一種基於輪廓模板匹配的誤檢樣本去除方法
2023-07-21 02:48:01 1
專利名稱：一種基於輪廓模板匹配的誤檢樣本去除方法
技術領域：
本發明涉及一種誤檢樣本去除方法，尤其是涉及ー種基於輪廓模板匹配的誤檢樣本去除方法。
背景技術：
Haar物體檢測算法是近年來比較流行的物體檢測算法，其廣泛應用在人臉檢測等相關領域中。由於Haar物體檢測算法提出了級聯分類器以及積分圖像技木，這兩種技術使得其運行效率非常高，可以達到實時監測的要求。但同吋，由於級聯分類器的特點，導致算法中訓練環節為了保證儘可能低的漏檢率，造成了誤檢率較高的缺點。這個缺點在某些環境下格外突出。
發明內容
本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基於輪廓模板匹配的誤檢樣本去除方法。本發明的目的可以通過以下技術方案來實現一種基於輪廓模板匹配的誤檢樣本去除方法，其特徵在於，包括以下步驟I)圖像採集模塊採集原始圖像樣本集信息，並將該原始圖像樣本集信息發送給處理器；2)處理器採用Haar檢測算法對原始圖像樣本集進行檢測；3)處理器採用強分類器對步驟2)的檢測結果進行分類，將誤檢樣本去除；4)顯示器顯示去除誤檢樣本後的最終檢測結果。所述的步驟2)處理器採用Haar檢測算法對原始圖像樣本集進行檢測步驟如下21)通過Canny Edge (Canny邊緣檢測算法)技術從需要檢測的圖片中提取邊緣圖E ；22)對每個特徵向量Fni，求出其在E中所有像素點方向性距離量；23)對於每個像素點，根據式子判斷每個特徵向量得出
的特徵響應V (Fm，E|c)是否大於其閾值0m，並將判斷結果加權相加，得出的值則為當前像素點c的檢測值K (c)。所述的強分類器的訓練過程如下給出m個訓練樣本{x1;... , xj ,以及其標示值Iy1,...，yj、初始權重值D1⑴=Ι/m,這裡 i = I, . . . , m ；For j = 1，· · ·，t ;For k = 1，· · ·，η ;使用弱分類器hk對每ー個樣本Xi做方向性距離變換並計算最終的方向性距離值d(T』E)(x);
找到可以使得誤檢率ε k最低的參數(λ k，Θ k);將已經找到最佳弱分類器h'」連同它的參數λ'」、θ'」以及ε'」儲存來形成強分類器。所述的方向性距離變換並計算最終的方向性距離值d(T』E) (X)如下距離匹配值X則是通過公式(I)計算C(χ)=-^Σ+χ)-eII2
^ ter( I )距離變換技術可以在線性時間內快速計算出圖像E中每一個像素點到其最近的邊緣點的歐氏距離
Dr￡(q) = mm||q-e||2⑵這樣將公式⑴轉變為公式(3);C (χ) = ~Σ(t + X))
■/V ter ee￡*(3)精確的計算匹配模板上每個邊緣點斜率與圖像中每個邊緣點斜率的差
(χ) = ΣI0⑴ 一 0(咐 + χ))|
N(4)最終的方向性距離值d(T』E) (χ)為距離值與加權後的量化方向差之和d{T'E) (X) = (x) +(χ)(5)上式中的參數λ表示方向值的權重,這個參數會最終通過訓練來確定,每個特徵向量都包含一個特定的方向權重。與現有技術相比，本發明可以極大的降低Haar檢測算法的誤檢率。
圖I為本發明的流程圖；圖2為本發明的硬體結構示意圖。
具體實施例方式下面結合附圖和具體實施例對本發明進行詳細說明。實施例如圖I、圖2所示，一種基於輪廓模板匹配的誤檢樣本去除方法，包括以下步驟步驟101、圖像採集模塊I採集原始圖像樣本集信息，並將該原始圖像樣本集信息發送給處理器；步驟102、處理器2採用Haar檢測算法對原始圖像樣本集進行檢測；步驟103、處理器2採用強分類器對步驟102的檢測結果進行分類，將誤檢樣本去除；步驟104、顯示器3顯示去除誤檢樣本後的最終檢測結果。本發明可以使用這個算法對Haar算法的檢測結果進行分類，即給Haar算法加上一個後處理過程,儘可能高的去掉其中的誤檢樣本。基於輪廓模板匹配技術的物體檢測算法，主要目標是通過一小部分圖片來訓練一個專有的類模型，以便對基於Haar特徵的物體檢測結果做出後處理，去除其中的誤檢樣本。我們的模型訓練方法採用了一種過飽和的模式，即使用冗餘的特徵集合進行訓練，而這些冗餘特徵集合恰恰克服了同類物體的不同點(如不同的體型、不同的動作以及不同的面部表情)、圖像場景變化(不同的光照條件、遮擋等)。除了物體本身，人類對大部分物體的二維輪廓也有很強的感知。正因為這點，我們選擇使用物體的大致輪廓作為檢測系統認知的信息。當然，任何實際應用檢測算法都不可能僅僅只局限於這點，它們經常還包括其他很有用的信息，諸如紋理、顏色等。但是基於本文的算法，無需得出一個非常準確的檢測區域，所以並不用拿出所有可能的線索去判斷，基於輪廓的模板匹配技術已經可以滿足我們的需求了。當然，在很多方面，輪廓有很多其他特徵所不能比擬的地方，比如它在光照條件複雜、顏色多變的情況下有較強的魯棒性；並且它還能非常效率的描述一個圖片的空間結構。(一)方向性距離匹配距離匹配(Chamfer Matching)是一種非常有效且高效的輪廓模板匹配技術。這種技術可以計算兩個輪廓的空間距離，並在有大量位置、大小以及旋轉造成的錯匹配情況下有較高的魯棒性。最簡單的情況下，距離匹配需要兩個點集邊緣圖E = e，e代表E中的邊緣點；還有輪廓模板T = t。距離匹配值χ則是通過下列公式計算的
權利要求
1.一種基於輪廓模板匹配的誤檢樣本去除方法，其特徵在於，包括以下步驟 1)圖像採集模塊採集原始圖像樣本集信息，並將該原始圖像樣本集信息發送給處理器； 2)處理器採用Haar檢測算法對原始圖像樣本集進行檢測； 3)處理器採用強分類器對步驟2)的檢測結果進行分類，將誤檢樣本去除； 4)顯示器顯示去除誤檢樣本後的最終檢測結果。
2.根據權利要求I所述的ー種基於輪廓模板匹配的誤檢樣本去除方法，其特徵在幹，所述的步驟2)處理器採用Haar檢測算法對原始圖像樣本集進行檢測步驟如下 21)通過CannyEdge技術從需要檢測的圖片中提取邊緣圖E ； 22)對每個特徵向量Fm，求出其在E中所有像素點方向性距離量； 23)對於每個像素點，根據式子
3.根據權利要求I所述的ー種基於輪廓模板匹配的誤檢樣本去除方法，其特徵在幹，所述的強分類器的訓練過程如下 給出m個訓練樣本{x1;... , xm},以及其標示值{yp...，yj、初始權重值Dji) = 1/m,這裡i = I,…，m ; For j = I, · · · , t ; For k = I, . . . , η ； 使用弱分類器hk對每ー個樣本Xi做方向性距離變換並計算最終的方向性距離值d(T』E)(X); 找到可以使得誤檢率ek最低的參數(λ,，ek)； 將已經找到最佳弱分類器h' j連同它的參數λ' ρθ' j以及ε' j儲存來形成強分類器。
4.根據權利要求3所述的ー種基於輪廓模板匹配的誤檢樣本去除方法，其特徵在幹，所述的方向性距離變換並計算最終的方向性距離值d(T』E)(x)如下 距離匹配值X則是通過公式(I)計算
全文摘要
本發明涉及一種基於輪廓模板匹配的誤檢樣本去除方法，包括以下步驟1)圖像採集模塊採集原始圖像樣本集信息，並將該原始圖像樣本集信息發送給處理器；2)處理器採用Haar檢測算法對原始圖像樣本集進行檢測；3)處理器採用強分類器對步驟2)的檢測結果進行分類，將誤檢樣本去除；4)顯示器顯示去除誤檢樣本後的最終檢測結果。與現有技術相比，本發明具有極大的降低Haar檢測算法的誤檢率等優點。
文檔編號G06K9/62GK102682300SQ201110066249
公開日2012年9月19日 申請日期2011年3月18日 優先權日2011年3月18日
發明者李宏宇, 陳雷 申請人:同濟大學