足预设区别等级的图片集P以及所述数据集EL中满足所述预设区别等级的图片集EL,可以采取以下实现方式:
在计算获取到组成数据集P以及数据EL对应的第一图像特征集合S1和第二图像特征集合S2,以及数据U对应的第一图像特征集合U1和第二图像特征集合U2之后,对组成所述数据集P及数据集EL中的每幅图片PEL赋予相同的初始权重值Wi;根据所述初始权重值Wi,计算所述第一图像特征集合U1对应于所述第一图像特征集合S1中预设范围R1内的权重值W1,以及所述第一图像特征集合S1中预设范围R1内所述图片PEL对应的权重值Wp1;同时,计算所述第二图像特征集合U2对应于所述第二图像特征集合S2中预设范围R1内的权重值W2,以及所述第二图像特征集合S2中预设范围R2内所述图片PEL对应的权重值Wp2;分别比较所述权重值W1与Wp1的差值△W1、以及所述权重值W2与Wp2的差值△W2;当所述差值△W1和/或差值△W2低于预设差值阈值时,调整所述第一图像特征集合S1中预设范围R1内所述图片PEL对应的权重值Wp1,和/或所述第二图像特征集合S2中预设范围R2内所述图片PEL对应的权重值Wp2,使得所述差值△W1和/或差值△W2高于预设差值阈值;从所述数据集P中筛选出权重值达到第一阈值的图片集P,从所述数据集EL中筛选出权重值达到第二阈值的图片集EL。其中,所述第一图像特征集合U1对应于所述第一图像特征集合S1中预设范围R1包括:所述第一图像特征集合U1在所述第一图像特征集合S1中的R近邻;所述第二图像特征集合U2对应于所述第二图像特征集合S2中预设范围R2包括:所述第二图像特征集合U2在所述第二图像特征集合S2中的R近邻。
比如,在一具体的实现方式中,对于数据集U中的HOG特征,寻找在HOG特征集合S1中的R近邻,对于R近邻中的每个元素,调整其权重值W1=Wp1-△,△>0;对于数据集U中的LBP特征,寻找在LBP特征集合S2中的R近邻,对于R近邻中的每个元素,调整其权重值W2=Wp2-△,△>0;为了使包含目标物体的HOG特征以及LBP特征与不包含目标物体的HOG特征和LBP特征有明显的区分,可以适当调整△的值;比如,使得△的值在一预设调整范围内。调整完成后,对于数据集EL中的图片,筛选其权重值最高的α%的图片以及该图片对应的权重值进入特征数据库;对于数据集P中的图片,筛选其权重值最高的β%的图片以及该图片对应的权重值进入特征数据库;同时对建立的包含目标物体的所述特征数据库建立数据索引,使得该特征数据库支撑R近邻搜索。
本发明实施例中通过收集包含目标物体不进行标注的图片、包含目标物体进行标注的图片以及不包含目标物体的图片对应的三种数据进行调整和处理得到包含目标物体图像特征的所述特征数据库;提高了包含目标物体图像特征的特征数据库建立的智能性和便捷性。
本发明提供了一种图像检测装置第一实施例;如图7所示,本发明图像检测装置包括:扫描模块01、标记模块02和统计模块03。
扫描模块01,用于扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域;
标记模块02,用于标记满足所述预设规则的预设区域;
本发明实施例中,扫描模块01可以采用滑动窗口的方式对待检测图像进行扫描;比如,扫描模块01在扫描待检测图像之前,为待检测图像建立一坐标系,在扫描时,以该待检测图像坐标系中的任意一点作为扫描起点,以预设尺寸为半径,将待检测图像划分为多个所述预设区域,并依次扫描组成所述待检测图像的各个所述预设区域。当然,扫描模块01也可以采用其他的扫描方式对待检测图像进行扫描;比如,在扫描之前,扫描模块01先将待检测图像进行分区,得到所述预设区域,然后再分别扫描上述预设区域;本实施例对扫描模块01扫描待检测图像的具体扫描方式不做限定。
扫描模块01在扫描上述每一个所述预设区域的同时,分别获取组成所述待检测图像的各预设区域所分别对应的图像特征。所述待检测图像中各预设区域的图像特征包括但不限于:HOG特征、LBP特征、哈尔特征、纹理特征、颜色特征、形状特征、空间关系特征等;本领域的技术人员可以理解,通过扫描模块01扫描待检测图像,根据实际应用场景和使用场景的需要,可以获取组成所述待检测图像各预设区域对应的多种不同图像特征。本实施例不对待检测图像对应的图像特征进行一一穷举。
在获取到组成所述待检测图像的各预设区域所分别对应的图像特征后,扫描模块01根据获取的各预设区域的图像特征,识别获取的所述图像特征是否满足预设规则,扫描模块01识别出满足预设规则的所述预设区域时,标记模块02对满足预设规则的所述预设区域进行标记。所述预设规则可以按照系统的默认规则来执行,也可以按照用户侧根据不同类型的待检测图像所触发的设置指令来配置所述预设规则,本实施例对预设规则的具体内容不做限定;比如,获取的待检测图像各预设区域的图像特征为颜色特征时,所述预设规则为各预设区域对应的颜色直方图中不同色彩在整个所述预设区域对应的图像中所占的比例达到对应的预设阈值。
统计模块03,用于统计被标记的所述预设区域的个数大于预设数量阈值时,检测出所述待检测图像中存在目标物体。
统计模块03统计组成所述待检测图像中所有被标记的预设区域,得到被标记的预设区域的个数;识别被标记的预设区域的个数是否大于预设数量阈值;当识别出被标记的预设区域的个数大于预设数量阈值时,检测出该待检测图像中存在目标物体。本实施例中,所述预设数量阈值可以根据实际进行检测的待检测图像的整体图像特征以及目标物体的图像特征进行具体设置。
本发明实施例扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域;标记满足所述预设规则的预设区域;统计被标记的所述预设区域的个数大于预设数量阈值时,检测出所述待检测图像中存在目标物体;具有能够检测出目标物体的有益效果,提高了检测目标物体的准确率。
请再次参照图7,图7所述实施例中,所述扫描模块01还用于:
扫描组成所述待检测图像的第一预设区域,获取所述第一预设区域对应的第一图像特征;在预先建立的包括所述目标物体的图像特征的特征数据库中,计算所述第一图像特征对应的预设范围R的权重值;在所述权重值大于预设权重阈值时,获取所述第一预设区域的第二图像特征,并在所述特征数据库中查找所述第二图像特征对应的预设范围R';当所述预设范围R'与预设范围R的重叠区域大于预设区域阈值时,识别出所述第一预设区域满足所述预设规则。
基于图7所述实施例的描述,本实施例中,扫描模块01扫描组成所述待检测图像的第一预设区域,所述第一预设区域也可以理解为系统第一次扫描组成所述待检测图像的任意一个预设区别;在扫描该第一预设区域时,获取该第一预设区域对应的第一图像特征。
参照图7所述实施例的描述,所述第一图像特征为HOG特征、LBP特征、哈尔特征、纹理特征、颜色特征、形状特征、空间关系特征等图像特征中的任意一种,本实施例以第一图像特征为LBP特征为例进行描述。
扫描模块01查找预先建立的包括目标物体图像特征的特征数据库;在该特征数据库中,计算第一图像特征如LBP特征对应的预设范围R内的权重值;所述预设范围R可以理解为该LBP特征对应的R近邻;也就是说,在预先建立的所述目标物体对应的所述特征数据库中,扫描模块01计算LBP特征对应的R近邻的权重值W1。
扫描模块01判断计算得到的该第一预设区域对应的第一图像特征对应的预设范围R的权重值是否大于预设权重阈值;比如,判断上述第一预设区域对应的LBP特征对应的R近邻的权重值W1是否大于预设权重阈值W0;在LBP特征对应的R近邻的权重值W1大于预设权重阈值W0时,扫描模块01再获取该第一预设区域的第二图像特征,同时在目标物体图像特征对应的特征数据库中,查找该第二图像特征对应的预设范围R';本领域的技术人员可以理解,所述第二图像特征与第一图像特征不同,且所述第二图像特征为HOG特征、LBP特征、哈尔特征、纹理特征、颜色特征、形状特征、空间关系特征等图像特征中与所述第一图像特征不相同的任意一种图像特征。其中,所述第二图像特征在所述特征数据库中查找所述第二图像特征对应的预设范围R'可以理解为,所述第二图像特征在所述特征数据库中的R近邻,比如HOG特征在目标物体对应的特征数据库中的R近邻。
若扫描模块01计算得到的所述第一图像特征对应的预设范围R的权重值小于或等于预设权重阈值时,扫描模块01则直接扫描组成所述待检测图像的第二预设区域。如上所述,比如,扫描模块01判断上述第一预设区域对应的LBP特征对应的R近邻的权重值W1不大于即小于或者等于预设权重阈值W0时,可以认为该第一预设区域中已经不存在目标物体了,则扫描模块01直接扫描组成待检测图像的第二预设区域;并循环执行上述的检测程序;比如识别出第二预设区域是否满足所述预设规则,当扫描模块01识别出第二预设区域满足所述预设规则时,由标记模块02标记所述第二预设区域。
扫描模块01获取第一图像特征在特征数据库中的预设范围R以及第二图像特征在特征数据库中的预设范围R'后,扫描模块01识别所述预设范围R'与预设范围R的重叠区域是否大于预设区域阈值,也就是说,扫描模块01根据获取的所述第一预设区域的第一图像特征和第二图像特征在包括目标物体的特征数据库中的重叠区域,得出该第一预设区域中同时包含第一图像特征和第二图像特征的所对应的目标物体所存在的几率。当扫描模块01识别出预设范围R'与预设范围R的重叠区域是大于预设区域阈值时,识别出第一预设区域满足所述预设规则,也可以理解为,该第一预设区域可能存在目标物体。本实施例中,所述预设范围R'与预设范围R的重叠区域,也可以理解为第一图像特征在特征数据库中对应的R近邻与第二图像特征在特征数据库中对应的R近邻的重叠情况。
本实施例通过扫描组成待检测图像的其中一个预设区域,并根据该预设区域中的第一图像特征在目标物体特征数据库中的权重值来确定是否继续检测该预设区域还是扫描下一个预设区域;具有提高扫描效率的有益效果;同时,根据同一个预设区域中不同的两种图像特征分别对应的R近邻在特征数据库中的重叠情况,来识别该预设区域是否满足预设规则,进一步提高了图像中目标物体检测的准确性。
本发明实施例还提供一种图像检测装置第二实施例;本实施例与图7所述实施例的区别是,在扫描待检测图像各预设区域之前,先获取该待检测图像的整体图像特征。
基于以上实施例的描述,如图8所示,本发明图像检测装置还包括:
积分图获取模块04,用于获取所述待检测图像的第一图像特征积分图和第二图像特征积分图,以便根据所述第一图像特征积分图和第二图像特征积分图来获取组成所述待检测图像的各预设区域所分别对应的图像特征。
本实施例中,在扫描模块01获取组成待检测图像各预设区域所分别对应的图像特征之前,积分图获取模块04首先获取反映该待测图像整体图像特征的第一图像特征积分图和第二图像特征积分图,从而在后续获取组成该待检测图像各预设区域所分别对应的图像特征时,扫描模块01能够根据积分图获取模块04获取的所述第一图像特征积分图和第二图像特征积分图快速获取到各预设区域对应的图像特征。
其中,所述第一图像特征积分图可以理解为反应所述待检测图像整体图像特征的第一图像特征,该第一图像特征为HOG特征、LBP特征、哈尔特征、纹理特征、颜色特征、形状特征、空间关系特征等图像特征中的任意一种;所述第二图像特征积分图可以理解为反应所述待检测图像整体图像特征的第二图像特征,该第二图像特征为HOG特征、LBP特征、哈尔特征、纹理特征、颜色特征、形状特征、空间关系特征等图像特征中与第一图像特征不相同的任意一种。比如,图7所述实施例中,扫描模块01获取组成待检测图像的各预设区域的第一图像特征和第二图像特征分别为LBP特征和HOG特征,则本实施例中,积分图获取模块04获取的待检测图像的第一图像特征积分图和第二图像特征积分图为:该待检测图像的LBP特征积分图和HOG特征积分图。
本实施例先获取待检测图像整体图像特征对应的第一图像特征积分图和第二图像特征积分图,提高了获取组成待检测图像各预设区域所分别对应的图像特征的提取效率,从而提高了图像检测的效率。
本发明实施例还提供了一种图像检测装置第三实施例;本实施例与图7或图8所述实施例的区别是,在对待检测图像进行处理之前,建立包括目标物体的图像特征的特征数据库。
基于以上实施例的描述,如图9所示,本发明图像检测装置还包括:
数据库建立模块05,用于建立包括所述目标物体的图像特征的特征数据库。
由于需要对待检测图像中是否存在目标物体进行检测,因此,为了便于准确、快捷地检测上述待检测图像中是否包含有目标物体,数据库建立模块05预先建立一个包含所述目标物体的图像特征的特征数据库;基于数据库建立模块05建立的该特征数据库中存储的目标物体的图像特征,在对待检测图像进行检测时,将待检测图像中获取的图像特征与该特征数据库中存储的目标物体的图像特征进行比较,从而准确地检测出待检测图像中是否存在目标物体。
本发明实施例建立包括所述目标物体的图像特征的特征数据库,使得能够便捷、准确地检测待检测图像中是否存在目标物体。
请再次参照图9,本发明图像检测装置中,数据库建立模块05还用于:
将包含所述目标物体的数据集P、不包含所述目标物体的数据集U以及包含已标注目标物体的数据集EL组成训练数据库;获取组成所述数据集P及数据集EL中每幅图片的第一图像特征和第二图像特征,得到第一图像特征集合S1和第二图像特征集合S2;同时,获取组成所述数据集U中每幅图片的第一图像特征和第二图像特征,得到第一图像特征集合U1和第二图像特征集合U2;分别调整所述第一图像特征集合S1与U1、以及第二图像特征集合S2与U2的特征区别等级,得到所述数据集P中满足预设区别等级的图片集P以及所述数据集EL中满足所述预设区别等级的图片集EL;由所述图片集P及图片集EL组成所述目标物体对应的所述特征数据库。
数据库建立模块05收集包含目标物体的数据集比如包含目标物体的图片,构建数据集C;在数据集C的基础上,对该数据集中包含的目标物体的图片进行图像处理,比如,对上述包含目标物体的图片进行滑动窗口和多尺度扫描来穷举和遍历包含目标物体的图片的所有可能的图像状态,得到经图像处理后的数据集P,如图6所示。数据库建立模块05对包含目标物体的一部分数据集进行标注,比如,采用人工方式或者系统自动标注的方式对图像中存在目标物体的区域进行标注,得到带有标注数据的目标物体图片,构建数据集L;并对数据集L进行图像处理,比如对包含目标物体图片中的标注区域进行缩放、旋转变换以及进行扩充等,形成数据集EL,如图6所示。另外,数据库建立模块05收集不包括目标物体的图片比如大量不包括目标物体的图片,记作数据集U;将数据集U、数据集P以及数据集EL组成训练数据库。
数据库建立模块05获取组成所述数据集P、数据集U以及数据集EL中每一幅图片的第一图像特征和第二图像特征;比如,通过滑动窗口扫描各个尺度的图像区域,分别得出数据集P和数据集EL的HOG特征和LBP特征,以及数据集U对应的HOG特征和LBP特征。同样地,本发明实施例中,第一图像特征包括但不限于:HOG特征、LBP特征、哈尔特征、纹理特征、颜色特征、形状特征、空间关系特征等图像特征中的任意一种;所述第二图像特征积分图可以理解为反应所述待检测图像整体图像特征的第二图像特征,该第二图像特征为HOG特征、LBP特征、哈尔特征、纹理特征、颜色特征、形状特征、空间关系特征等图像特征中与第一图像特征不相同的任意一种。本实施例以第一图像特征为HOG特征、第二图像特征为LBP特征为例进行描述;当第一图像特征和第二图像特征为表示图像的其他特征时,其实现方式与HOG特征和LBP特征一致,本实施例不再对各具体图形特征进行一一穷举和赘述。
本实施例中,由于数据集P以及数据集EL均包含目标物体,且数据集EL包含了已进行标注过的目标物体,因此定义数据集P及数据集EL中第一图像特征集合为S1,定义数据集P及数据集EL中第二图像特征集合为S2。同时,定义数据集U中对应的第一图像特征集合为U1,数据集U中对应的第二图像特征为U2。
数据库建立模块05获取第一图像特征集合比如HOG特征集合S1与U1,以及第二图像特征集合比如LBP特征集合S2与U2之后,分别调整第一图像特征集合S1与U1的特征区别等级,以及第二图像特征S2与U2的特征区别等级,使得S1与U1的特征区别等级以及S2与U2的特征区别等级区别越大越好,从而便于后续基于得到的包含目标物体图像特征的特征数据库检测目标物体时,很容易识别待检测图像中是否包含目标物体;在实际操作过程中,根据实际需要,数据库建立模块05调整上述第一图像特征集合S1与U1的特征区别等级,以及第二图像特征S2与U2的特征区别等级达到预设区别等级即可。数据库建立模块05在调整第一图像特征集合S1与U1、以及第二图像特征集合S2与U2的特征区别等级后,得到所述数据集P中满足预设区别等级的图片集P以及所述数据集EL中满足所述预设区别等级的图片集EL。
数据库建立模块05将图片集P以及图片集EL组成包含所述目标物体图像特征的所述特征数据库;进一步地,所述目标物体对应的所述特征数据库中,同时也包含了所述图片集P和图片集EL中各图片对应的权重值。
在本实施例一优选实施例中,数据库建立模块05分别调整所述第一图像特征集合S1与U1、以及第二图像特征集合S2与U2的特征区别等级,得到所述数据集P中满足预设区别等级的图片集P以及所述数据集EL中满足所述预设区别等级的图片集EL,可以采取以下实现方式:
在计算获取到组成数据集P以及数据EL对应的第一图像特征集合S1和第二图像特征集合S2,以及数据U对应的第一图像特征集合U1和第二图像特征集合U2之后,数据库建立模块05对组成所述数据集P及数据集EL中的每幅图片PEL赋予相同的初始权重值Wi;根据所述初始权重值Wi,计算所述第一图像特征集合U1对应于所述第一图像特征集合S1中预设范围R1内的权重值W1,以及所述第一图像特征集合S1中预设范围R1内所述图片PEL对应的权重值Wp1;同时,数据库建立模块05计算所述第二图像特征集合U2对应于所述第二图像特征集合S2中预设范围R1内的权重值W2,以及所述第二图像特征集合S2中预设范围R2内所述图片PEL对应的权重值Wp2;数据库建立模块05分别比较所述权重值W1与Wp1的差值△W1、以及所述权重值W2与Wp2的差值△W2;当所述差值△W1和/或差值△W2低于预设差值阈值时,数据库建立模块05调整所述第一图像特征集合S1中预设范围R1内所述图片PEL对应的权重值Wp1,和/或所述第二图像特征集合S2中预设范围R2内所述图片PEL对应的权重值Wp2,使得所述差值△W1和/或差值△W2高于预设差值阈值;数据库建立模块05从所述数据集P中筛选出权重值达到第一阈值的图片集P,数据库建立模块05从所述数据集EL中筛选出权重值达到第二阈值的图片集EL。其中,所述第一图像特征集合U1对应于所述第一图像特征集合S1中预设范围R1包括:所述第一图像特征集合U1在所述第一图像特征集合S1中的R近邻;所述第二图像特征集合U2对应于所述第二图像特征集合S2中预设范围R2包括:所述第二图像特征集合U2在所述第二图像特征集合S2中的R近邻。
比如,在一具体的实现方式中,对于数据集U中的HOG特征,数据库建立模块05寻找在HOG特征集合S1中的R近邻,对于R近邻中的每个元素,数据库建立模块05调整其权重值W1=Wp1-△,△>0;对于数据集U中的LBP特征,数据库建立模块05寻找在LBP特征集合S2中的R近邻,对于R近邻中的每个元素,数据库建立模块05调整其权重值W2=Wp2-△,△>0;为了使包含目标物体的HOG特征以及LBP特征与不包含目标物体的HOG特征和LBP特征有明显的区分,数据库建立模块05可以适当调整△的值;比如,数据库建立模块05调整时,使得△的值在一预设调整范围内。数据库建立模块05调整完成后,对于数据集EL中的图片,数据库建立模块05筛选其权重值最高的α%的图片以及该图片对应的权重值进入特征数据库;对于数据集P中的图片,数据库建立模块05筛选其权重值最高的β%的图片以及该图片对应的权重值进入特征数据库;同时数据库建立模块05对建立的包含目标物体的所述特征数据库建立数据索引,使得该特征数据库支撑R近邻搜索。
本发明实施例中通过收集包含目标物体不进行标注的图片、包含目标物体进行标注的图片以及不包含目标物体的图片对应的三种数据进行调整和处理得到包含目标物体图像特征的所述特征数据库;提高了包含目标物体图像特征的特征数据库建立的智能性和便捷性。
本发明实施例还提供一种图像检测装置的硬件结构,如图10所示,该图像检测装置包括:
处理器101、存储器102、用户接口103、网络接口104以及通信总线105。通信总线105用于本地服务器中各组成部件之间的通信,用户接口103用于接收用户输入的信息,该用户接口可以为有线接口及无线接口,例如键盘、鼠标等。网络接口104用于图像检测装置与外部进行互相通信,该网络接口也可以包括有线接口及无线接口。存储器102可以包括一个或一个以上计算机可读存储介质,而且其不但包括内部存储器,还包括外部存储器。该存储器中存储有操作系统及图像检测应用程序等等。处理器101用于调用存储器102中的图像检测应用程序,以执行以下操作:
通过网络接口104扫描待检测图像,处理器101获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域;
标记满足所述预设规则的预设区域;
统计被标记的所述预设区域的个数大于预设数量阈值时,检测出所述待检测图像中存在目标物体。
本发明实施例扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域;标记满足所述预设规则的预设区域;统计被标记的所述预设区域的个数大于预设数量阈值时,检测出所述待检测图像中存在目标物体;具有能够检测出目标物体的有益效果,提高了检测目标物体的准确率。
进一步的,处理器101还用于调用存储器102中的图像检测应用程序,以执行以下操作:
通过网络接口104扫描组成所述待检测图像的第一预设区域,获取所述第一预设区域对应的第一图像特征;
通过通信总线105在预先建立的包括所述目标物体的图像特征的特征数据库中,计算所述第一图像特征对应的预设范围R的权重值;
在所述权重值大于预设权重阈值时,获取所述第一预设区域的第二图像特征,并在所述特征数据库中查找所述第二图像特征对应的预设范围R';
当所述预设范围R'与预设范围R的重叠区域大于预设区域阈值时,识别出所述第一预设区域满足所述预设规则。
进一步的,处理器101还用于调用存储器102中的图像检测应用程序,以执行以下操作:
在所述权重值小于或等于预设权重阈值时,通过网络接口104扫描组成所述待检测图像的第二预设区域。
进一步的,所述预设范围R包括所述第一图像特征在所述特征数据库中的R近邻;所述预设范围R'包括所述第二图像特征在所述特征数据库中的R近邻。
进一步的,处理器101还用于调用存储器102中的图像检测应用程序,以执行以下操作:
通过网络接口104获取所述待检测图像的第一图像特征积分图和第二图像特征积分图,以便根据所述第一图像特征积分图和第二图像特征积分图来获取组成所述待检测图像的各预设区域所分别对应的图像特征。
进一步的,所述图像特征包括:纹理特征、方向梯度直方图特征和哈尔特征。
进一步的,处理器101还用于调用存储器102中的图像检测应用程序,以执行以下操作:
建立包括所述目标物体的图像特征的特征数据库。
进一步的,处理器101还用于调用存储器102中的图像检测应用程序,以执行以下操作:
将包含所述目标物体的数据集P、不包含所述目标物体的数据集U以及包含已标注目标物体的数据集EL组成训练数据库;
获取组成所述数据集P及数据集EL中每幅图片的第一图像特征和第二图像特征,得到第一图像特征集合S1和第二图像特征集合S2;同时,获取组成所述数据集U中每幅图片的第一图像特征和第二图像特征,得到第一图像特征集合U1和第二图像特征集合U2;
分别调整所述第一图像特征集合S1与U1、以及第二图像特征集合S2与U2的特征区别等级,得到所述数据集P中满足预设区别等级的图片集P以及所述数据集EL中满足所述预设区别等级的图片集EL;
由所述图片集P及图片集EL组成所述目标物体对应的所述特征数据库。
进一步的,所述数据集P由收集的包含所述目标物体的数据集C经图像处理后得到;所述数据集EL由收集的包含已标注目标物体的数据集L经图像处理后得到。
进一步的,处理器101还用于调用存储器102中的图像检测应用程序,以执行以下操作:
对组成所述数据集P及数据集EL中的每幅图片PEL赋予相同的初始权重值Wi;
根据所述初始权重值Wi,计算所述第一图像特征集合U1对应于所述第一图像特征集合S1中预设范围R1内的权重值W1,以及所述第一图像特征集合S1中预设范围R1内所述图片PEL对应的权重值Wp1;同时,计算所述第二图像特征集合U2对应于所述第二图像特征集合S2中预设范围R1内的权重值W2,以及所述第二图像特征集合S2中预设范围R2内所述图片PEL对应的权重值Wp2;
分别比较所述权重值W1与Wp1的差值△W1、以及所述权重值W2与Wp2的差值△W2;
当所述差值△W1和/或差值△W2低于预设差值阈值时,调整所述第一图像特征集合S1中预设范围R1内所述图片PEL对应的权重值Wp1,和/或所述第二图像特征集合S2中预设范围R2内所述图片PEL对应的权重值Wp2,使得所述差值△W1和/或差值△W2高于预设差值阈值;
从所述数据集P中筛选出权重值达到第一阈值的图片集P,从所述数据集EL中筛选出权重值达到第二阈值的图片集EL。
进一步的,所述特征数据库包括:所述图片集P和图片集EL中各图片对应的权重值。
进一步的,所述第一图像特征集合U1对应于所述第一图像特征集合S1中预设范围R1包括:所述第一图像特征集合U1在所述第一图像特征集合S1中的R近邻;所述第二图像特征集合U2对应于所述第二图像特征集合S2中预设范围R2包括:所述第二图像特征集合U2在所述第二图像特征集合S2中的R近邻。
本发明实施例图像检测装置提高了目标物体检测的智能性、便捷性和准确性。
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。
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。
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,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅为本发明的优选实施例,并非因此限制其专利范围,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,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。
Claims (24)
1.一种图像检测方法,其特征在于,包括以下步骤:
扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域;
标记满足所述预设规则的预设区域;
统计被标记的所述预设区域的个数大于预设数量阈值时,检测出所述待检测图像中存在目标物体。
2.如权利要求1所述的方法,其特征在于,所述扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域的步骤包括:
扫描组成所述待检测图像的第一预设区域,获取所述第一预设区域对应的第一图像特征;
在预先建立的包括所述目标物体的图像特征的特征数据库中,计算所述第一图像特征对应的预设范围R的权重值;
在所述权重值大于预设权重阈值时,获取所述第一预设区域的第二图像特征,并在所述特征数据库中查找所述第二图像特征对应的预设范围R';
当所述预设范围R'与预设范围R的重叠区域大于预设区域阈值时,识别出所述第一预设区域满足所述预设规则。
3.如权利要求2所述的方法,其特征在于,所述计算所述第一图像特征对应的预设范围R的权重值的步骤之后还包括:
在所述权重值小于或等于预设权重阈值时,扫描组成所述待检测图像的第二预设区域;当识别出所述第二预设区域满足预设规则时,执行所述步骤:
标记满足所述预设规则的预设区域。
4.如权利要求2所述的方法,其特征在于,所述预设范围R包括所述第一图像特征在所述特征数据库中的R近邻;所述预设范围R'包括所述第二图像特征在所述特征数据库中的R近邻。
5.如权利要求1所述的方法,其特征在于,所述扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域的步骤之前还包括:
获取所述待检测图像的第一图像特征积分图和第二图像特征积分图,以便根据所述第一图像特征积分图和第二图像特征积分图来获取组成所述待检测图像的各预设区域所分别对应的图像特征。
6.如权利要求1所述的方法,其特征在于,所述图像特征包括:纹理特征、方向梯度直方图特征和哈尔特征。
7.如权利要求1-6任一项所述的方法,其特征在于,所述扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域的步骤之前还包括:
建立包括所述目标物体的图像特征的特征数据库。
8.如权利要求7所述的方法,其特征在于,所述建立包括所述目标物体的图像特征的特征数据库的步骤包括:
将包含所述目标物体的数据集P、不包含所述目标物体的数据集U以及包含已标注目标物体的数据集EL组成训练数据库;
获取组成所述数据集P及数据集EL中每幅图片的第一图像特征和第二图像特征,得到第一图像特征集合S1和第二图像特征集合S2;同时,获取组成所述数据集U中每幅图片的第一图像特征和第二图像特征,得到第一图像特征集合U1和第二图像特征集合U2;
分别调整所述第一图像特征集合S1与U1、以及第二图像特征集合S2与U2的特征区别等级,得到所述数据集P中满足预设区别等级的图片集P以及所述数据集EL中满足所述预设区别等级的图片集EL;
由所述图片集P及图片集EL组成所述目标物体对应的所述特征数据库。
9.如权利要求8所述的方法,其特征在于,所述数据集P由收集的包含所述目标物体的数据集C经图像处理后得到;所述数据集EL由收集的包含已标注目标物体的数据集L经图像处理后得到。
10.如权利要求8所述的方法,其特征在于,所述分别调整所述第一图像特征集合S1与U1、以及第二图像特征集合S2与U2的特征区别等级,得到所述数据集P中满足预设区别等级的图片集P以及所述数据集EL中满足所述预设区别等级的图片集EL的步骤包括:
对组成所述数据集P及数据集EL中的每幅图片PEL赋予相同的初始权重值Wi;
根据所述初始权重值Wi,计算所述第一图像特征集合U1对应于所述第一图像特征集合S1中预设范围R1内的权重值W1,以及所述第一图像特征集合S1中预设范围R1内所述图片PEL对应的权重值Wp1;同时,计算所述第二图像特征集合U2对应于所述第二图像特征集合S2中预设范围R1内的权重值W2,以及所述第二图像特征集合S2中预设范围R2内所述图片PEL对应的权重值Wp2;
分别比较所述权重值W1与Wp1的差值△W1、以及所述权重值W2与Wp2的差值△W2;
当所述差值△W1和/或差值△W2低于预设差值阈值时,调整所述第一图像特征集合S1中预设范围R1内所述图片PEL对应的权重值Wp1,和/或所述第二图像特征集合S2中预设范围R2内所述图片PEL对应的权重值Wp2,使得所述差值△W1和/或差值△W2高于预设差值阈值;
从所述数据集P中筛选出权重值达到第一阈值的图片集P,从所述数据集EL中筛选出权重值达到第二阈值的图片集EL。
11.如权利要求10所述的方法,其特征在于,所述特征数据库包括:所述图片集P和图片集EL中各图片对应的权重值。
12.如权利要求10所述的方法,其特征在于,所述第一图像特征集合U1对应于所述第一图像特征集合S1中预设范围R1包括:所述第一图像特征集合U1在所述第一图像特征集合S1中的R近邻;所述第二图像特征集合U2对应于所述第二图像特征集合S2中预设范围R2包括:所述第二图像特征集合U2在所述第二图像特征集合S2中的R近邻。
13.一种图像检测装置,其特征在于,包括:
扫描模块,用于扫描待检测图像,获取组成所述待检测图像的各预设区域所分别对应的图像特征,并根据获取的所述图像特征识别出满足预设规则的所述预设区域;
标记模块,用于标记满足所述预设规则的预设区域;
统计模块,用于统计被标记的所述预设区域的个数大于预设数量阈值时,检测出所述待检测图像中存在目标物体。
14.如权利要求13所述的装置,其特征在于,所述扫描模块还用于:
扫描组成所述待检测图像的第一预设区域,获取所述第一预设区域对应的第一图像特征;
在预先建立的包括所述目标物体的图像特征的特征数据库中,计算所述第一图像特征对应的预设范围R的权重值;
在所述权重值大于预设权重阈值时,获取所述第一预设区域的第二图像特征,并在所述特征数据库中查找所述第二图像特征对应的预设范围R';
当所述预设范围R'与预设范围R的重叠区域大于预设区域阈值时,识别出所述第一预设区域满足所述预设规则。
15.如权利要求14所述的装置,其特征在于,所述扫描模块还用于:
在所述权重值小于或等于预设权重阈值时,扫描组成所述待检测图像的第二预设区域;当所述扫描模块识别出所述第二预设区域满足预设规则时,由所述标记模块标记满足所述预设规则的所述第二预设区域。
16.如权利要求14所述的装置,其特征在于,所述预设范围R包括所述第一图像特征在所述特征数据库中的R近邻;所述预设范围R'包括所述第二图像特征在所述特征数据库中的R近邻。
17.如权利要求13所述的装置,其特征在于,还包括:
积分图获取模块,用于获取所述待检测图像的第一图像特征积分图和第二图像特征积分图,以便根据所述第一图像特征积分图和第二图像特征积分图来获取组成所述待检测图像的各预设区域所分别对应的图像特征。
18.如权利要求13所述的装置,其特征在于,所述图像特征包括:纹理特征、方向梯度直方图特征和哈尔特征。
19.如权利要求13-18任一项所述的装置,其特征在于,还包括:
数据库建立模块,用于建立包括所述目标物体的图像特征的特征数据库。
20.如权利要求19所述的装置,其特征在于,所述数据库建立模块还用于:
将包含所述目标物体的数据集P、不包含所述目标物体的数据集U以及包含已标注目标物体的数据集EL组成训练数据库;
获取组成所述数据集P及数据集EL中每幅图片的第一图像特征和第二图像特征,得到第一图像特征集合S1和第二图像特征集合S2;同时,获取组成所述数据集U中每幅图片的第一图像特征和第二图像特征,得到第一图像特征集合U1和第二图像特征集合U2;
分别调整所述第一图像特征集合S1与U1、以及第二图像特征集合S2与U2的特征区别等级,得到所述数据集P中满足预设区别等级的图片集P以及所述数据集EL中满足所述预设区别等级的图片集EL;
由所述图片集P及图片集EL组成所述目标物体对应的所述特征数据库。
21.如权利要求20所述的装置,其特征在于,所述数据集P由收集的包含所述目标物体的数据集C经图像处理后得到;所述数据集EL由收集的包含已标注目标物体的数据集L经图像处理后得到。
22.如权利要求20所述的装置,其特征在于,所述数据库建立模块还用于:
对组成所述数据集P及数据集EL中的每幅图片PEL赋予相同的初始权重值Wi;
根据所述初始权重值Wi,计算所述第一图像特征集合U1对应于所述第一图像特征集合S1中预设范围R1内的权重值W1,以及所述第一图像特征集合S1中预设范围R1内所述图片PEL对应的权重值Wp1;同时,计算所述第二图像特征集合U2对应于所述第二图像特征集合S2中预设范围R1内的权重值W2,以及所述第二图像特征集合S2中预设范围R2内所述图片PEL对应的权重值Wp2;
分别比较所述权重值W1与Wp1的差值△W1、以及所述权重值W2与Wp2的差值△W2;
当所述差值△W1和/或差值△W2低于预设差值阈值时,调整所述第一图像特征集合S1中预设范围R1内所述图片PEL对应的权重值Wp1,和/或所述第二图像特征集合S2中预设范围R2内所述图片PEL对应的权重值Wp2,使得所述差值△W1和/或差值△W2高于预设差值阈值;
从所述数据集P中筛选出权重值达到第一阈值的图片集P,从所述数据集EL中筛选出权重值达到第二阈值的图片集EL。
23.如权利要求22所述的装置,其特征在于,所述特征数据库包括:所述图片集P和图片集EL中各图片对应的权重值。
24.如权利要求22所述的装置,其特征在于,所述第一图像特征集合U1对应于所述第一图像特征集合S1中预设范围R1包括:所述第一图像特征集合U1在所述第一图像特征集合S1中的R近邻;所述第二图像特征集合U2对应于所述第二图像特征集合S2中预设范围R2包括:所述第二图像特征集合U2在所述第二图像特征集合S2中的R近邻。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410216357.3A CN105096350B (zh) | 2014-05-21 | 2014-05-21 | 图像检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410216357.3A CN105096350B (zh) | 2014-05-21 | 2014-05-21 | 图像检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105096350A true CN105096350A (zh) | 2015-11-25 |
CN105096350B CN105096350B (zh) | 2019-01-11 |
Family
ID=54576686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410216357.3A Active CN105096350B (zh) | 2014-05-21 | 2014-05-21 | 图像检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105096350B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108171026A (zh) * | 2018-01-19 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 鉴权方法和装置 |
WO2018120460A1 (zh) * | 2016-12-28 | 2018-07-05 | 平安科技(深圳)有限公司 | 图像焦距检测方法、装置、设备及计算机可读存储介质 |
CN108921838A (zh) * | 2018-06-29 | 2018-11-30 | 北京字节跳动网络技术有限公司 | 用于检测图像的方法和装置 |
CN109685069A (zh) * | 2018-12-27 | 2019-04-26 | 乐山师范学院 | 图像检测方法、装置及计算机可读存储介质 |
CN110020647A (zh) * | 2018-01-09 | 2019-07-16 | 杭州海康威视数字技术股份有限公司 | 一种违禁品目标检测方法、装置及计算机设备 |
CN111833340A (zh) * | 2020-07-21 | 2020-10-27 | 北京百度网讯科技有限公司 | 图像检测方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236656A (zh) * | 2008-02-29 | 2008-08-06 | 上海华平信息技术股份有限公司 | 基于块划分的图像中运动目标的检测方法 |
US20130070116A1 (en) * | 2011-09-20 | 2013-03-21 | Sony Corporation | Image processing device, method of controlling image processing device and program causing computer to execute the method |
-
2014
- 2014-05-21 CN CN201410216357.3A patent/CN105096350B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236656A (zh) * | 2008-02-29 | 2008-08-06 | 上海华平信息技术股份有限公司 | 基于块划分的图像中运动目标的检测方法 |
US20130070116A1 (en) * | 2011-09-20 | 2013-03-21 | Sony Corporation | Image processing device, method of controlling image processing device and program causing computer to execute the method |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018120460A1 (zh) * | 2016-12-28 | 2018-07-05 | 平安科技(深圳)有限公司 | 图像焦距检测方法、装置、设备及计算机可读存储介质 |
CN110020647A (zh) * | 2018-01-09 | 2019-07-16 | 杭州海康威视数字技术股份有限公司 | 一种违禁品目标检测方法、装置及计算机设备 |
CN110020647B (zh) * | 2018-01-09 | 2021-03-02 | 杭州海康威视数字技术股份有限公司 | 一种违禁品目标检测方法、装置及计算机设备 |
CN108171026A (zh) * | 2018-01-19 | 2018-06-15 | 百度在线网络技术(北京)有限公司 | 鉴权方法和装置 |
CN108921838A (zh) * | 2018-06-29 | 2018-11-30 | 北京字节跳动网络技术有限公司 | 用于检测图像的方法和装置 |
CN109685069A (zh) * | 2018-12-27 | 2019-04-26 | 乐山师范学院 | 图像检测方法、装置及计算机可读存储介质 |
CN111833340A (zh) * | 2020-07-21 | 2020-10-27 | 北京百度网讯科技有限公司 | 图像检测方法、装置、电子设备及存储介质 |
US11798193B2 (en) | 2020-07-21 | 2023-10-24 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Multi-dimensional image detection on at least two acquired images |
CN111833340B (zh) * | 2020-07-21 | 2024-03-26 | 阿波罗智能技术(北京)有限公司 | 图像检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105096350B (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105096350A (zh) | 图像检测方法及装置 | |
CN102103753B (zh) | 使用实时相机运动估计检测和跟踪运动对象的方法和终端 | |
CN107507226B (zh) | 一种图像匹配的方法及装置 | |
CN103238163B (zh) | 用于规定作为广告分发对象的设备,以及广告分发设备 | |
CN111383244B (zh) | 一种目标检测跟踪方法 | |
CN110610150A (zh) | 一种目标运动物体的跟踪方法、装置、计算设备和介质 | |
CN110807110B (zh) | 结合局部和全局特征的图片搜索方法、装置及电子设备 | |
CN106294577A (zh) | 图片检测方法及装置 | |
CN110390261A (zh) | 目标检测方法、装置、计算机可读存储介质及电子设备 | |
CN105335952A (zh) | 匹配代价计算方法和装置、以及视差值计算方法和设备 | |
CN111445442B (zh) | 基于神经网络的人群计数方法、装置、服务器及存储介质 | |
Herrera et al. | Learning 3D structure from 2D images using LBP features | |
Feng et al. | A novel saliency detection method for wild animal monitoring images with WMSN | |
CN111899279A (zh) | 一种目标对象的运动速度检测方法及装置 | |
CN108960247A (zh) | 图像显著性检测方法、装置以及电子设备 | |
CN117115774B (zh) | 草坪边界的识别方法、装置、设备及存储介质 | |
Wang et al. | Hybrid remote sensing image segmentation considering intrasegment homogeneity and intersegment heterogeneity | |
CN109740337B (zh) | 一种实现滑块验证码识别的方法及装置 | |
CN106599889A (zh) | 一种识别字符的方法和装置 | |
JP2014048702A (ja) | 画像認識装置、画像認識方法、及び画像認識プログラム | |
EP4350638A1 (en) | Detection method and system for base-station feeder line, and related apparatus | |
CN112819859B (zh) | 一种应用于智慧安防的多目标跟踪方法及装置 | |
CN104616302A (zh) | 一种目标实时识别方法 | |
CN115690587A (zh) | 一种红外小目标方法、装置、设备及存储介质 | |
CN108734175A (zh) | 一种图像特征的提取方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231225 Address after: 518057 Tencent Building, No. 1 High-tech Zone, Nanshan District, Shenzhen City, Guangdong Province, 35 floors Patentee after: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd. Patentee after: TENCENT CLOUD COMPUTING (BEIJING) Co.,Ltd. Address before: 2, 518044, East 403 room, SEG science and Technology Park, Zhenxing Road, Shenzhen, Guangdong, Futian District Patentee before: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd. |
|
TR01 | Transfer of patent right |