[发明专利]一种目标区域的定位方法和装置

说明书

本发明提供一种目标区域的定位方法和装置，该方法包括：获得待检测图像，对待检测图像进行分割，得到X个候选窗口；对待检测图像进行缩放处理，得到A个不同尺度的检测缩放图像；针对X个候选窗口中的每个候选窗口，执行以下处理，得到Y个未被过滤的候选窗口：从A个不同尺度的检测缩放图像中，为候选窗口选择一个尺度的检测缩放图像，利用该检测缩放图像所对应的训练信息，判断候选窗口中是否包含目标区域，如果否，过滤候选窗口，如果是，保留候选窗口；对Y个候选窗口分别提取特征向量，得到Y个特征向量；对Y个特征向量进行分类，定位出目标区域。通过本发明的技术方案，可提高算法的检测效率，加快运算速率，提高设备的计算性能。

技术领域

本发明涉及图像技术领域，尤其涉及一种目标区域的定位方法和装置。

背景技术

针对待检测图像，需要从待检测图像中定位出目标区域，如待检测图像包含人、沙发时，需要定位出人所在区域为目标区域，而沙发所在区域为非目标区域。为了实现这一过程，通常采用RCNN(Region Convolutional Neural Network，区域卷积神经网络)目标定位算法。首先，使用Selective Search(选择性搜索)算法对待检测图像进行分割，得到X个候选窗口。之后，利用CNN(Convolutional Neural Network，卷积神经网络)算法对X个候选窗口分别提取特征向量，得到X个候选窗口对应的X个特征向量。之后，利用SVM(SupportVector Machine，支持向量机)分类器对X个特征向量进行分类，得到包含目标区域的候选窗口，这些候选窗口对应的区域即目标区域。

由于X的数值很大，如2000个，而且对候选窗口提取特征向量的过程比较复杂，运算量较大，因此，对X个候选窗口分别提取特征向量的计算复杂度较高，运算量很大，影响设备的计算性能，目标区域的定位时间很长。

发明内容

本发明提供一种目标区域的定位方法，所述方法包括以下步骤：

获得待检测图像，并对所述待检测图像进行分割，得到X个候选窗口；

对所述待检测图像进行缩放处理，得到A个不同尺度的检测缩放图像；

针对所述X个候选窗口中的每个候选窗口，执行以下处理过程，并得到Y个未被过滤的候选窗口：从所述A个不同尺度的检测缩放图像中，为所述候选窗口选择一个尺度的检测缩放图像，并利用所述一个尺度的检测缩放图像所对应的训练信息，判断所述候选窗口中是否包含目标区域，如果否，则过滤所述候选窗口，如果是，则保留所述候选窗口；

对所述Y个候选窗口分别提取特征向量，得到Y个特征向量；

对所述Y个特征向量进行分类，定位出目标区域。

所述训练信息具体包括判别参数(V_i，T_i)和权重向量W，所述方法还包括：维护所述A个不同尺度的检测缩放图像分别对应的训练信息，且所述A个不同尺度的检测缩放图像分别对应的训练信息的维护过程，具体包括：

获得已知目标位置的训练图像，并选择包含所述目标位置的正样本窗口、未包含所述目标位置的负样本窗口；利用方向梯度直方图HOG特征对所述正样本窗口进行特征提取，得到正样本特征向量，利用HOG特征对所述负样本窗口进行特征提取，得到负样本特征向量；对所述正样本特征向量进行缩放处理，得到M*N的正样本特征向量，对所述负样本特征向量进行缩放处理，得到M*N的负样本特征向量；对所述M*N的正样本特征向量以及所述M*N的负样本特征向量进行线性训练，得到所述权重向量W；