專利名稱：基于局部積分圖像處理的目標(biāo)檢測(cè)方法、裝置及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及目標(biāo)檢測(cè)技術(shù)，尤其涉及一種基于局部積分圖像處理的目標(biāo)檢測(cè)方法、裝置及系統(tǒng)。
背景技術(shù)：
Haar-Like特征是Viola等人提出的一種簡(jiǎn)單矩形特征(參見文獻(xiàn)I :PaulViola, Michael Jones, Robust Real-time Object Detection[J]. 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(duì)應(yīng)的區(qū)域的灰度級(jí)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(xiàn)2 :Fioba B., Ernst,A., Fast frontal-view face detection using a multi-pathdecision tree[C]，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(nèi)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(shù)量就取決于訓(xùn)練樣本圖像矩陣的大小以及特征模板在子窗口內(nèi)任意放置，文獻(xiàn)3 (Lienhart Rainer, MaydtJochen, An Extended Set of Haar-Iike Features for Rapid Object Detection [C]. IEEEInternational Conference on Image Process, 2002，pp. 900-903)詳細(xì)討論了在某一子窗口中Haar-Like特征的數(shù)量，例如在一個(gè)24X24的子窗口中，上述三類Haar-Like特征的總數(shù)高達(dá)117,941個(gè)。一種形態(tài)稱為一種特征，找出所有子窗口的特征是進(jìn)行弱分類訓(xùn)練的基礎(chǔ)。而從大量的Haar特征中，選取若干具有最強(qiáng)分類能力的特征，是構(gòu)建Haar分類器的關(guān)鍵所在。從Haar特征的形狀發(fā)現(xiàn)，對(duì)于垂直、水平的特征，可以利用積分圖像計(jì)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(quán)利要求
1.一種基于局部積分圖像處理的目標(biāo)檢測(cè)方法，其特征在于，包括 步驟S11，讀入局部圖像區(qū)域的像素并計(jì)算該局部圖像區(qū)域內(nèi)的局部積分圖像，所述局部圖像區(qū)域的尺寸大于等于子窗口的尺寸，所述子窗口為目標(biāo)檢測(cè)中能檢測(cè)出目標(biāo)的最小的矩形區(qū)域； 步驟S12，采用所述局部積分圖像計(jì)算所述局部圖像區(qū)域內(nèi)各子窗口的矩形特征，并根據(jù)所述各子窗口的矩形特征在各子窗口中進(jìn)行目標(biāo)檢測(cè)； 步驟S13，更新所述局部圖像區(qū)域，對(duì)于更新后的局部圖像區(qū)域重復(fù)所述步驟Sll至S12，直至對(duì)整幅圖像完成目標(biāo)檢測(cè)。
2.根據(jù)權(quán)利要求I所述的基于局部積分圖像處理的目標(biāo)檢測(cè)方法，其特征在于，在讀入局部圖像區(qū)域的像素并計(jì)算該局部圖像區(qū)域內(nèi)的局部積分圖像時(shí)，還一并讀入更新后的局部圖像區(qū)域中新增的像素區(qū)域并計(jì)算該新增的像素區(qū)域在更新后的局部圖像區(qū)域中的局部積分圖像，在更新所述局部圖像區(qū)域時(shí)，根據(jù)更新前的局部圖像區(qū)域內(nèi)的局部積分圖像以及更新后的局部圖像區(qū)域中新增的像素區(qū)域的局部積分圖像計(jì)算更新后的局部圖像區(qū)域內(nèi)的局部積分圖像。
3.根據(jù)權(quán)利要求2所述的基于局部積分圖像處理的目標(biāo)檢測(cè)方法，其特征在于，所述局部圖像區(qū)域的寬度為SWg_W，高度為swg_h，按照如下公式計(jì)算更新后的局部圖像區(qū)域的局部積分圖像reg_lii[j][i]=reg_lii[j][i+M]-reg_lii[j][M-l];i=0，1，2,…swg—w—l—M; j=0，1，2··· swg_h-l;reg—lii[j] Ii1+swg_w-M] =reg_upd[j] [ij ; I1=Oj 1，“·Μ_1; j=0，I, 2··· swg_h~l; 其中，reg_lii為存儲(chǔ)所述局部圖像區(qū)域的局部積分圖像的數(shù)組，M為預(yù)設(shè)的數(shù)值，reg_upd為存儲(chǔ)更新后的局部圖像區(qū)域中新增的像素區(qū)域的局部積分圖像的數(shù)組，reg_Upd按照如下公式計(jì)算reg_upd[j] [i]=s[j] [i]+S[j] ; j=0; i=0, I,…M_1;reg_upd[j] [i]=s[j] [i]+reg_upd[j-l] [i]+S[j] ; j=l, 2，…swg_h_l; i=0, I…M_1;其中，S[j]采用如下公式計(jì)算S[j]=reg_lii[j][swg_w-l]-reg_lii[M-l], j=0 ；S[j]=reg_lii[j][swg_w-l]-reg_lii[j-1][swg_w-l]-(reg_lii [j] [M-l]-reg_lii [j-1] [M-l]), j=l, 2，... swg_h_l ；s[j][i]采用如下公式計(jì)算 Λ /IP] = Σ 尸W;i = 0，l，2"'wg—A-=1; 其中，P[x]是第j行新增的像素點(diǎn)。
4.根據(jù)權(quán)利要求3所述的基于局部積分圖像處理的目標(biāo)檢測(cè)方法，其特征在于，所述M預(yù)設(shè)為一次讀取操作中讀入的像素?cái)?shù)量。
5.根據(jù)權(quán)利要求2所述的基于局部積分圖像處理的目標(biāo)檢測(cè)方法，其特征在于，所述目標(biāo)檢測(cè)方法采用流水線方式進(jìn)行，劃分為兩個(gè)流水階段，分別為 讀入更新后的局部圖像區(qū)域中新增的像素區(qū)域并計(jì)算該新增的像素區(qū)域在更新后的局部圖像區(qū)域中的局部積分圖像；采用更新前的局部積分圖像計(jì)算所述矩形特征并根據(jù)該矩形特征進(jìn)行目標(biāo)檢測(cè)，以及采用所述新增的像素區(qū)域的局部積分圖像計(jì)算更新后的局部圖像區(qū)域的局部積分圖像。
6.一種基于局部積分圖像處理的目標(biāo)檢測(cè)裝置，其特征在于，包括 局部積分圖像計(jì)算模塊，讀入局部圖像區(qū)域的像素并計(jì)算該局部圖像區(qū)域內(nèi)的局部積分圖像，所述局部圖像區(qū)域的尺寸大于等于子窗ロ的尺寸，所述子窗ロ為目標(biāo)檢測(cè)中能檢測(cè)出目標(biāo)的最小的矩形區(qū)域； 矩形特征計(jì)算及檢測(cè)模塊，采用所述局部積分圖像計(jì)算所述局部圖像區(qū)域內(nèi)各子窗ロ的矩形特征，井根據(jù)所述各子窗ロ的矩形特征在各子窗ロ中進(jìn)行目標(biāo)檢測(cè)； 計(jì)算控制模塊，控制所述局部積分圖像計(jì)算模塊更新所述局部圖像區(qū)域并計(jì)算局部積分圖像，以及控制所述矩形特征計(jì)算及檢測(cè)模塊計(jì)算矩形特征并進(jìn)行目標(biāo)檢測(cè)，直至對(duì)整幅圖像完成目標(biāo)檢測(cè)。
7.根據(jù)權(quán)利要求6所述的基于局部積分圖像處理的目標(biāo)檢測(cè)裝置，其特征在于，所述局部積分圖像計(jì)算模塊包括 裝載及計(jì)算子模塊，讀入所述局部圖像區(qū)域的像素并計(jì)算該局部圖像區(qū)域內(nèi)的局部積分圖像，還ー并讀入更新后的局部圖像區(qū)域中新增的像素區(qū)域并計(jì)算該新增的像素區(qū)域在更新后的局部圖像區(qū)域中的局部積分圖像，所述更新前的局部圖像區(qū)域內(nèi)的局部積分圖像和新增的像素區(qū)域的局部積分圖像存儲(chǔ)于積分圖像寄存器陣列中； 更新子模塊，根據(jù)更新前的局部圖像區(qū)域內(nèi)的局部積分圖像以及更新后的局部圖像區(qū)域中新增的像素區(qū)域的局部積分圖像計(jì)算更新后的局部圖像區(qū)域內(nèi)的局部積分圖像，并以更新后的局部圖像區(qū)域內(nèi)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(qū)域內(nèi)的局部積分圖像。
8.根據(jù)權(quán)利要求7所述的基于局部積分圖像處理的目標(biāo)檢測(cè)裝置，其特征在于，所述局部圖像區(qū)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(jì)算更新后的局部圖像區(qū)域的局部積分圖像reg_lii[j][i]=reg_lii[j][i+M]-reg_lii[j][M-l];i=0，1，2，…swg—w—l—M; j=0，1，2，…swg_h~l;reg—Iii [j] [ix+swg_w~M] =reg_upd[j] [ij ; “=0，1，“.M-l; j=0，1，2…swg—h_l; 其中，reg_lii為存儲(chǔ)所述局部圖像區(qū)域的局部積分圖像的數(shù)組，M為預(yù)設(shè)的數(shù)值，reg_upd為存儲(chǔ)更新后的局部圖像區(qū)域中新增的像素區(qū)域的局部積分圖像的數(shù)組，所述裝載及計(jì)算子模塊按照如下公式計(jì)算reg_upd reg_upd[j] [i]=s[j] [i]+S[j] ; j=0; i=0, I…M_1;reg_upd[j] [i]=s[j] [i]+reg_upd[j-l] [i]+S[j] ; j=l, 2，…swg_h_l; i=0, I…M_1; 其中，S[j]采用如下公式計(jì)算S[j]=reg_lii[j][swg_w-l]-reg_lii[M-l], j=0 ；S[j]=reg_lii[j][swg_w-l]-reg_lii[j-1][swg_w-l]-(reg_lii [j] [M-l]-reg_lii [j-1] [M-l]), j=l, 2，... swg_h_l ；s[j][i]采用如下公式計(jì)算其中，ρ[χ]是第j行新增的像素點(diǎn)。
9.根據(jù)權(quán)利要求8所述的基于局部積分圖像處理的目標(biāo)檢測(cè)裝置，其特征在于，所述M預(yù)設(shè)為一次讀取操作中讀入的像素?cái)?shù)量。
10.根據(jù)權(quán)利要求7所述的基于局部積分圖像處理的目標(biāo)檢測(cè)裝置，其特征在于，所述計(jì)算控制模塊將所述裝載及計(jì)算子模塊設(shè)置為一流水階段，將所述矩形特征計(jì)算及檢測(cè)模塊和更新子模塊設(shè)置為另一流水階段，并控制兩個(gè)流水階段采用流水線方式并行工作。
11.根據(jù)權(quán)利要求6所述的基于局部積分圖像處理的目標(biāo)檢測(cè)裝置，其特征在于，還包括 平方積分圖像計(jì)算模塊，讀入所述局部圖像區(qū)域的像素的平方值并計(jì)算得到該局部圖像區(qū)域內(nèi)的局部平方積分圖像。
12.一種基于局部積分圖像處理的目標(biāo)檢測(cè)系統(tǒng)，其特征在于，包括 權(quán)利要求6至11中任一項(xiàng)所述的基于局部積分圖像處理的目標(biāo)檢測(cè)裝置； 與所述目標(biāo)檢測(cè)裝置相連并對(duì)其進(jìn)行配置的主控處理器； 與所述主控處理器和目標(biāo)檢測(cè)裝置相連的外部存儲(chǔ)器，所述目標(biāo)檢測(cè)裝置從所述外部存儲(chǔ)器讀入像素。
全文摘要
本發(fā)明提供了一種基于局部積分圖像處理的目標(biāo)檢測(cè)方法、裝置及系統(tǒng)，所述方法包括步驟S11，讀入局部圖像區(qū)域的像素并計(jì)算該局部圖像區(qū)域內(nèi)的局部積分圖像，所述局部圖像區(qū)域的尺寸大于等于子窗口的尺寸，所述子窗口為目標(biāo)檢測(cè)中能檢測(cè)出目標(biāo)的最小的矩形區(qū)域；步驟S12，采用所述局部積分圖像計(jì)算所述局部圖像區(qū)域內(nèi)各子窗口的矩形特征，并根據(jù)所述各子窗口的矩形特征在各子窗口中進(jìn)行目標(biāo)檢測(cè)；步驟S13，更新所述局部圖像區(qū)域，對(duì)于更新后的局部圖像區(qū)域重復(fù)所述步驟S11至S12，直至對(duì)整幅圖像完成目標(biāo)檢測(cè)。本發(fā)明能夠限制用于表示積分圖像像素的數(shù)據(jù)位數(shù)，節(jié)省存儲(chǔ)積分圖像的片內(nèi)SRAM資源。
文檔編號(hào)G06K9/46GK102855484SQ20121026808
公開日2013年1月2日 申請(qǐng)日期2012年7月30日 優(yōu)先權(quán)日2012年7月30日
發(fā)明者胡紅旗, 徐向陽(yáng), 趙光煥, 劉君敏, 胡志卷 申請(qǐng)人:杭州士蘭微電子股份有限公司