[发明专利]一种图像检测方法及设备

权利要求书

1.一种图像检测方法，所述方法包括：

利用图像获取单元获得原始图像；

利用多角度旋转处理单元对原始图像进行处理，生成一个零旋转角度的待检测图像和至少一个非零旋转角度的待检测图像；

利用检测单元设定检测窗口和检测步长，根据设定的检测窗口和检测步长来对所述一个零旋转角度的待检测图像和至少一个非零旋转角度的待检测图像的每一个进行遍历检测，获得一个零旋转角度的检测结果和至少一个非零旋转角度的每一个的检测结果；

利用融合单元对所述一个零旋转角度的检测结果进行结果融合，并且对所述至少一个非零旋转角度的检测结果中的每一个进行结果融合；

利用映射单元将所述至少一个非零旋转角度的检测结果中的每一个映射到原始图像中；以及

利用图像生成单元将所述一个零旋转角度的检测结果和被映射到原始图像中的所述至少一个非零旋转角度的检测结果中的每一个进行合并，从而生成结果图像。。

2.根据权利要求1的方法，还包括使用Haar特征值计算单元通过积分图来计算Haar特征，所述积分图为：对于一幅原始图像i，其在坐标处(x，y)的积分图是该像素上面和左边的全部像素之和。

3.根据权利要求1的方法，还包括利用Adaboost算法学习单元设定弱学习算法和训练集，生成弱分类器，根据具有最小的错误率的弱分类器来生成强分类器，具体为：

3.1、给定弱学习算法和训练集：{(x1，y1)，(x2，y2)，...，(xn，yn)}；其中，xi是输入的训练样本向量，且xi∈X，X是训练样本集；yi是分类类别表示，yi∈{0，1}，其中，1表示正样本，0表示负样本；

3.2、指定循环的次数T，T将决定最后强分类器中的弱分类器的数目；

3.3、正负训练样本权重初始化

ω1,j=12mfj=0ω1,j=12nfj=1]]>

其中，m、n分别为负正样本的个数；

3.4、对于每一次循环

3.4.1、对权重系数进行标准化

wt,i=wt,iΣj=1nwt,j]]>

3.4.2、根据错误率来选择最佳弱分类器

ϵt=minf,p,θΣiwi|h(xi,f,p,θ)-yi|]]>

3.4.3、选择具有最小的错误率ε_t的弱分类器h_t加入到强分类器中；

3.4.4、更新权重如果样本被正确分类，则ei＝0；否则，ei＝1；其中，βt=ϵt1-ϵt;]]>

3.5、T次训练完毕，最后得到强分类器为：

C(x)=1Σt=1Tαtht(x)≥12Σt=1Tαt0otherwise]]>

其中，αt=log1βt.]]>