專利名稱：狗臉檢測器的形成方法和狗臉檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及目標檢測技術(shù)領(lǐng)域，尤其涉及一種狗臉檢測器的形成方法和狗臉檢測方法。
背景技術(shù)：
目標檢測，也叫目標提取，是一種基于目標幾何和統(tǒng)計特征的圖像分割，將目標的分割和識別合二為一。在復(fù)雜場景中，通常需要對多個目標進行實時處理，因此，目標自動提取和識別就顯得特別重要。隨著計算機視覺技術(shù)的迅速發(fā)展，其被廣泛地應(yīng)用在目標檢測領(lǐng)域，就目前而言，現(xiàn)有技術(shù)中已經(jīng)存在多種針對特定目標進行檢測的方法，如:人臉檢測、行人檢測、車輛檢測等，且從目標檢測的發(fā)展來看，在人臉檢測、行人檢測、車輛檢測方面的研究也最為廣泛，而在狗臉檢測方面的研究卻很少。眾所周知，狗是人類忠實的朋友，目前，在中國、美國、日本等國家，養(yǎng)狗的人逐漸增多，因此，與狗相關(guān)的圖像處理技術(shù)具有廣泛的市場前景，尤其是狗臉識別技術(shù)，在狗注冊、狗身份認證、狗相冊制作以及公共安全監(jiān)控等方面起到了至關(guān)重要的作用。狗臉檢測是狗臉識別中極為重要的一個環(huán)節(jié)，其也屬于對特定目標的檢測，狗臉檢測的目的就是將狗臉從圖像背景中檢測出來，或者說是將狗臉的子窗口與非狗臉的子窗口分開。相對于人臉檢測而言，狗臉檢測要困難的多，這主要是因為:狗臉在形狀、大小、毛色、姿態(tài)、表情等方面變化多樣；狗耳朵和臉部長毛容易遮擋其面部，尤其是眼睛部分；在拍攝狗時，由于其一般都處于走動狀態(tài)，需要抓拍，故導(dǎo)致狗臉在圖像中的位置變化很大或者說狗臉在圖像中的位置總是不確定的，而人臉則通常位于圖像的中心；背景變化、光照變化等因素引起的圖像差異；狗種類較多，狗樣本圖像不易采集，上述的原因?qū)е铝爽F(xiàn)有的目標檢測方法不能直接有效的檢測狗臉，因此，如何能夠正確且快速地檢測狗臉成為目前亟待解決的問題之一。有關(guān)目標檢測的技術(shù)可以參見公開號為CN101799875A，發(fā)明名稱為一種目標檢測方法的中國專利申請，但是對于上述問題，其并未涉及。

發(fā)明內(nèi)容
本發(fā)明解決的問題是提供一種狗臉檢測器的形成方法和狗臉檢測方法，以準確且快速地檢測狗臉。為解決上述問題，本發(fā)明提供一種狗臉檢測器的形成方法，包括:采集狗臉圖像；采集不包含狗臉的圖像；從所述狗臉圖像提取邊緣圖像；基于所述邊緣圖像獲取邊緣片段集合；以所述狗臉圖像作為正樣本、不包含狗臉的圖像作為負樣本，并以所述邊緣片段集合中的邊緣片段為特征，訓(xùn)練基于狗臉的邊緣特征的強分類器；由至少一級強分類器形成狗臉檢測器?？蛇x的，所述采集狗臉圖像包括:從包含狗的圖像中提取包含狗臉的圖像；對提取到的包含狗臉的圖像進行歸一化?？蛇x的，所述從包含狗的圖像中提取包含狗臉的圖像包括:確定狗眼睛的位置及狗眼睛之間的眼間距；利用所述眼間距與狗臉圖像的寬之比、狗臉圖像的高和寬之比、以及以所述狗眼睛的位置為分界的狗臉圖像上、下兩部分的高度之比，提取包含狗臉的圖像?？蛇x的，所述對提取到的包含狗臉的圖像進行歸一化包括:基于所述包含狗臉的圖像的尺寸和預(yù)定的歸一化尺寸獲取縮放倍數(shù)；基于所述縮放倍數(shù)對所述包含狗臉的圖像進行插值?？蛇x的，在所述包含狗臉的圖像為彩色圖像時，對所述包含狗臉的圖像的灰度圖
像進行歸一化?？蛇x的，還包括:對歸一化后的包含狗臉的圖像進行左右翻轉(zhuǎn)。可選的，所述對歸一化后的包含狗臉的圖像進行左右翻轉(zhuǎn)通過如下公式獲得:
權(quán)利要求
1.一種狗臉檢測器的形成方法，其特征在于，包括如下步驟: 采集狗臉圖像； 采集不包含狗臉的圖像； 從所述狗臉圖像提取邊緣圖像； 基于所述邊緣圖像獲取邊緣片段集合； 以所述狗臉圖像作為正樣本、不包含狗臉的圖像作為負樣本，并以所述邊緣片段集合中的邊緣片段為特征，訓(xùn)練基于狗臉的邊緣特征的強分類器； 由至少一級強分類器形成狗臉檢測器。
2.如權(quán)利要求1所述的狗臉檢測器的形成方法，其特征在于，所述采集狗臉圖像包括: 從包含狗的圖像中提取包含狗臉的圖像； 對提取到的包含狗臉的圖像進行歸一化。
3.如權(quán)利要求2所述的狗臉檢測器的形成方法，其特征在于，所述從包含狗的圖像中提取包含狗臉的圖像包括: 確定狗眼睛的位置及 狗眼睛之間的眼間距； 利用所述眼間距與狗臉圖像的寬之比、狗臉圖像的高和寬之比、以及以所述狗眼睛的位置為分界的狗臉圖像上、下兩部分的高度之比，提取包含狗臉的圖像。
4.如權(quán)利要求2所述的狗臉檢測器的形成方法，其特征在于，所述對提取到的包含狗臉的圖像進行歸一化包括: 基于所述包含狗臉的圖像的尺寸和預(yù)定的歸一化尺寸獲取縮放倍數(shù)； 基于所述縮放倍數(shù)對所述包含狗臉的圖像進行插值。
5.如權(quán)利要求2所述的狗臉檢測器的形成方法，其特征在于，在所述包含狗臉的圖像為彩色圖像時，對所述包含狗臉的圖像的灰度圖像進行歸一化。
6.如權(quán)利要求2所述的狗臉檢測器的形成方法，其特征在于，還包括:對歸一化后的包含狗臉的圖像進行左右翻轉(zhuǎn)。
7.如權(quán)利要求6所述的狗臉檢測器的形成方法，其特征在于，所述對歸一化后的包含狗臉的圖像進行左右翻轉(zhuǎn)通過如下公式獲得:
8.如權(quán)利要求1所述的狗臉檢測器的形成方法，其特征在于，所述基于所述邊緣圖像獲取邊緣片段集合包括: 在所述邊緣圖像上選取像素點作為種子； 將所述種子沿邊緣生長以生成原始邊緣片段，所述邊緣片段集合包括原始邊緣片段。
9.如權(quán)利要求8所述的狗臉檢測器的形成方法，其特征在于，所述基于所述邊緣圖像獲取邊緣片段集合還包括:以預(yù)定步長依次減少所述原始邊緣片段的長度以獲得新邊緣片段，所述邊緣片段集合還包括新邊緣片段。
10.如權(quán)利要求8所述的狗臉檢測器的形成方法，其特征在于，所述原始邊緣片段的長度小于或等于預(yù)定長度，或者所述原始邊緣片段的長度等于所述種子與所述邊緣的終點之間的長度，或者所述原始邊緣片段的長度等于所述邊緣的起點與終點之間的長度。
11.如權(quán)利要求8所述的狗臉檢測器的形成方法，其特征在于，所述基于所述邊緣圖像獲取邊緣片段集合還包括去除兩邊緣片段之間的差異小于預(yù)設(shè)閾值的其中一邊緣片段。
12.如權(quán)利要求1所述的狗臉檢測器的形成方法，其特征在于，所述訓(xùn)練基于狗臉的邊緣特征的強分類器包括: 步驟S51，為第i個訓(xùn)練樣本Ei設(shè)定初始權(quán)值Oi=I,并為訓(xùn)練樣本Ei加上類別標簽Ii,正樣本Yi=I，負樣本Yi=-1，設(shè)定正樣本通過率R。和負樣本通過率Rb，其中，艮>99%，Rb在40% 60%之間取值，所述訓(xùn)練樣本包括正樣本和負樣本； 步驟S52，訓(xùn)練當前權(quán)值下的弱分類器； 步驟353，通過
13.如權(quán)利要求12所述的狗臉檢測器的形成方法，其特征在于，所述步驟S52包括:步驟S521，建立弱分類器的表達式
14.如權(quán)利要求13所述的狗臉檢測器的形成方法，其特征在于，所述訓(xùn)練樣本E與邊緣片段T的形狀相似度Simi larityT (E)，訓(xùn)練樣本E與邊緣片段T的距離相似度DistanceT (E)通過下述公式計算:
15.如權(quán)利要求13所述的狗臉檢測器的形成方法，其特征在于，所述步驟S523包括: 將各個訓(xùn)練樣本和邊緣片段T的匹配代價cost_r ii| (E)按照從小到大的順序排序，求出相鄰兩個不同的COSt1^ (E)取值的平均值，構(gòu)成一個數(shù)列IcJ，令thT分別依次取數(shù)列中的值。對于取定的每個thT值，將上述準則函數(shù)分別對aT和bT求偏導(dǎo)數(shù)，并令偏導(dǎo)數(shù)為零，可以解得:
16.如權(quán)利要求12所述的狗臉檢測器的形成方法，其特征在于，所述調(diào)整閾值通過下述步驟計算:計算每個負樣本的弱分類器的輸出累加和S = ^Zv(Ei);將計算得到的各負樣本的 i=i J累加和按從大到小排序得到數(shù)列{Sk};設(shè)置調(diào)整閾值Ts=Sk，其中，K=RbXNneg, Nmg為當前級中參與訓(xùn)練的負樣本的總數(shù)。
17.如權(quán)利要求12所述的狗臉檢測器的形成方法，其特征在于，所述由至少一級強分類器形成狗臉檢測器包括: 根據(jù)已訓(xùn)練好的所有級聯(lián)的強分類器從非狗圖像集中采集訓(xùn)練下一級強分類器所需的負樣本，并計算虛警率； 判斷虛警率是否小于虛警率閾值Tfpk，若是則停止訓(xùn)練，此時當前級聯(lián)的強分類器的級數(shù)即為狗臉檢測器的級數(shù)；若否則執(zhí)行步驟S51，繼續(xù)訓(xùn)練下一級強分類器。
18.如權(quán)利要求17所述的狗臉檢測器的形成方法，其特征在于，所述根據(jù)已訓(xùn)練好的所有級聯(lián)的強分類器從非狗圖像集中采集訓(xùn)練下一級強分類器所需的負樣本，并計算虛警率包括: 步驟S611，初始化總測試次數(shù)Total為0，從非狗圖像集隨機選擇一個測試樣本，并按訓(xùn)練樣本的歸一化尺寸對該測試樣本進行歸一化； 步驟S612，總測試次數(shù)Total加1，計算各級強分類器對該歸一化后的測試樣本的輸出； 步驟S613，判斷是否有一級強分類器對該歸一化后的測試樣本的輸出為-1，若是則執(zhí)行步驟S614，若否則執(zhí)行 步驟S615 ； 步驟S614，從非狗圖像集選擇另一個測試樣本，并按訓(xùn)練樣本的歸一化尺寸對該測試樣本進行歸一化，繼續(xù)執(zhí)行步驟S612 ； 步驟S615，記錄該測試樣本為訓(xùn)練下一級強分類器的負樣本； 步驟S616，判斷采集到的訓(xùn)練下一級強分類器的負樣本的個數(shù)Nmg是否達到訓(xùn)練要求，若是則計算虛警率FPR=Nmg/Total，若否則繼續(xù)執(zhí)行步驟S614。
19.一種狗臉檢測方法，其特征在于，包括:采用權(quán)利要求1至18任一項所述的狗臉檢測器的形成方法形成的狗臉檢測器對待檢圖像進行狗臉檢測。
20.如權(quán)利要求19所述的狗臉檢測方法，其特征在于，還包括:采用狗臉特征檢測器對待檢圖像進行狗臉預(yù)檢測，以獲得狗臉的預(yù)測圖像，所述狗臉檢測器檢測的待檢圖像為所述狗臉的預(yù)測圖像，所述狗臉特征檢測器包括狗鼻孔檢測器和/或狗眼睛檢測器。
21.如權(quán)利要求20所述的狗臉檢測方法，其特征在于，所述采用狗臉特征檢測器對待檢圖像進行狗臉預(yù)檢測，以獲得狗臉的預(yù)測圖像包括: 步驟S81，設(shè)定狗臉特征檢測器所用到的級聯(lián)的強分類器的級數(shù)，對應(yīng)每個級數(shù)的狗臉特征檢測器，均采用步驟S82 S85檢測狗臉特征； 步驟S82，根據(jù)當前搜索窗口的尺寸對預(yù)處理后的待檢圖像進行分割獲得至少一個搜索子窗口 ； 步驟S83，通過所述狗臉特征檢測器檢測所述搜索子窗口，直至檢測到存在狗臉特征的搜索子窗口； 步驟S84，若不存在，則以預(yù)設(shè)倍數(shù)更新當前搜索窗口的尺寸，重復(fù)上述步驟S82和S83，直至當前搜索窗口的尺寸大于預(yù)處理后的待檢圖像的尺寸；步驟S85，記錄存在所述狗臉特征的搜索子窗口的位置作為對應(yīng)級數(shù)的狗鼻孔檢測器的檢測結(jié)果； 步驟S86，合并狗臉特征檢測器的檢測結(jié)果，以獲得狗臉特征檢測結(jié)果； 步驟S87，將每個狗臉特征檢測結(jié)果進行縮放處理； 步驟S88，預(yù)測縮放處理后獲得的每個狗臉特征檢測結(jié)果對應(yīng)的狗臉區(qū)域和搜索范圍。
22.如權(quán)利要求21所述的狗臉檢測方法，其特征在于，所述狗臉特征為狗鼻孔，所述狗臉區(qū)域的寬度為狗鼻孔檢測結(jié)果的窗口寬度的4倍，所述狗臉區(qū)域的高度為狗鼻孔檢測結(jié)果的窗口高度的6倍；所述搜索范圍的寬度偏移量為狗鼻孔檢測結(jié)果的窗口寬度的2.5倍，所述搜索范圍的上部偏移量為狗鼻孔檢測結(jié)果的窗口高度的4.5倍，所述搜索范圍的下部偏移量為狗鼻孔檢測結(jié)果的窗口高度的2倍。
23.如權(quán)利要求20所述的狗臉檢測方法，其特征在于，還包括:對待檢圖像進行預(yù)處理，所述狗臉特征檢測器檢測的待檢圖像為預(yù)處理后的待檢圖像。
24.如權(quán)利要求23所述的狗臉檢測方法，其特征在于，所預(yù)處理為圖像縮放、圖像左右翻轉(zhuǎn)或圖像旋轉(zhuǎn)，或者它們的任意組合。
25.如權(quán)利要求21所述的狗臉檢測方法，其特征在于，采用所述狗臉檢測器對待檢圖像進行狗臉檢測包括: 根據(jù)預(yù)測的狗臉區(qū)域的尺寸和狗臉檢測器的訓(xùn)練樣本的尺寸之比，縮放所述狗臉的預(yù)測圖像； 計算縮放后的狗臉的預(yù)測圖像的距離變換矩陣；基于
全文摘要
一種狗臉檢測器的形成方法和狗臉檢測方法。所述狗臉檢測器的形成方法，包括如下步驟采集狗臉圖像；采集不包含狗臉的圖像；從所述狗臉圖像提取邊緣圖像；基于所述邊緣圖像獲取邊緣片段集合；以所述狗臉圖像作為正樣本、不包含狗臉的圖像作為負樣本，并以所述邊緣片段集合中的邊緣片段為特征，訓(xùn)練基于狗臉的邊緣特征的強分類器；由至少一級強分類器形成狗臉檢測器。本發(fā)明技術(shù)方案利用了狗臉的邊緣特征對顏色紋理變化不敏感的特點，訓(xùn)練基于狗臉的邊緣特征的強分類器，由此得到的強分類器構(gòu)成的狗臉檢測器具有較好的檢測性能。
文檔編號G06K9/66GK103218610SQ20131015677
公開日2013年7月24日 申請日期2013年4月28日 優(yōu)先權(quán)日2013年4月28日
發(fā)明者劉炳憲, 謝菊元, 王焱輝, 王克惠 申請人:寧波江豐生物信息技術(shù)有限公司