[发明专利]对象检测方法、对象检测设备及图像拾取设备

说明书

本申请涉及一种对象检测方法、对象检测设备及图像拾取设备，该对象检测方法包括：对象检测步骤，通过特定对象检测器在图像中检测特定对象；场景模型获取步骤，获取表征图像中的特定对象的背景的场景模型；以及过滤步骤，用所述场景模型对对象检测步骤的对象检测结果进行过滤以确定特定对象。

技术领域

本申请涉及一种检测特定对象的对象检测方法、对象检测设备以及包含该对象检测设备的图像拾取设备。

背景技术

在图像处理、计算机视觉和模式识别等领域，对图像中的对象进行分析是重要的并且对象检测已吸引了越来越多的关注。在对象检测技术中通常涉及两个步骤，即训练步骤和检测步骤。在训练步骤中，通过使用对象的多个样本进行训练来获得分类器。然后，在检测步骤中，这样获得的分类器被用于检测对象。

近年来，特定对象（如脸、人、车等）检测已经取得很大进步。如果使用上述对象检测技术用大量样本离线训练得到的通用分类器或对象检测器在图像或视频序列中检测特定对象，就很可能失效并且常常产生高的虚警率。

在这种情况下，场景信息对于提高通用检测器的辨别力并减少虚警率是非常重要的。近来，为了克服上述问题，提出了使用具体场景信息（如对象实例、背景和上下文等）来创建场景模型的一些场景建模方法。因此，通过场景模型可以获得更准确的检测结果，从而允许适于变化的环境并且广泛用于监视和跟踪。

场景模型的主要目的是试图获得更准确的检测结果，因此场景模型通常在相应的特定场景中是更有效的分类器。当前的场景模型具有以下特征：

－二元分类器：用于区分特定对象和非特定对象；

－重复收集正样本（训练用的对象）和负样本（不包括对象的特定场景）：以重复训练并更新二元分类器。

图1示出现有技术中的对象检测方法的流程图，其主要步骤如下：

1)收集正样本S101：用户在视频的前一帧或前几帧中选取作为正样本的对象的窗口，或使用当前的对象检测器以检测作为正样本的对象的窗口；

2）收集负样本S102：收集不同于用户选取的窗口或由当前对象检测器检测到的作为负样本的窗口；

3）学习新的分类器S103：使用收集的正样本和负样本来学习新的二元分类器，其可以更有效地区分特定对象和特定场景；

4）对象检测S104：通过新的二元分类器从后续帧中检测特定对象，并且根据检测结果重复执行上述步骤对分类器进行更新直至最终的二元分类器的虚警率低于阈值，如图1中的虚线所示。该方法可用于通过对象检测进行的跟踪并且仅用于视频或后续帧。

例如，美国专利公开No.US8385632提出了一种把已经训练好的通用分类器调整为适于从特定场景中检测对象的方法。因为在使用通用训练数据来训练通用分类器时该特定场景是未知的，所以在用通用分类器直接从包含特定场景的图像中检测对象的情况下容易产生很高的虚警率，如该文献中的图1B所示。因此，需要一方面保持以前的训练示例的信息，另一方面还要重复地收集与针对特定场景的分类任务有关的正样本和负样本，由此根据通用分类器重复地创建专用于该特定场景的分类器，如该文献中的图2所示。但是该方法必须保持用于通用分类器的通用训练数据，同时收集新的正样本和负样本，然后才能通过通用训练数据以及所搜集的正样本和负样本来不停更新通用分类器。

美国专利公开No.US7526101提出了一种在视频中跟踪对象的方法。该跟踪方法把对象跟踪视为二元分类问题。首先基于获取的视频实时地训练用于区分对象和背景的一组弱分类器，然后将该组弱分类器组合成一个强分类器，强分类器针对一帧生成置信度图以便区分对象和背景。但是，在该方法中，每个弱分类器都要基于各帧中的正样本和负样本来进行训练，并且在各个帧随时间变化的情况下，必须重复地训练新的弱分类器以便替代该组弱分类器中的旧的弱分类器来更新强分类器，才能适应各帧随时间的变化。