[发明专利]一种目标检测方法和目标检测系统

权利要求书

1.一种目标检测方法，用于检测图像中预定目标的位置，其特征在于，所述目标检测方法包括：

通过获取所述图像的灰度通道数据以得到所述图像的灰度图像；

对所述灰度图像进行多尺度缩放，并计算各缩放尺度下所述灰度图像的24通道特征，以及利用组合分类器对计算得到的各所述24通道特征进行滑动窗口检测，以检测出各缩放尺度下至少一所述预定目标在所述灰度图像中的位置信息；

对进行尺度缩放所得到的所有所述灰度图像中的所述位置信息进行尺度还原，并将所有所述位置信息进行框融合，以使所述图像中显示出所有所述预定目标的位置；

其中，计算各缩放尺度下所述灰度图像的24通道特征的方法包括：

计算各缩放尺度下所述灰度图像的8通道特征，并利用所述8通道特征计算对应的16通道一阶特征，将所述8通道特征和对应的所述16通道一阶特征相结合，以得到各缩放尺度下所述灰度图像的24通道特征；

所述16通道一阶特征的计算公式为：

FTR_DFV1_H(x,y,d)＝clip(FTR(x+1,y,d)-FTR(x-1,y,d)+127,0,255)；

FTR_DFV1_V(x,y,d)＝clip(FTR(x,y+1,d)-FTR(x,y-1,d)+127,0,255)；

其中，(x,y,d)为三维特征图上的空间坐标，FTR_DFV1_H为所述16通道一阶特征的横向特征，FTR_DFV1_V为所述16通道一阶特征的纵向特征，FTR为所述8通道特征，clip为数值截断函数。

2.根据权利要求1所述的目标检测方法，其特征在于，在所述计算各缩放尺度下所述灰度图像的24通道特征之前，所述目标检测方法还包括对所述灰度图像进行高斯平滑滤波。

3.根据权利要求1所述的目标检测方法，其特征在于，计算各缩放尺度下所述灰度图像的8通道特征的方法包括：设计一梯度查找表

[GO,GM]＝MOTable(dx,dy)，通过所述梯度查找表找出对应所述8通道特征的梯度幅值和梯度方向；

所述梯度查找表[GO,GM]＝MOTable(dx,dy)包含所述dx和所述dy均为正的时候的计算结果部分，若所述dx和所述dy异号，则根据所述梯度方向和所述梯度幅值的对称性，对所述GO做一次映射；其中，GO和GM分别为梯度方向和梯度幅值，dx和dy分别为灰度图上计算得到的横向和纵向梯度值。

4.根据权利要求1所述的目标检测方法，其特征在于，在计算各缩放尺度下所述灰度图像的8通道特征之后，所述目标检测方法还包括：对所述8通道特征进行饱和位移量化，以使饱和位移量化后的所述8通道特征为1个字节。

5.根据权利要求1所述的目标检测方法，其特征在于，计算各缩放尺度下所述灰度图像的24通道特征的方法还包括：

在计算所述8通道特征之前，将所述灰度图像做逐层2倍下采样；

计算2倍下采样后所述灰度图像的8通道特征，对所述8通道特征进行一次特征上采样和特征下采样计算，以得到三个幅面的所述8通道特征；

利用三个幅面的所述8通道特征计算对应的三个幅面的16通道一阶特征，每个幅面的所述8通道特征和所述16通道一阶特征相结合，以构成对应幅面的所述24通道特征，进而得到三个幅面的所述24通道特征。

6.根据权利要求5所述的目标检测方法，其特征在于，在计算各缩放尺度下所述灰度图像的24通道特征之后，所述目标检测方法还包括对所述灰度图像的精度进行增强训练，所述增强训练的方法包括：选取一所述灰度图像作为训练样本；对所述训练样本的外接矩形在0.8～1.2倍范围内进行随机缩放，并将所述训练样本扩增一设定倍数。

7.根据权利要求1所述的目标检测方法，其特征在于，所述组合分类器包括多个分类器模板，每个所述分类器模板包括多个弱分类器，每个所述弱分类器具有独立的退出阈值，在所述利用组合分类器对计算得到的各所述24通道特征进行滑动窗口检测之前，所述目标检测方法还包括：采用验证集数据微调每个所述退出阈值，并通过设置微调时所述弱分类器的通过率来调节所述组合分类器的检测速度与检测召回率。