[发明专利]目标检测方法与装置

说明书

本发明提供一种目标检测方法与装置，该方法中：基于初始训练样本集学习码本，基于码本构建视觉词网络模型，提取当前训练样本集中各样本的词频直方图特征，通过网络调节操作得到各视觉词的权重，根据权重确定k近邻分类器的核函数，确定k近邻分类器，根据k近邻分类器对待检测区域进行检测，进而判定待检测区域是否为目标。若未完成检测任务，则在线获取训练样本后，更新训练样本集，再通过网络操作更新视觉词权重，根据权重调整核函数，然后再对待检测区域进行检测。该过程中，k近邻分类器能够根据当前情况随时进行自我调整，维持其对当前目标与背景外观规律的适应性，从而实现变化场景下可靠、实时的目标检测。

技术领域

本发明涉及图像检测技术，尤其涉及一种目标检测方法与装置。

背景技术

目标检测是指对图像或图像序列中感兴趣的物体进行识别与定位的技术，该技术以计算机视觉为理论基础，被广泛应用于军用、民用等领域。

目标检测技术中所采用的检测算法也被称之为检测器。从结构的角度来讲，检测器包括特征提取模块和特征分类模块。其中，特征提取模块用于按照某种规则将待检测区域的外观抽象描述为“特征”，特征分类模块用于根据特征提取模块提取出的特征，将待检测区域分类为某一类目标或背景。目标检测过程中，设计好检测器的特征分类模块与特征提取模块，采用检测器对目标进行检测。

然而，目标检测过程中，检测场景，例如光照条件、摄像机方位、背景环境、待检测目标的外观规律等，并不是一成不变的。检测场景的改变，使得原先设计好的检测器并不适应改变后的检测场景中的目标检测，导致检测准确度低。

发明内容

本发明提供一种目标检测方法与装置，实现在检测场景变化的情况下，提高目标检测准确度的目的。

第一个方面，本发明实施例提供一种目标检测方法，包括：

步骤1、基于初始训练样本集得到视觉词集合，将所述视觉词集合作为码本；

步骤2、基于所述码本构建视觉词网络模型；

步骤3、提取所述初始训练样本集中各样本的词频直方图特征；

步骤4、根据所述词频直方图特征，经过网络调节确定所述视觉词网络模型中的各网络节点的权重；

步骤5、根据所述权重，确定核函数，并根据所述核函数确定k近邻分类器；

步骤6、采用所述k近邻分类器检测待检测区域，得到检测结果，根据所述检测结果确定所述待检测区域是否为目标，所述待检测区域为检测任务包括的需要检测的区域之一；

步骤7、判断是否完成所述检测任务，若完成，则结束目标检测；否则，判断是否在线获取训练样本，若是，则根据所述在线获取的训练样本更新所述步骤3中的所述初始训练样本集，并对所述检测任务包括的下一个待检测区域执行所述步骤3～步骤7；若未在线获取训练样本，则对所述检测任务包括的下一个待检测区域执行所述步骤6。

在第一个方面的第一种可能的实现方式中，所述步骤1具体包括：

步骤1.1、对所述初始训练样本集采样，获得所述局部特征；

步骤1.2、对所述局部特征聚类，得到所述视觉词集合。

在第一个方面的第二种可能的实现方式中，所述步骤2具体为：

将所述码本中的各视觉词作为网络节点，将各所述网络节点两两连接构成所述视觉词网络模型的网络拓扑结构。

在第一个方面的第三种可能的实现方式中，所述步骤4中，对于各所述网络节点中的任意一个网络节点i，所述网络节点i对应的视觉词对所述网络节点i的权重具有激励作用，所述网络节点i的权重对其他网络节点的权重具有抑制作用，所述其他网络节点表示所述码本中除所述网络节点i所对应的视觉词之外的其他视觉词。