[发明专利]一种检测电子眼的方法和设备

权利要求书

1.一种检测电子眼的方法，其特征在于，包括：

在全景图上以预设大小的窗口进行滑窗，以得到对应的窗口图像；

将所述全景图中的感兴趣区域ROI区域图像转换为HSV图像，并根据所述HSV图像的HSV属性确定所述ROI区域图像中的非电子眼区域；

根据所述非电子眼区域与窗口图像的位置关系，确定满足预设条件的第三目标窗口图像；

确定所述第三目标窗口图像的CNN分类器概率；

确定所述第三目标窗口图像中CNN分类器概率大于第一阈值的第一目标窗口图像的方向梯度直方图HOG特征，并确定所述HOG特征的支持向量机SVM分类器概率；

对所述第一目标窗口图像中SVM分类器概率大于第二阈值的第二目标窗口图像进行聚类，以得到电子眼区域集合，所述电子眼区域集合包括一个或多个电子眼区域。

2.根据权利要求1所述的方法，其特征在于，所述在全景图上以预设大小的窗口进行滑窗，以得到对应的窗口图像，包括：

根据预设的最大电子眼尺寸和最小电子眼尺寸，确定多个用于对所述全景图进行缩放的缩放比例；

分别在各缩放比例对应的缩放图像上以所述预设大小的窗口进行滑窗，以得到对应的窗口图像；所述各缩放比例对应的缩放图像为根据所述各缩放比例对所述全景图进行缩放得到的。

3.根据权利要求1所述的方法，其特征在于，所述在全景图上以预设大小的窗口进行滑窗，以得到对应的窗口图像，包括：

根据预设最大电子眼尺寸和最小电子眼尺寸，确定多个用于对所述窗口进行缩放的缩放比例；

分别在所述全景图上以各缩放比例对应的缩放窗口进行滑窗，以得到对应的窗口图像；所述各缩放比例对应的缩放窗口为根据所述各缩放比例对所述预设大小的窗口进行缩放得到的。

4.根据权利要求1所述的方法，其特征在于，所述确定所述窗口图像中CNN分类器概率大于第一阈值的第一目标窗口图像的HOG特征，并确定所述HOG特征的SVM分类器概率，包括：

确定所述窗口图像中CNN分类器概率大于第一阈值的第一目标窗口图像的HOG特征，并对所述HOG特征进行主成分分析PCA降维后，确定降维后的HOG特征的SVM分类器概率。

5.如权利要求1所述的方法，其特征在于，所述对所述第一目标窗口图像中SVM分类器概率大于第二阈值的第二目标窗口图像进行聚类，以得到电子眼区域集合，包括：

对所述第一目标窗口图像中SVM分类器概率大于第二阈值的第二目标窗口图像进行聚类，并确定聚类后各窗口图像的CNN概率和SVM概率；

将所述聚类后各窗口图像中CNN概率和SVM概率满足预设条件的窗口图像确定为电子眼区域，以得到所述电子眼区域集合。

6.根据权利要求1所述的方法，其特征在于，所述对所述第一目标窗口图像中SVM分类器概率大于第二阈值的第二目标窗口图像进行聚类，以得到电子眼区域集合，包括：

将所述第一目标窗口图像中SVM分类器概率大于第三阈值的第四目标窗口图像加入第一候选集合，将所述第一目标窗口图像中SVM分类器概率小于或等于所述第三阈值，且大于所述第二阈值的第五目标窗口图像加入第二候选集合；所述第三阈值大于所述第二阈值；

对所述第一候选集合中各第四目标窗口图像进行聚类，以得到对应的第一电子眼候选区域集合，以及对所述第二候选集合中各第五目标窗口图像进行聚类，并将同一类的窗口图像少于两个的类删除，以得到对应的第二电子眼候选区域集合；所述第一电子眼候选区域集合中包括一个或多个电子眼候选区域，所述第二电子眼候选区域集合中包括一个或多个电子眼候选区域；

对所述第一电子眼候选区域集合中各电子眼候选区域，以及所述第二电子眼候选区域集合中各电子眼候选区域进行聚类，以得到电子眼区域集合。