[发明专利]自适应智能检测电路及图像智能检测方法

说明书

本发明公开自适应智能检测电路及图像智能检测方法，该电路包括图像缩放模块、级联检测模块以及融合模块，级联检测模块包括图像数据存储器，接收并存储图像缩放模块输出的图像数据；积分图计算电路，接收图像数据接收缓存器输出图像数据，并且计算所接收图像数据的多个像素点的积分图数据；弱分类器检测电路，接收积分图计算电路输出的积分图数据以及弱分类器检测窗口设置数据，应用积分图数据和弱分类器检测窗口的设置数据计算并输出弱分类器的值；强分类器检测电路，接收多个弱分类器检测电路输出的计算结果，并且将强分类器对应的多个弱分类器检测电路输出的计算结果相加后与预定级数的强分类器的阈值对比。本发明能提高图像检测效率。

技术领域

本发明涉及图像的智能检测领域，尤其涉及一种用于对图像进行智能检测的自适应智能检测电路以及图像智能检测方法。

背景技术

图像识别技术是通过对图像的特征进行识别，从而获取图像中特定的元素，如人脸、车牌等。目前的图像识别技术通常是应用软件程序实现的，最为常见的图像识别算法是Adaptive Boosting算法，通常简称Ada Boost算法，该算法是一种自适应智能检测图像的算法。

Ada Boost算法是由Yoav Freund和Robert Schapire在1995年提出，这是一种非常有效的统计学习算法，应用十分广泛，常用来处理各种对象，如人脸、人头、车辆、行人等的检测。Ada Boost算法的基本思路是对于一个复杂的任务，采用带权重的多个分类器进行综合判断，各分类器的权重可通过多次样本训练得到。对于一张任意场景的原始图像，先把图像按一定比例地缩小成一系列长宽比相等尺寸不同的图像，即形成金字塔图像，金字塔图像中包含多张尺寸大小不相同的图像，尺寸最大的图像为原始图像，由原始图像进行一定比例的缩小可以获取多张尺寸不同的图像，一组按比例依次缩小的图像按从大到小、从低到高的顺序叠放起来，看上去就像一个金字塔结构，因此被称为金字塔图像。

在获取金字塔图像后，将这些图像逐一送入级联检测器进行检测，用一定大小的对象框去扫描图像，通过检测器的图像框图像就是被检测出来的对象，最后把所有检测出来的图像框进行融合，就可以算出检测对象在原始图像的位置和大小。

目前支持Ada Boost检测功能芯片，大多是通过软件程序实现Ada Boost算法，但是，由于目前图像识别技术应用的场景，如出入境人脸识别、交通违章电子抓拍等，检测对象通常都具有实时性、高效性的特点，软件程序实现图像识别的速度往往难以满足高效的要求，因此，需要对Ada Boost算法进行硬件化、芯片化。

通常，Ada Boost的电路包括图像缩放模块、级联检测模块以及融合模块，其中，图像缩放模块就是将多个图像按照预设的尺寸进行缩小形成一系列尺寸不同的图像，融合模块就是通过将级联检测模块所检测出来的图像进行融合。由于图像缩放模块、融合模块可以通过硬件电路实现，也可以通过软件实现，图像缩放模块、融合模块的电路实现已经普遍使用，Ada Boost的电路实现最主要的就是实现级联检测模块，即Boost的电路化。

Boost的电路化就是把级联检测过程用电路来实现，使检测过程达到实时性、高效性，满足人脸检测、车辆检测的应用场景。例如，公开号为CN103247019A的中国发明专利申请就公开了一种用于物体检测的基于Ada Boost算法的可重构装置，该装置是基于多处理模块可重构装置的方案，然而，该方案的电路复杂，导致电路的面积过大，生产成本过高。而公开号为CN104519240A的中国发明专利申请公开了一种前景目标检测的IP核及方法，该方法是一种基于LBP检测的电路方案，不适应于目前普遍使用的Haar特征的检测方案。

发明内容

本发明的主要目的是提供一种电路面积小且实现级联检测电路化的自适应智能检测电路。

本发明的另一目的是提供一种运算效率高且对图像进行智能识别的图像智能识别方法。