[发明专利]目标对象检测方法及装置

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种目标对象检测方法及装置。

背景技术

人脸检测是指从数字图像中找到人脸的位置和大小，人脸检测技术已经在人脸识别、智能监控、安全访问控制等领域得到了广泛的应用。目前常用的人脸检测方法主要包括基于模板匹配的方法、基于色彩信息的方法、基于特征的识别方法、分类统计方法，下面分别进行介绍。

（1）基于模板匹配的方法

首先设计参考模板库，通过测试样本与参考模板之间的匹配程度来确认测试样本是否为人脸。

（2）基于色彩信息的方法

首先对肤色进行识别，并通过形状（如人脸轮廓）进行分析，来进一步判定是否为人脸。

（3）基于特征的识别方法

该方法包括两种方式，一是首先提取人脸器官图像特征，然后根据人脸中各器官的几何关系来确认人脸的存在；二是先在一个比较大的范围内寻找人脸候选区，然后确定其中是否包含人脸。

（4）分类统计方法

利用一定的算法（如Adaboost算法），从已给的正例和反例的集合中归纳出接受所有正例并同时排斥所有反例的分类算法，也就是说，将人脸检测视为从模式样本中区分非人脸样本和人脸样本的模式识别问题，通过对人脸样本集和非人脸样本集进行学习以得到分类算法。

现有的上述人脸检测方法存在下述缺陷：

（1）基于模板匹配的方法中，需要设计参考模板，对人脸的多姿态变化（如旋转、抬头等）很难设计有效的参考模板，使得人脸检测的精度较低。

（2）基于色彩信息的方法能较有效的对人脸进行轮廓识别，但是在一些较为复杂的场景（如有外物遮挡人脸、人脸细节不全等）中，使用该方法无法准确识别出人脸，使得人脸检测的精度较低。

（3）基于特征的识别方法和分类统计方法是目前较为先进的人脸检测方法，该类方法在理想条件下可以取得较好的检测效果，但是在出现下述复杂场景时，会大大降低人脸检测的精度：

外物的遮挡：例如头发或墨镜等其它装饰品的遮挡等；

人脸局部细节的多变：例如人眼的睁开闭合、嘴巴的张开闭合等；

成像角度不同造成的多姿态：例如旋转、低头、抬头等。

由上可见，现有的人脸检测方法均难以保证人脸检测的精度，对于其他目标对象的检测也存在相同的问题。

发明内容

本发明实施例提供一种目标对象检测方法及装置，用以解决现有技术中难以保证目标对象的检测精度的问题。

本发明实施例技术方案如下：

本发明实施例提供一种目标对象检测方法，包括：

按照预设的缩放比例，对待检测图像进行逐步缩放处理，得到对应的图像金字塔；

根据目标对象对应的根滤波器，确定图像金字塔中的每个图像的根梯度方向直方图HOG特征，以及根据目标对象中各设定部件分别对应的部件滤波器，确定图像金字塔中的每个图像的部件HOG特征；

针对图像金字塔中的每个图像，分别执行下述操作：

在该图像上滑动根滤波器对应的根检测窗口，直至遍历该图像；

根检测窗口每滑动一个位置，都根据根HOG特征，确定根滤波器对应的根响应值，以及根据部件HOG特征，确定各部件滤波器分别对应的最大部件响应值；

根据确定出的根响应值和各部件滤波器分别对应的最大部件响应值，确定根检测窗口位于当前位置时的目标对象匹配度；

若确定出的目标对象匹配度不小于预设匹配度阈值，则确认根检测窗口位于当前位置时，该根检测窗口内包含目标对象。

由上述技术方案可知，本发明实施例提出的目标对象检测方法中，预先在目标对象中选择若干个设定部件，然后训练目标对象对应的根滤波器以及各设定部件分别对应的部件滤波器，后续可以根据根滤波器和部件滤波器确定根检测窗口的目标对象匹配度，然后将目标对象匹配度与预设匹配度阈值进行比较，从而判断根检测窗口内是否包含目标对象。因此无需设计参考模板，即使在较复杂的场景（例如目标对象上的某些部件被遮挡、目标对象细节不全、局部细节多变等场景）下，依然能够准确地检测出目标对象，提高了目标对象的检测精度，当上述目标对象检测方法应用在人脸检测领域中时，效果尤其明显，该方法对人脸姿态、光照的变化、成像角度的不同、人脸细节的变化具有较高适应性，对部分遮挡也有很强的适应能力，是一种能够适用于多种复杂场景的人脸检测方法。

优选的，根据根HOG特征，确定根滤波器对应的根响应值，具体包括：

确定根滤波器与该图像中根检测窗口内的根HOG特征之间的点积响应值；