[发明专利]基于分层分割的滑动窗搜索方法

说明书

技术领域

本发明涉及属于计算机视觉技术领域，涉及图像分割技术，是目标检测的重要组成部分，主要应用于计算机视觉智能系统的目标检测任务。

背景技术

目标检测是计算机视觉领域中最活跃的研究方向之一，已有的目标检测系统绝大部分将目标检测视作一个二分类问题，即在所有候选位置判断目标是否出现。目标检测任务主要分为训练阶段和测试阶段，其中训练阶段包括特征提取和目标建模，而测试阶段主要包括目标假设、特征提取和目标判决三个部分。特征提取是对训练样本进行量化，即把图像转化成向量，以便做进一步分析。目标建模是利用训练样本学习目标模型的参数，从而得到指定目标类的模板。目标假设是搜索出所有可能的目标候选区域用作后续的分类器判决，也被称作目标搜索，迄今为止最常用的目标假设方法为滑动窗搜索。

传统的滑动窗搜索方法在没有引入任何目标先验信息的情况下，需要遍历搜索图像中所有的位置和尺度，从而造成目标候选窗的数量太大，加重了目标检测任务中特征提取和分类器判决的计算量。在目标检测的具体实现过程中，为了满足实际需求，往往采用以检测精度换取检测速度的策略，即采用相对简单的特征提取方法表示所有可能的目标候选区域，并使用快速的分类器从中检测出目标。因此，传统的滑动窗搜索方法使得目标检测任务难以同时达到很好的检测精度和检测速度。针对滑动窗搜索计算量大这一固有缺陷，研究人员提出了许多改进策略。已有改进策略主要有三种：级联分类器、选择性窗搜索和快速特征提取。

级联分类器利用前面的若干级简单分类器可以排除大量的不包含目标的目标候选窗，起到了显著的加速效果。选择性窗搜索利用目标先验知识或者由粗到精搜索窗口空间，减少了目标候选窗的数量。快速特征提取方法减少了每个目标候选窗特征提取和分类器判决的时间，从而减少了整个目标检测的计算量。目标检测计算量大的根源是滑动窗搜索会产生大量的目标候选窗。尽管上述三种策略都不同程度加快了目标检测速度，但仍然无法从根本上克服候选窗口数量过于庞大的问题。

发明内容

本发明目的在于克服上述现有技术的不足而提供一种基于分层分割的滑动窗搜索方法，方法在保证不漏掉目标的前提下，仅产生少量候选目标位置，能够有效缓解目标检测任务中特征提取和分类器判决的计算量大的问题。

实现本发明目的采用的技术方案是基于分层分割的滑动窗搜索方法，该方法包括：

（1）对图像I进行超像素分割，将分割后的超像素集合记做

（2）利用区域相似度对所述分割后的超像素集合进行图像的分层分割，得到所有分割区域构成的集合

（3）利用目标的先验知识（大小、宽高比）对集合中所有分割区域的外接矩形进行筛选，在图像金字塔中剩余窗口的周围稠密采集窗口，从而获得最终的目标候选窗。

在上述技术方案中，所述步骤（2）包括：

（2-1）计算中所有相邻分割区域的相似度；

（2-2）将相似度最高的两块区域记作r_m1,r_m2合并得到一块新区域r_new；

（2-3）将新区域添加到集合中得到集合即

（2-4）删除与区域r_m1和r_m2相关的所有相似度，并计算r_new与相邻区域的相似度；

（2-5）判断r_new是否为完整的图像I，如果不是则转到步骤（2-2）继续执行，如果是则结束循环，输出所有分割区域构成的集合

在上述技术方案中，所述步骤（3）包括：

（3-1）将中所有分割区域的外接矩形作为初始窗口；

（3-2）从所有初始窗口中删除大小和宽高比不满足要求的窗口，保留下来的窗口集合记做Q_win；

（3-3）建立图像I的M层图像金字塔，并规定搜索窗口大小W×H，其中W是窗口宽度，H是窗口高度；

（3-4）对集合Q_win中的所有窗口进行操作：对于任意一个窗口w(i)∈Q_win，根据各层图像金字塔与原始图像的比例关系计算出w(i)在每一层图像金字塔中的大小并与搜索窗口大小做比较，保留与W×H最接近的a_w(i)(j)，即窗口w(i)对应于第j层图像金字塔；