一种目标检测方法及装置制造方法
【专利摘要】本发明公开了一种目标检测方法及装置，该方法包括：确定初始搜索目标区域；按照预设搜索方法，在所述初始搜索目标区域中确定出至少一个候选目标搜索区域，其中每个候选目标搜索区域均具有图像显著性特征；在确定出的候选目标搜索区域中，选取显著性特征最强的候选目标搜索区域作为目标检测区域。能够较为准确地确定出目标检测过程中矩形区域，进而较好地提高目标检测的准确性。
【专利说明】一种目标检测方法及装置
【技术领域】
[0001] 本发明涉及视频监控【技术领域】，尤其是涉及一种目标检测方法及装置。
【背景技术】
[0002] 智能视频监控是利用计算机视觉技术对视频信号进行处理、分析和理解，在不需 要人为干预的情况下，通过对序列图像自动分析，对监控场景中的变化进行定位、识别和跟 踪，并在此基础上分析和判断目标的行为，能在异常情况发生时及时发出警报或提供有用 信息，有效地协助安全人员处理危机，并最大限度地降低误报和漏报现象。
[0003] 智能跟踪球机是一种常见的监控设备，该设备可以自动选择待跟踪的目标，并实 现长时间的变倍放大跟踪，广泛应用于车站、地铁、小区以及学校等众多监控场所。现有技 术中智能跟踪球机进行目标检测时，主要处理过程是：首先将智能跟踪球机在待监控场所 进行固定，然后基于固定的跟踪球机使用运动检测与跟踪技术，获取监控场景中所有的移 动目标，将移动目标的外接包围区域做为目标的初始位置，该外界包围区域一般为矩形区 域，再在矩形区域内提取各种特征用于智能跟踪球机的后续跟踪。
[0004] 在存在阴影的情况下，采用现有技术中提出的目标检测方法，确定出的矩形区域 会包含较多的阴影像素。其次如果在监控图像中，监控目标彼此距离较近的情况下，采用现 有技术中提出的基于运动目标检测与跟踪技术确定出的矩形区域，会同时包含彼此距离较 近的目标。因此现有技术中提出的目标检测方法，运动目标检测和跟踪技术并不能给出完 整的跟踪目标，后续对目标检测的准确性较低。
【发明内容】
[0005] 本发明实施例提供了一种目标检测方法及装置，能够较为准确地确定出目标检测 过程中目标检测区域，进而较好地提高目标检测的准确性。
[0006] -种目标检测方法，包括：确定初始搜索目标区域；按照预设搜索方法，在所述初 始搜索目标区域中确定出至少一个候选目标搜索区域，其中每个候选目标搜索区域均具有 图像显著性特征；在确定出的候选目标搜索区域中，选取显著性特征最强的候选目标搜索 区域作为目标检测区域。
[0007] -种目标检测装置，包括确定模块，用于确定初始搜索目标区域；搜索模块，用于 按照预设搜索方法，在所述初始搜索目标区域中确定出至少一个候选目标搜索区域，其中 每个候选目标搜索区域均具有图像显著性特征；选取模块，用于在所述搜索模块确定出的 候选目标搜索区域中，选取显著性特征最强的候选目标搜索区域作为目标检测区域。
[0008] 采用上述技术方案，在确定出初始搜索目标区域之后，按照预设搜索方法，在初始 搜索目标区域中确定出至少一个候选目标搜索区域，每个候选目标搜索区域均具有图像显 著性特征，然后再选取一个显著性特征最强的候选目标搜索区域作为目标检测区域，相对 现有技术中仅根据确定出的初始搜索目标区域进行目标检测的方法，本发明上述提出的技 术方案，能够计算出真实目标检测区域的位置信息，给出完整的跟踪目标，提高后续对目标 检测的准确性。
【专利附图】
【附图说明】
[0009] 图1为本发明实施例一中，提出的目标检测方法流程图；
[0010] 图2为本发明实施例一中，提出的初始搜索目标区域中包含的一个候选目标搜索 区域示意图；
[0011] 图3为本发明实施例二中，提出的目标检测装置结构组成示意图。
【具体实施方式】
[0012] 针对现有技术中提出的目标检测方法，运动目标检测和跟踪技术并不能给出完整 的跟踪目标，后续对目标检测的准确性较低的问题，本发明实施例这里提出的技术方案按 照预设搜索方法，在确定出的初始搜索目标区域中确定出至少一个候选目标搜索区域，每 个候选目标搜索区域均具有图像显著性特征，然后再选取一个显著性特征最强的候选目标 搜索区域作为目标检测区域，后续通过该确定出的目标检测区域进行跟踪，相对现有技术 中仅根据确定出的初始搜索目标区域进行目标检测的方法，本发明上述提出的技术方案， 能够计算出真实目标检测区域的位置信息，给出完整的跟踪目标，提高后续对目标检测的 准确性。
[0013] 下面将结合各个附图对本发明实施例技术方案的主要实现原理、【具体实施方式】及 其对应能够达到的有益效果进行详细地阐述。
[0014] 本发明实施例这里提出的技术方案，其实现方法是将确定出的初始搜索目标区域 作为一个搜索范围，在其中搜索出一个具有显著性特征的区域作为目标检测区域，然后再 在目标检测区域中提取相应的图像特征用于后续跟踪使用。本发明实施例这里提出的目标 检测方法的具体实现方案为：假设确定出的初始搜索目标区域为R，该初始搜索目标区域 的图形可以但不限于为矩形框、圆形框、菱形框等，本发明实施例这里提出的技术方案中， 将以初始搜索目标区域的图形矩形框为例来进行详细阐述。其宽度为W，高度为H，则目标 检测区域的图形的可能宽度为aW，高度为βΗ，其中α、β是一个〇到1之间的小数。目 标检测区域的图形可以和初始搜索目标区域的图形相同，也可以不同。对于每一种可能的 组合（a i，β J，在初始搜索目标区域R中进行一次滑窗搜索，则对应每个可能的候选目标 搜索区域的位置信息X (其中，X中包含水平方向的坐标值和坚直方向的坐标值)，计算出目 标检测区域位于该候选目标搜索区域的概率值Pi (X)，完成所有的可能宽高组合的滑窗搜 索之后，就获得一系列概率值集合丨/^丨二及其对应的位置信息集合(^二，其中，N表示所 有可能的宽、高组合的总数量。最后，找到符合预设条件的候选目标搜索区域作为目标检测 区域。例如可以确定出概率值集合中的最大的概率值然后将最大的概率值 对应的位置信息作为目标检测区域的位置信息。
[0015] 基于上述实施原理，下面将结合各个附图对本发明实施例技术方案的主要实现原 理、【具体实施方式】及其对应能够达到的有益效果进行详细地阐述。
[0016] 实施例一
[0017] 本发明实施例一这里提出一种目标检测方法，如图1所示，其处理流程图下述：
[0018] 步骤11，确定初始搜索目标区域。
[0019] 基于运动目标检测与跟踪技术，可以在监控图像中确定出初始搜索目标区域。其 中，确定出的初始搜索目标区域的形状可以但不限于是矩形、圆形或者正方形等等。为便于 阐述，本发明实施例这里提出的技术方案中，初始搜索目标区域的形状为矩形为例来进行 详细阐述，具体实施中初始搜索目标区域的形状也可以是圆形等其它形状。获得监控的视 频信息，基于运动目标检测与跟踪技术，分析监控视频中所有的移动目标。自动跟踪球机中 的报警设备在所有的移动目标中，判断移动目标是否触发了预先设置的报警规则，如果判 断结果为是，则获得触发报警规则的移动目标的外接区域，例如矩形框，该矩形框作为初始 搜索目标区域。
[0020] 步骤12,按照预设搜索方法，在初始搜索目标区域中确定出至少一个候选目标搜 索区域。其中每个候选目标搜索区域均具有图像显著性特征
[0021] 在确定出的初始搜索目标区域中，可以按照滑窗搜索方法确定出至少一个候选位 置信息，每一个确定出的候选位置信息对应的区域作为一个候选目标搜索区域。其中，由于 初始搜索目标区域的图形形状为矩形，因此，确定出的候选目标搜索区域的图形形状也相 应可以是矩形。在初始搜索目标区域中进行滑窗搜索，获取多个候选目标搜索区域。
[0022] 步骤13,在确定出的候选目标搜索区域中，选取显著性特征最强的候选目标搜索 区域作为目标检测区域。
[0023] 确定候选目标搜索区域对应的候选位置信息和目标检测区域对应的目标位置信 息之间相符合的概率值，根据确定出的概率值，确定显著性特征最强的候选位置信息对应 的候选目标搜索区域作为目标检测区域。
[0024] 本发明实施例这里提出的技术方案中，在确定出初始搜索目标区域之后，假设初 始搜索目标区域的图形形状是一个矩形框R，其宽度为W，高度为H，目标检测区域的图形Μ 的可能宽度为aW，高度为βΗ，其中α、β是一个〇到1之间的小数。则在W?aW，在 Η?β Η之间，即在矩形框R和Μ之间，可能包含多个矩形框，该些矩形框对应的就是候选目 标搜索区域，具体实施中，就要确定出每一个候选目标搜索区域和最终确定出的目标检测 区域之间贴合的概率值，最后根据确定出的概率值确定出最终的目标检测区域。
[0025] 具体地，图像显著性特征包含纹理显著性和颜色显著性，概率值可以按照下述公 式1来确定：
[0026]
【权利要求】
1. 一种目标检测方法，其特征在于，包括： 确定初始搜索目标区域； 按照预设搜索方法，在所述初始搜索目标区域中确定出至少一个候选目标搜索区域， 其中每个候选目标搜索区域均具有图像显著性特征； 在确定出的候选目标搜索区域中，选取显著性特征最强的候选目标搜索区域作为目标 检测区域。
2. 如权利要求1所述的方法，其特征在于，在确定出的候选目标搜索区域中，选取显著 性特征最强的候选目标搜索区域作为目标检测区域，包括： 确定候选目标搜索区域对应的候选位置信息和目标检测区域对应的目标位置信息之 间相符合的概率值； 根据确定出的概率值，在确定出的候选目标搜索区域中，选取显著性特征最强的候选 目标搜索区域作为目标检测区域。
3. 如权利要求2所述的方法，其特征在于，所述图像显著性特征包含纹理显著性和颜 色显著性； 所述概率值按照下述公式确定： Pi(x) = ndi(x) + (i-η)θ?(χ) 其中Pi (X)是概率值，diOO是纹理显著性参数，是ei(X)是颜色显著性参数，η是一个 0到1之间的小数。
4. 如权利要求3所述的方法，其特征在于，所述纹理显著性参数屯〇〇包含梯度特征 值，所述diU)采用下述公式确定： di (x) = Bi (x) -ffi (x) 其中，Bjx)是候选目标搜索区域中包含的全部像素点对应的梯度特征值的绝对值之 和，Wjx)是初始搜索目标区域中包含的全部像素点对应的梯度特征值的绝对值之和； 所述颜色显著性参数ei (X)是位置信息是X的候选目标搜索区域的熵信息，所述ei (X) 采用下述公式确定：
其中，P(g)是在候选目标搜索区域中灰度值等于g的像素点，与候选目标搜索区域中 包含的全部像素点数量的比值。
5. 如权利要求4所述的方法，其特征在于，一个像素点对应的梯度特征值包含水平方 向的梯度特征值和垂直方向的梯度特征值，所述水平方向的梯度特征值按照下述公式确 定：
其中，I(i，j)是位置信息为（i，j)的像素点I，ΛΧ是像素点I水平方向的梯度特征值， I (i+1，j)是像素点I水平方向上前一像素点，I (i-1，j)像素点I水平方向上后一像素点； 所述垂直方向的梯度特征值按照下述公式确定：
其中，I (i，j)是位置信息为（i，j)的像素点I，Ay是像素点I的垂直方向的梯度特征 值，I (i+1, j)是像素点I垂直方向上前一像素点，I (i-1, j)像素点I垂直方向上后一像素 点。
6. 如权利要求2所述的方法，其特征在于，根据确定出的概率值，在确定出的候选目标 搜索区域中，选取显著性特征最强的候选目标搜索区域作为目标检测区域，包括： 在确定出的概率值中，选取数值最大的概率值对应的候选位置信息表征的目标候选区 域，作为显著性特征最强的目标检测区域；或 将确定出的全部概率值求均值，得到的结果对应的候选位置信息表征的目标候选区 域，作为显著性特征最强的目标检测区域。
7. -种目标检测装置，其特征在于，包括： 确定模块，用于确定初始搜索目标区域； 搜索模块，用于按照预设搜索方法，在所述初始搜索目标区域中确定出至少一个候选 目标搜索区域，其中每个候选目标搜索区域均具有图像显著性特征； 选取模块，用于在所述搜索模块确定出的候选目标搜索区域中，选取显著性特征最强 的候选目标搜索区域作为目标检测区域。
8. 如权利要求7所述的装置，其特征在于，所述搜索模块，具体用于确定候选目标搜索 区域对应的候选位置信息和目标检测区域对应的目标位置信息之间相符合的概率值；根据 确定出的概率值，在确定出的候选目标搜索区域中，选取显著性特征最强的候选目标搜索 区域作为目标检测区域。
9. 如权利要求8所述的装置，其特征在于，所述图像显著性特征包含纹理显著性和颜 色显著性；所述搜索模块具体按照下述公式确定概率值： Pi(x) = ndi(x) + (i-η)θ?(χ) 其中Pi (X)是概率值，diOO是纹理显著性参数，是ei(X)是颜色显著性参数，η是一个 0到1之间的小数。
10. 如权利要求9所述的装置，其特征在于，所述纹理显著性参数(^〇〇包含梯度特征 值，所述搜索模块具体用于采用下述公式确定屯〇〇 : di (x) = Bi (x) -ffi (x) 其中，Bjx)是候选目标搜索区域中包含的全部像素点对应的梯度特征值的绝对值之 和，Wjx)是初始搜索目标区域中包含的全部像素点对应的梯度特征值的绝对值之和； 所述颜色显著性参数ei (X)是位置信息是X的候选目标搜索区域的熵信息，所述搜索 模块具体用于采用下述公式确定ei(x):
其中，P(g)是在候选目标搜索区域中灰度值等于g的像素点，与候选目标搜索区域中 包含的全部像素点数量的比值。
11. 如权利要求11所述的装置，其特征在于，一个像素点对应的梯度特征值包含水平 方向的梯度特征值和垂直方向的梯度特征值，所述搜索模块，具体用于按照下述公式确定 水平方向的梯度特征值：
其中，I(i，j)是位置信息为（i，j)的像素点I，ΛΧ是像素点I水平方向的梯度特征值， I (i+1，j)是像素点I水平方向上前一像素点，I (i-1，j)像素点I水平方向上后一像素点； 所述搜索模块，具体用于按照下述公式确定垂直方向的梯度特征值：
其中，I (i，j)是位置信息为（i，j)的像素点I，Ay是像素点I的垂直方向的梯度特征 值，I (i+1, j)是像素点I垂直方向上前一像素点，I (i-1, j)像素点I垂直方向上后一像素 点。
12.如权利要求8所述的装置，其特征在于，所述搜索模块，具体用于在确定出的概率 值中，选取数值最大的概率值对应的候选位置信息表征的目标候选区域，作为显著性特征 最强的目标检测区域；或将确定出的全部概率值求均值，得到的结果对应的候选位置信息 表征的目标候选区域，作为显著性特征最强的目标检测区域。
【文档编号】G06T7/20GK104112279SQ201310136929
【公开日】2014年10月22日 申请日期:2013年4月19日 优先权日:2013年4月19日
【发明者】王磊, 周璐, 潘石柱, 张兴明, 傅利泉, 朱江明, 吴军, 吴坚 申请人:浙江大华技术股份有限公司