[发明专利]一种基于信息融合的目标检测方法及装置

说明书

本申请公开了一种基于信息融合的目标检测方法及装置，本申请提供的目标检测方法，首先进行了四通道阈值分割，随后利用D‑S证据理论对四通道的分割结果进行了融合并对融合后的图像进行二值化处理，然后通过区域膨胀方法弥补了融合过程中的信息损失，结合线段连通判定条件，确定二值化图像中的各个线段间的连通关系，得到若干个连通域，最后计算连通域的平均概率分配值，以基于各个连通域的平均概率分配值确定目标图像中的目标物体，检测过程不需要依赖于大量数据的训练，也不需要长时间的等待算法训练完成，解决了现有的目标检测方法耗时长的技术问题。

技术领域

本申请涉及图像识别技术领域，尤其涉及一种基于信息融合的目标检测方法及装置。

背景技术

目标检测技术的目的在于识别和定位图像中的目标物体，检测出目标的大小和类别。在许多场景中被广泛应用，例如自动驾驶、增强现实、视频监控等。

针对目标检测问题，目前主流的方法仍然是基于深度学习的方法，这类方法主要分为两阶段方法和单阶段方法，两阶段方法，例如R-CNN系列，需要首先生成一个物体可能存在的区域，随后再进行细粒度的物体检测。单阶段方法，例如YOLO，SSD，则会在图像中同时计算目标位置和类型。但是这类方法依赖于大量训练集，同时需要大量时间进行训练，耗时较长。

发明内容

本申请实施例提供了一种基于信息融合的目标检测方法及装置，用于解决现有的目标检测方法依赖于大量训练集，需要大量时间进行训练，耗时长的技术问题。

为解决上述技术问题，本申请第一方面提供了一种基于信息融合的目标检测方法，包括：

获取待处理的目标图像；

遍历所述目标图像中的像素点，确定各个所述像素点的四个通道的参数值，其中所述四个通道具体为：R通道、G通道、B通道以及V通道；

通过预设的图像阈值分割方法，分别计算四个通道的图像分割阈值，并根据各个所述图像分割阈值进行自适应分割，得到各个通道对应的分割图像；

通过D-S证据理论，对各个所述分割图像进行融合，得到融合图像；

对所述融合图像进行二值化，得到二值化图像；

通过区域膨胀处理方式，对所述二值化图像进行补偿，并基于补偿后的二值化图像，结合线段连通判定条件，确定所述二值化图像中的各个线段间的连通关系，再根据所述各个线段间的连通关系，对所述线段进行相连，并对相连线段所属的连通域进行合并；

计算所述连通域的平均概率分配值，以基于所述平均概率分配值识别所述目标图像中的目标物体。

优选地，所述通过预设的图像阈值分割方法，分别计算四个通道的图像分割阈值，并根据各个所述图像分割阈值进行自适应分割，得到各个通道对应的分割图像具体包括：

通过最大类间方差法，分别计算四个通道的图像分割阈值，并根据各个所述图像分割阈值进行自适应分割，得到各个通道对应的分割图像。

优选地，所述通过D-S证据理论，对各个所述分割图像进行融合，得到融合图像具体包括：

获取所述目标图像的目标位置信息，基于所述目标位置信息对检测到的目标物体图像进行椭圆拟合处理，得到所述目标物体图像的外接椭圆区域，其中，检测目标位置信息是通过对所述目标图像进行预检测得到的目标物体在所述目标图像中的位置信息；

基于各个所述分割图像中的像素点坐标与所述外接椭圆区域的相对位置关系，计算各个像素点的概率分配值；

基于所述各个像素点的概率分配值，结合Dempster规则对各个所述分割图像进行融合，得到融合图像。

优选地，所述计算所述连通域的平均概率分配值，以基于所述平均概率分配值识别所述目标图像中的目标物体具体包括：