[发明专利]图像检测方法及装置

说明书

技术领域

本公开涉及图像处理技术领域，特别是涉及一种图像检测方法及装置。

背景技术

图像检测方法就是从给定的图像中检测出目标对象，例如，人脸检测方法，就是从 给定的图像中检测包含人脸的部分。

以人脸检测为例，利用SVM(SupportVectorMachine，支持向量机)分类器及滑动 窗结合的方法，在不同尺度下进行滑动窗扫描，对每个滑动窗，需要算出162338个haar 特征值(即，特征变量)。然后，利用训练好的SVM分类器判断图像中是否包含人脸。

由上述内容可知，此种检测方法需要在进行图像识别前就需要计算出每个滑动窗口 的全部特征变量，这样滑动窗的扫描速度非常慢，也即图像检测速度非常慢。

发明内容

为克服相关技术中存在的问题，本公开提供一种图像检测方法及装置，技术方案如 下：

根据本公开实施例的第一方面，提供一种图像检测方法，包括：

针对待检测图片的每个滑动窗，逐个获取预先训练得到的随机森林中各决策树的分裂节 点所对应的图像特征变量值；

根据各个所述决策树的分裂节点对应的图像特征变量值及所述分裂节点对应的判断标 准，检测所述滑动窗内的图像是否包含目标对象，直到扫描完所述待检测图片的全部滑动窗， 得到图像检测结果。

结合第一方面，在第一方面的第一种可能的实现方式中，所述逐个获取预先训练得到的 随机森林中各决策树的分裂节点所对应的图像特征变量值，包括：

对于每个所述滑动窗，建立所述决策树的分裂节点与图像特征变量的计算公式之间的对 应关系；

查询所述对应关系确定所述图像特征变量的计算公式，并依据所述计算公式计算得到所 述图像特征变量的变量值。

结合第一方面，在第一方面的第二种可能的实现方式中，所述根据各个所述决策树的分 裂节点对应的图像特征变量值及所述分裂节点对应的判断标准，检测所述滑动窗内的图像是 否包含目标对象，包括：

根据所述决策树的分裂节点对应的图像特征变量值及所述分裂节点对应的判断标准，对 所述滑动窗内的图像是否包含目标对象进行投票；

根据随机森林内各个决策树对所述滑动窗内的图像的投票结果，确定所述滑动窗内的图 像是否包含目标对象。

结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述 根据随机森林内各个决策树对所述滑动窗内的图像的投票结果，确定所述滑动窗内的图像是 否包含目标对象，包括：

统计所述随机森林内各个决策树的投票结果；

将所有投票结果中票数最多的结果作为确定所述滑动窗内的图像是否包含目标对象的判 断结果。

结合第一方面，在第一方面的第四种可能的实现方式中，所述方法还包括：

计算样本图像的图像特征变量值；

根据所述图像特征变量值，训练得到随机森林中的各个决策树。

根据本公开实施例的第二方面，提供一种图像检测装置，包括：

获取模块，用于针对待检测图片的每个滑动窗，逐个获取预先训练得到的随机森林中各 决策树的分裂节点所对应的图像特征变量值；

检测模块，用于根据各个所述决策树的分裂节点对应的图像特征变量值及所述分裂节点 对应的判断标准，检测所述滑动窗内的图像是否包含目标对象，直到扫描完所述待检测图片 的全部滑动窗，得到图像检测结果。

结合第二方面，在第二方面的第一种可能的实现方式中，所述获取模块包括：

建立子模块，用于对于每个所述滑动窗，建立所述决策树的分裂节点与图像特征变量的 计算公式之间的对应关系；

第一计算子模块，用于查询所述对应关系确定所述图像特征变量的计算公式，并依据所 述计算公式计算得到所述图像特征变量的变量值。

结合第二方面，在第二方面的第二种可能的实现方式中，所述检测模块包括：

投票决定子模块，用于根据所述决策树的分裂节点对应的图像特征变量值及所述分裂节 点对应的判断标准，对所述滑动窗内的图像是否包含目标对象进行投票；

第一确定子模块，用于根据随机森林内各个决策树对所述滑动窗内的图像的投票结果， 确定所述滑动窗内的图像是否包含目标对象。