本發明專利技術提供了一種基于局部積分圖像處理的目標檢測方法、裝置及系統，所述方法包括：步驟S11，讀入局部圖像區域的像素并計算該局部圖像區域內的局部積分圖像，所述局部圖像區域的尺寸大于等于子窗口的尺寸，所述子窗口為目標檢測中能檢測出目標的最小的矩形區域；步驟S12，采用所述局部積分圖像計算所述局部圖像區域內各子窗口的矩形特征，并根據所述各子窗口的矩形特征在各子窗口中進行目標檢測；步驟S13，更新所述局部圖像區域，對于更新后的局部圖像區域重復所述步驟S11至S12，直至對整幅圖像完成目標檢測。本發明專利技術能夠限制用于表示積分圖像像素的數據位數，節省存儲積分圖像的片內SRAM資源。
【技術實現步驟摘要】
本專利技術涉及目標檢測技術，尤其涉及一種基于局部積分圖像處理的目標檢測方法、裝置及系統。
技術介紹
Haar-Like特征是Viola等人提出的一種簡單矩形特征(參見文獻I :PaulViola, Michael Jones, Robust Real-time Object Detection. International Journalof Computer Vision, 57 (2)，pp. 137-154，2002.)，因類似于 Haar 小波的而得名。如圖 Ia至圖Ic所示，Haar-Like型特征的定義是黑色矩形和白色矩形在圖像子窗口中對應的區域的灰度級總和之差，Haar-Like型特征反映了圖像局部的灰度變化。 Haar-Like特征分為三類邊緣特征、線性特征、中心特征(參見文獻2 :Fioba B., Ernst,A., Fast frontal-view face detection using a multi-pathdecision tree，Proceding of Audio-and Video-based Biometric PersonAuthentication, 2003, pp. 921-928),三類特征組合成特征模板，如圖Ia至圖Ic所示。特征模板內有白色和黑色兩種矩形，并定義該模板的特征值為白色矩形中的像素和減去黑色矩形中的像素和。在確定了特征形式后，Haar-Like特征的數量就取決于訓練樣本圖像矩陣的大小以及特征模板在子窗口內任意放置，文獻3 (Lienhart Rainer, MaydtJochen, An Extended Set of Haar-Iike Features for Rapid Object Detection . IEEEInternational Conference on Image Process, 2002，pp. 900-903)詳細討論了在某一子窗口中Haar-Like特征的數量，例如在一個24X24的子窗口中，上述三類Haar-Like特征的總數高達117,941個。一種形態稱為一種特征，找出所有子窗口的特征是進行弱分類訓練的基礎。而從大量的Haar特征中，選取若干具有最強分類能力的特征，是構建Haar分類器的關鍵所在。從Haar特征的形狀發現，對于垂直、水平的特征，可以利用積分圖像計算得到特征值。積分圖像是圖像的一種表示方式，其定義如下權利要求1.一種基于局部積分圖像處理的目標檢測方法，其特征在于，包括 步驟S11，讀入局部圖像區域的像素并計算該局部圖像區域內的局部積分圖像，所述局部圖像區域的尺寸大于等于子窗口的尺寸，所述子窗口為目標檢測中能檢測出目標的最小的矩形區域； 步驟S12，采用所述局部積分圖像計算所述局部圖像區域內各子窗口的矩形特征，并根據所述各子窗口的矩形特征在各子窗口中進行目標檢測； 步驟S13，更新所述局部圖像區域，對于更新后的局部圖像區域重復所述步驟Sll至S12，直至對整幅圖像完成目標檢測。2.根據權利要求I所述的基于局部積分圖像處理的目標檢測方法，其特征在于，在讀入局部圖像區域的像素并計算該局部圖像區域內的局部積分圖像時，還一并讀入更新后的局部圖像區域中新增的像素區域并計算該新增的像素區域在更新后的局部圖像區域中的局部積分圖像，在更新所述局部圖像區域時，根據更新前的局部圖像區域內的局部積分圖像以及更新后的局部圖像區域中新增的像素區域的局部積分圖像計算更新后的局部圖像區域內的局部積分圖像。3.根據權利要求2所述的基于局部積分圖像處理的目標檢測方法，其特征在于，所述局部圖像區域的寬度為SWg_W，高度為swg_h，按照如下公式計算更新后的局部圖像區域的局部積分圖像reg_lii=reg_lii-reg_lii;i=0，1，2,…swg—w—l—M; j=0，1，2··· swg_h-l;reg—lii Ii1+swg_w-M] =reg_upd =s +S ; j=0; i=0, I,…M_1;reg_upd =s +reg_upd +S ; j=l, 2，…swg_h_l; i=0, I…M_1;其中，S采用如下公式計算S=reg_lii-reg_lii, j=0 ；S=reg_lii-reg_lii-(reg_lii -reg_lii ), j=l, 2，... swg_h_l ；s采用如下公式計算 Λ /IP] = Σ 尸W;i = 0，l，2"'wg—A-=1; 其中，P是第j行新增的像素點。4.根據權利要求3所述的基于局部積分圖像處理的目標檢測方法，其特征在于，所述M預設為一次讀取操作中讀入的像素數量。5.根據權利要求2所述的基于局部積分圖像處理的目標檢測方法，其特征在于，所述目標檢測方法采用流水線方式進行，劃分為兩個流水階段，分別為 讀入更新后的局部圖像區域中新增的像素區域并計算該新增的像素區域在更新后的局部圖像區域中的局部積分圖像；采用更新前的局部積分圖像計算所述矩形特征并根據該矩形特征進行目標檢測，以及采用所述新增的像素區域的局部積分圖像計算更新后的局部圖像區域的局部積分圖像。6.一種基于局部積分圖像處理的目標檢測裝置，其特征在于，包括 局部積分圖像計算模塊，讀入局部圖像區域的像素并計算該局部圖像區域內的局部積分圖像，所述局部圖像區域的尺寸大于等于子窗ロ的尺寸，所述子窗ロ為目標檢測中能檢測出目標的最小的矩形區域； 矩形特征計算及檢測模塊，采用所述局部積分圖像計算所述局部圖像區域內各子窗ロ的矩形特征，井根據所述各子窗ロ的矩形特征在各子窗ロ中進行目標檢測； 計算控制模塊，控制所述局部積分圖像計算模塊更新所述局部圖像區域并計算局部積分圖像，以及控制所述矩形特征計算及檢測模塊計算矩形特征并進行目標檢測，直至對整幅圖像完成目標檢測。7.根據權利要求6所述的基于局部積分圖像處理的目標檢測裝置，其特征在于，所述局部積分圖像計算模塊包括 裝載及計算子模塊，讀入所述局部圖像區域的像素并計算該局部圖像區域內的局部積分圖像，還ー并讀入更新后的局部圖像區域中新增的像素區域并計算該新增的像素區域在更新后的局部圖像區域中的局部積分圖像，所述更新前的局部圖像區域內的局部積分圖像和新增的像素區域的局部積分圖像存儲于積分圖像寄存器陣列中； 更新子模塊，根據更新前的局部圖像區域內的局部積分圖像以及更新后的局部圖像區域中新增的像素區域的局部積分圖像計算更新后的局部圖像區域內的局部積分圖像，并以更新后的局部圖像區域內的局部積分圖像更新所述積分圖像寄存器陣列中的更新前的局部圖像區域內的局部積分圖像。8.根據權利要求7所述的基于局部積分圖像處理的目標檢測裝置，其特征在于，所述局部圖像區域的寬度為swg_w，高度為swg_h，所述更新子模塊按照如下公式計算更新后的局部圖像區域的局部積分圖像reg_lii=reg_lii-reg_lii;i=0，1，2，…swg—w—l—M; j=0，1，2，…swg_h~l;reg—Iii =reg_upd =s +S ; j=0; i=0, I…M_1;reg_upd =s +reg_upd +S ; j=l, 2，…swg_h_l; i=0,本文檔來自技高網...
【技術保護點】
一種基于局部積分圖像處理的目標檢測方法，其特征在于，包括：步驟S11，讀入局部圖像區域的像素并計算該局部圖像區域內的局部積分圖像，所述局部圖像區域的尺寸大于等于子窗口的尺寸，所述子窗口為目標檢測中能檢測出目標的最小的矩形區域；步驟S12，采用所述局部積分圖像計算所述局部圖像區域內各子窗口的矩形特征，并根據所述各子窗口的矩形特征在各子窗口中進行目標檢測；步驟S13，更新所述局部圖像區域，對于更新后的局部圖像區域重復所述步驟S11至S12，直至對整幅圖像完成目標檢測。
【技術特征摘要】
【專利技術屬性】
技術研發人員：胡紅旗，徐向陽，趙光煥，劉君敏，胡志卷，
申請(專利權)人：杭州士蘭微電子股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。