車(chē)輛檢測(cè)方法及裝置制造方法
【專(zhuān)利摘要】本發(fā)明涉及車(chē)輛檢測(cè)方法和裝置，其中方法包括：對(duì)輸入的待檢測(cè)圖像，利用FAST特征提取特征點(diǎn)；將提取出的特征點(diǎn)作為初始中心點(diǎn)，根據(jù)聚類(lèi)算法確定出最終的一個(gè)或多個(gè)聚類(lèi)中心點(diǎn)；根據(jù)預(yù)定區(qū)域范圍，以每個(gè)聚類(lèi)中心點(diǎn)為中心得到相應(yīng)的區(qū)域，該區(qū)域?qū)?yīng)檢測(cè)出的車(chē)輛的區(qū)域。由于FAST特征點(diǎn)檢測(cè)是公認(rèn)的比較快速的特征點(diǎn)檢測(cè)方法，從而可降低檢測(cè)所消耗的時(shí)間，使得能夠快速確定出可能存在車(chē)輛的區(qū)域。此外，在快速確定出可能存在車(chē)輛的區(qū)域的前提下，再區(qū)分車(chē)輛朝向方向、并檢測(cè)每個(gè)角度下的圖像數(shù)據(jù)是否存在車(chē)輛，由此進(jìn)行精確的車(chē)輛檢測(cè)，從而實(shí)現(xiàn)了對(duì)多角度車(chē)輛檢測(cè)的快速而準(zhǔn)確的檢測(cè)。
【專(zhuān)利說(shuō)明】車(chē)輛檢測(cè)方法及裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及視頻監(jiān)控技術(shù)和智能交通【技術(shù)領(lǐng)域】，具體涉及一種車(chē)輛檢測(cè)方法與裝 置。

【背景技術(shù)】
[0002] 車(chē)輛檢測(cè)是智能交通視頻監(jiān)控的一個(gè)重要研究方向。目前關(guān)于車(chē)輛檢測(cè)的研究 中，所檢測(cè)的車(chē)輛多數(shù)為前面或者后面的視角，這種單視角車(chē)輛檢測(cè)已經(jīng)比較成熟。然而車(chē) 輛的本身表現(xiàn)以及車(chē)輛在不同角度的表現(xiàn)有很大的不同，例如，車(chē)輛斜對(duì)著攝像頭的特征 點(diǎn)相對(duì)于車(chē)輛正對(duì)攝像頭的特征點(diǎn)通常會(huì)發(fā)生變化，導(dǎo)致使用單視角車(chē)輛檢測(cè)的方法不適 用于多視角車(chē)輛檢測(cè)，使得檢測(cè)的準(zhǔn)確率比較低。此外，快速而準(zhǔn)確地檢測(cè)出目標(biāo)是許多應(yīng) 用的基礎(chǔ)，其中最關(guān)鍵的第一步是特征點(diǎn)檢測(cè)，然而，目前的檢測(cè)算法中在特征點(diǎn)檢測(cè)中比 較耗時(shí)，降低了檢測(cè)效率。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明提供一種快速的適用于多視角車(chē)輛檢測(cè)的方法和裝置。
[0004] 根據(jù)本發(fā)明的第一方面，本發(fā)明提供一種車(chē)輛檢測(cè)方法，包括：對(duì)輸入的待檢測(cè)圖 像，利用基于加速分割檢測(cè)特征FAST提取特征點(diǎn)；將提取出的特征點(diǎn)作為初始中心點(diǎn)，根 據(jù)聚類(lèi)算法確定出最終的一個(gè)或多個(gè)聚類(lèi)中心點(diǎn)；根據(jù)預(yù)定區(qū)域范圍，以每個(gè)所述聚類(lèi)中 心點(diǎn)為中心得到相應(yīng)的區(qū)域，該區(qū)域?qū)?yīng)檢測(cè)出的車(chē)輛的區(qū)域。此外，基于該方法，本發(fā)明 還提供了一種車(chē)輛檢測(cè)裝置。
[0005] 根據(jù)該第一方面，本發(fā)明通過(guò)基于FAST進(jìn)行特征點(diǎn)檢測(cè)，并利用聚類(lèi)算法確定出 可能存在車(chē)輛的區(qū)域，由于FAST特征點(diǎn)檢測(cè)是公認(rèn)的比較快速的特征點(diǎn)檢測(cè)方法，從而可 降低檢測(cè)所消耗的時(shí)間，使得能夠快速確定出可能存在車(chē)輛的區(qū)域。
[0006] 根據(jù)本發(fā)明的第二方面，本發(fā)明提供一種車(chē)輛檢測(cè)方法，包括：粗檢測(cè)步驟：對(duì)于 輸入的待檢測(cè)圖像，利用基于加速分割檢測(cè)特征FAST提取特征點(diǎn)，將提取出的特征點(diǎn)作為 初始中心點(diǎn)，根據(jù)聚類(lèi)算法確定出最終的一個(gè)或多個(gè)聚類(lèi)中心點(diǎn)，以每個(gè)所述聚類(lèi)中心點(diǎn) 為中心并根據(jù)預(yù)定區(qū)域范圍得到相應(yīng)的區(qū)域，該區(qū)域?yàn)榭赡艽嬖谲?chē)輛的區(qū)域；角度分類(lèi)步 驟：利用預(yù)先訓(xùn)練的多個(gè)角度分類(lèi)器對(duì)所有所述可能存在車(chē)輛的區(qū)域進(jìn)行車(chē)輛朝向的判 斷，得到所述可能存在車(chē)輛的區(qū)域的車(chē)輛朝向角度信息；級(jí)聯(lián)檢測(cè)步驟：對(duì)每個(gè)含有車(chē)輛 朝向角度信息的可能存在車(chē)輛的區(qū)域，根據(jù)其角度信息選擇對(duì)應(yīng)的預(yù)先訓(xùn)練的級(jí)聯(lián)分類(lèi)器 進(jìn)行檢測(cè)以確定是否包含車(chē)輛。此外，基于該方法，本發(fā)明還提供了一種車(chē)輛檢測(cè)裝置。
[0007] 根據(jù)該第二方面，本發(fā)明通過(guò)先進(jìn)行粗檢測(cè)以快速確定出可能存在車(chē)輛的區(qū)域， 提高了檢測(cè)速度，然后再區(qū)分車(chē)輛朝向方向、并檢測(cè)每個(gè)角度下的圖像數(shù)據(jù)是否存在車(chē)輛， 由此進(jìn)行精確的車(chē)輛檢測(cè)，從而實(shí)現(xiàn)了對(duì)多角度車(chē)輛檢測(cè)的快速而準(zhǔn)確的檢測(cè)。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0008] 為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，其中相同參考標(biāo)號(hào)表示相同部分。
[0009] 圖1為本發(fā)明一種實(shí)施例的車(chē)輛檢測(cè)方法的流程示意圖； 圖2為本發(fā)明一種實(shí)施例的車(chē)輛檢測(cè)方法中采用聚類(lèi)算法后得到的示意圖； 圖3為本發(fā)明另一種實(shí)施例的車(chē)輛檢測(cè)方法的流程示意圖； 圖4為一種舉例中特征點(diǎn)及其鄰域的示意圖。

【具體實(shí)施方式】
[0010] 下面通過(guò)【具體實(shí)施方式】結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明。
[0011] [實(shí)施例1] 如圖1所示，本實(shí)施例提供了一種車(chē)輛檢測(cè)方法，包括如下步驟S101~S105。
[0012] 步驟 S101 :對(duì)輸入的待檢測(cè)圖像，利用 FAST (Features From Accelerated Segment Test，基于加速分割檢測(cè)特征）提取特征點(diǎn)。
[0013] 在該步驟中，輸入的待檢測(cè)圖像可以來(lái)自監(jiān)控視頻中每一幀視頻圖像，該視頻圖 像可以經(jīng)過(guò)例如轉(zhuǎn)化后為灰度圖像。其中監(jiān)控視頻為利用安裝在道路上方或路側(cè)的靜態(tài)攝 像機(jī)產(chǎn)生。
[0014] FAST特征點(diǎn)檢測(cè)只利用周?chē)袼乇容^的信息就可以得到特征點(diǎn)。一般地，其檢測(cè) 候選特征點(diǎn)周?chē)蝗Φ南袼刂?，如果候選特征點(diǎn)周?chē)徲騼?nèi)有足夠多的像素點(diǎn)與該候選特 征點(diǎn)的灰度值差別勾搭，則認(rèn)為該候選特征點(diǎn)為一個(gè)特征點(diǎn)，可以用數(shù)學(xué)表達(dá)式表示為： Ν= Σ |l(x)-I(p) |> ε d 其中，I (P)為圓心P的灰度，I (X)為圓周上任一點(diǎn)X的灰度，ε d為灰度值差的閾值， 如果N大于該閾值ed，則認(rèn)為p為特征點(diǎn)。本實(shí)施例中該閾值％為預(yù)設(shè)的經(jīng)驗(yàn)值，也可 以通過(guò)計(jì)算的方式給出，其它實(shí)施例中將對(duì)采用計(jì)算的方式進(jìn)行描述，這里不作詳述。
[0015] 步驟S103 :將提取出的特征點(diǎn)作為初始中心點(diǎn)，根據(jù)聚類(lèi)算法確定出最終的一個(gè) 或多個(gè)聚類(lèi)中心點(diǎn)。
[0016] 在該步驟中，采用已知的聚類(lèi)算法進(jìn)行聚類(lèi)找出最優(yōu)的類(lèi)中心點(diǎn)。一種具體實(shí)現(xiàn) 中，聚類(lèi)算法為K-Mean聚類(lèi)算法；另一種具體實(shí)現(xiàn)中，可以先進(jìn)行層次聚類(lèi)再進(jìn)行K-Mean 聚類(lèi)。如圖2所示，圖示中的矩形小方框框中的點(diǎn)為確定出的聚類(lèi)中心點(diǎn)。
[0017] 步驟S105 :根據(jù)預(yù)定區(qū)域范圍，以每個(gè)聚類(lèi)中心點(diǎn)為中心得到相應(yīng)的區(qū)域，該區(qū) 域?qū)?yīng)檢測(cè)出的車(chē)輛的區(qū)域。
[0018] 在本步驟中，以每個(gè)聚類(lèi)中心點(diǎn)為中心，根據(jù)中心點(diǎn)的對(duì)稱(chēng)性并按照預(yù)定區(qū)域范 圍，則可以確定出該中心對(duì)應(yīng)的一個(gè)范圍，例如圖2所示的虛線框區(qū)域，確定出的區(qū)域范圍 即為檢測(cè)出含有車(chē)輛的區(qū)域。這里預(yù)定區(qū)域范圍可以是預(yù)設(shè)的經(jīng)驗(yàn)值，也可以是計(jì)算得到 一個(gè)范圍值，其它實(shí)施例中將對(duì)此計(jì)算給出相應(yīng)描述，這里不作詳述。
[0019] 基于本實(shí)施例的車(chē)輛檢測(cè)方法，本發(fā)明一種實(shí)施例還提供了一種車(chē)輛檢測(cè)裝置， 其包括： 特征點(diǎn)提取模塊，用于對(duì)輸入的待檢測(cè)圖像，利用基于加速分割檢測(cè)特征FAST提取特 征點(diǎn)； 聚類(lèi)處理模塊，用于將提取出的特征點(diǎn)作為初始中心點(diǎn)，根據(jù)聚類(lèi)算法確定出最終的 一個(gè)或多個(gè)聚類(lèi)中心點(diǎn)； 區(qū)域確定模塊，用于根據(jù)預(yù)定區(qū)域范圍，以每個(gè)聚類(lèi)中心點(diǎn)為中心得到相應(yīng)的區(qū)域，該 區(qū)域?qū)?yīng)檢測(cè)出的車(chē)輛的區(qū)域。
[0020] 各模塊的具體實(shí)現(xiàn)可參考本實(shí)施例的車(chē)輛檢測(cè)方法中的相應(yīng)步驟，在此不作重 述。
[0021] 本實(shí)施例通過(guò)基于FAST進(jìn)行特征點(diǎn)檢測(cè)，并利用聚類(lèi)算法確定出可能存在車(chē)輛 的區(qū)域，由于FAST特征點(diǎn)檢測(cè)是公認(rèn)的比較快速的特征點(diǎn)檢測(cè)方法，從而可降低檢測(cè)所消 耗的時(shí)間，使得能夠快速確定出可能存在車(chē)輛的區(qū)域。
[0022] [實(shí)施例2] 如圖3所示，本實(shí)施例提供了一種車(chē)輛檢測(cè)方法，其包括如下步驟S22~S26。
[0023] 粗檢測(cè)步驟S22 :對(duì)于輸入的待檢測(cè)圖像，利用FAST特征提取特征點(diǎn)，將提取出的 特征點(diǎn)作為初始中心點(diǎn)，根據(jù)聚類(lèi)算法確定出最終的一個(gè)或多個(gè)聚類(lèi)中心點(diǎn)，以每個(gè)聚類(lèi) 中心點(diǎn)為中心并根據(jù)預(yù)定區(qū)域范圍得到相應(yīng)的區(qū)域，該區(qū)域?yàn)榭赡艽嬖谲?chē)輛的區(qū)域。
[0024] 該步驟S22類(lèi)似實(shí)施例1的車(chē)輛檢測(cè)方法的過(guò)程，只是最終得到區(qū)域在本實(shí)施例 中為可能存在車(chē)輛的區(qū)域，需要經(jīng)過(guò)后續(xù)的步驟S24和S26處理后得到精確的車(chē)輛檢測(cè)結(jié) 果。
[0025] 角度分類(lèi)步驟S24 :利用預(yù)先訓(xùn)練的多個(gè)角度分類(lèi)器對(duì)所有可能存在車(chē)輛的區(qū)域 進(jìn)行車(chē)輛朝向的判斷，得到每個(gè)可能存在車(chē)輛的區(qū)域的車(chē)輛朝向角度信息。
[0026] 容易理解的是，步驟S22輸出的是至少一個(gè)可能存在車(chē)輛的區(qū)域。在本步驟S24 中，對(duì)每個(gè)可能存在車(chē)輛的區(qū)域進(jìn)行梯度特征提取，然后將提取出的提取特征代入預(yù)先訓(xùn) 練的多個(gè)角度分類(lèi)器進(jìn)行方向判斷，確定出該區(qū)域中車(chē)輛朝向的角度信息。
[0027] 在梯度特征提取時(shí)，對(duì)于每個(gè)可能存在車(chē)輛的區(qū)域中的每個(gè)特征點(diǎn)，計(jì)算其梯 度，并在每個(gè)特征點(diǎn)的預(yù)設(shè)鄰域內(nèi)統(tǒng)計(jì)該特征點(diǎn)的梯度方向，統(tǒng)計(jì)結(jié)果即為該特征點(diǎn)的 方向描述符，從而得到每個(gè)可能存在車(chē)輛的區(qū)域的梯度方向特征。梯度的計(jì)算可參考現(xiàn) 有數(shù)字圖像處理中相關(guān)的技術(shù)實(shí)現(xiàn)，這里不作詳述。在一種具體實(shí)現(xiàn)中，在對(duì)在每個(gè)特 征點(diǎn)的預(yù)設(shè)鄰域內(nèi)進(jìn)行梯度方向統(tǒng)計(jì)時(shí)考慮了結(jié)合權(quán)重來(lái)確定梯度方向，權(quán)重是根據(jù)預(yù) 設(shè)鄰域內(nèi)各點(diǎn)距離對(duì)應(yīng)的特征點(diǎn)的距離而定。例如以3*3鄰域?yàn)槔M(jìn)行說(shuō)明，如圖4所 示，其中〇表示的是特征點(diǎn)，鄰域點(diǎn)1、5、3、7的權(quán)重設(shè)為1，鄰域點(diǎn)4、6、8、2的權(quán)重為1/

【權(quán)利要求】
1. 一種車(chē)輛檢測(cè)方法，其特征在于，包括： 對(duì)輸入的待檢測(cè)圖像，利用基于加速分割檢測(cè)特征FAST提取特征點(diǎn)； 將提取出的特征點(diǎn)作為初始中心點(diǎn)，根據(jù)聚類(lèi)算法確定出最終的一個(gè)或多個(gè)聚類(lèi)中心 占 . 根據(jù)預(yù)定區(qū)域范圍，以每個(gè)所述聚類(lèi)中心點(diǎn)為中心得到相應(yīng)的區(qū)域，該區(qū)域?qū)?yīng)檢測(cè) 出的車(chē)輛的區(qū)域。
2. 如權(quán)利要求1所述的車(chē)輛檢測(cè)方法，其特征在于，所述聚類(lèi)算法包括K均值聚類(lèi)算 法，或者所述聚類(lèi)算法包括先進(jìn)行層次聚類(lèi)算法再進(jìn)行K均值聚類(lèi)算法。
3. -種車(chē)輛檢測(cè)裝置，其特征在于，包括： 特征點(diǎn)提取模塊，用于對(duì)輸入的待檢測(cè)圖像，利用基于加速分割檢測(cè)特征FAST提取特 征點(diǎn)； 聚類(lèi)處理模塊，用于將提取出的特征點(diǎn)作為初始中心點(diǎn)，根據(jù)聚類(lèi)算法確定出最終的 一個(gè)或多個(gè)聚類(lèi)中心點(diǎn)； 區(qū)域確定模塊，用于根據(jù)預(yù)定區(qū)域范圍，以每個(gè)所述聚類(lèi)中心點(diǎn)為中心得到相應(yīng)的區(qū) 域，該區(qū)域?qū)?yīng)檢測(cè)出的車(chē)輛的區(qū)域。
4. 一種車(chē)輛檢測(cè)方法，其特征在于，包括： 粗檢測(cè)步驟：對(duì)于輸入的待檢測(cè)圖像，利用基于加速分割檢測(cè)特征FAST提取特征點(diǎn)， 將提取出的特征點(diǎn)作為初始中心點(diǎn)，根據(jù)聚類(lèi)算法確定出最終的一個(gè)或多個(gè)聚類(lèi)中心點(diǎn)， 以每個(gè)所述聚類(lèi)中心點(diǎn)為中心并根據(jù)預(yù)定區(qū)域范圍得到相應(yīng)的區(qū)域，該區(qū)域?yàn)榭赡艽嬖谲?chē) 輛的區(qū)域； 角度分類(lèi)步驟：利用預(yù)先訓(xùn)練的多個(gè)角度分類(lèi)器對(duì)所有所述可能存在車(chē)輛的區(qū)域進(jìn)行 車(chē)輛朝向的判斷，得到所述可能存在車(chē)輛的區(qū)域的車(chē)輛朝向角度信息； 級(jí)聯(lián)檢測(cè)步驟：對(duì)每個(gè)含有車(chē)輛朝向角度信息的可能存在車(chē)輛的區(qū)域，根據(jù)其角度信 息選擇對(duì)應(yīng)的預(yù)先訓(xùn)練的級(jí)聯(lián)分類(lèi)器進(jìn)行檢測(cè)以確定是否包含車(chē)輛。
5. 如權(quán)利要求4所述的車(chē)輛檢測(cè)方法，其特征在于，還包括： 粗檢測(cè)訓(xùn)練步驟：接收標(biāo)注在輸入的含有車(chē)輛的圖像上的目標(biāo)點(diǎn)的信息，所述目標(biāo)點(diǎn) 位于車(chē)輛上，對(duì)所述目標(biāo)點(diǎn)進(jìn)行FAST訓(xùn)練以得到特征點(diǎn)選擇規(guī)則，并根據(jù)所述目標(biāo)點(diǎn)確定 出所述預(yù)定區(qū)域范圍； 所述粗檢測(cè)步驟中，對(duì)于輸入的待檢測(cè)圖像，根據(jù)所述特征點(diǎn)選擇規(guī)則，利用FAST提 取特征點(diǎn)。
6. 如權(quán)利要求4所述的車(chē)輛檢測(cè)方法，其特征在于，所述角度分類(lèi)步驟包括： 梯度提取子步驟：對(duì)于每個(gè)所述可能存在車(chē)輛的區(qū)域中的每個(gè)特征點(diǎn)，計(jì)算其梯度，并 在每個(gè)特征點(diǎn)的預(yù)設(shè)鄰域內(nèi)統(tǒng)計(jì)該特征點(diǎn)的梯度方向，統(tǒng)計(jì)結(jié)果即為該特征點(diǎn)的方向描述 符，從而得到每個(gè)所述可能存在車(chē)輛的區(qū)域的梯度方向特征； 角度分類(lèi)子步驟：將每個(gè)所述可能存在車(chē)輛的區(qū)域的梯度方向特征分別輸入所述預(yù)先 訓(xùn)練的多個(gè)角度分類(lèi)器進(jìn)行方向判斷，確定出所述可能存在車(chē)輛的區(qū)域中車(chē)輛朝向的角度 信息，從而得到含有車(chē)輛朝向角度信息的圖像數(shù)據(jù)，每個(gè)所述角度分類(lèi)器為支持向量機(jī)分 類(lèi)器。
7. 如權(quán)利要求6所述的車(chē)輛檢測(cè)方法，其特征在于，所述梯度提取子步驟中，所述在每 個(gè)特征點(diǎn)的預(yù)設(shè)鄰域內(nèi)統(tǒng)計(jì)該特征點(diǎn)的梯度方向包括：結(jié)合權(quán)重來(lái)統(tǒng)計(jì)所述梯度方向，所 述權(quán)重根據(jù)所述預(yù)設(shè)鄰域內(nèi)各點(diǎn)距離對(duì)應(yīng)的特征點(diǎn)的距離而定。
8. 如權(quán)利要求4所述的車(chē)輛檢測(cè)方法，其特征在于，所述級(jí)聯(lián)檢測(cè)步驟包括： 特征提取子步驟：對(duì)每個(gè)含有車(chē)輛朝向角度信息的可能存在車(chē)輛的區(qū)域，提取其方向 梯度直方圖特征； 精確檢測(cè)子步驟：根據(jù)所含的角度信息選擇相應(yīng)的預(yù)先訓(xùn)練的級(jí)聯(lián)分類(lèi)器，并將所述 方向梯度直方圖輸入該預(yù)先訓(xùn)練的級(jí)聯(lián)分類(lèi)器進(jìn)行檢測(cè)以確定對(duì)應(yīng)的可能存在車(chē)輛的區(qū) 域中是否包含車(chē)輛，所述級(jí)聯(lián)分類(lèi)器為基于方向梯度直方圖特征并通過(guò)Adaboost訓(xùn)練算 法進(jìn)行訓(xùn)練得到。
9. 一種車(chē)輛檢測(cè)裝置，其特征在于，包括： 粗檢測(cè)模塊，用于對(duì)輸入的待檢測(cè)圖像，利用基于加速分割檢測(cè)特征FAST提取特征 點(diǎn)，將提取出的特征點(diǎn)作為初始中心點(diǎn)，根據(jù)聚類(lèi)算法確定出最終的一個(gè)或多個(gè)聚類(lèi)中心 點(diǎn)，以每個(gè)所述聚類(lèi)中心點(diǎn)為中心并根據(jù)預(yù)定區(qū)域范圍得到相應(yīng)的區(qū)域，該區(qū)域?yàn)榭赡艽?在車(chē)輛的區(qū)域； 角度分類(lèi)模塊，用于利用預(yù)先訓(xùn)練的多個(gè)角度分類(lèi)器對(duì)所述可能存在車(chē)輛的區(qū)域進(jìn)行 車(chē)輛朝向的判斷，得到所述可能存在車(chē)輛的區(qū)域的車(chē)輛朝向角度信息； 級(jí)聯(lián)檢測(cè)模塊，用于對(duì)每個(gè)含有車(chē)輛朝向角度信息的可能存在車(chē)輛的區(qū)域，根據(jù)其角 度信息選擇對(duì)應(yīng)的預(yù)先訓(xùn)練的級(jí)聯(lián)分類(lèi)器進(jìn)行檢測(cè)以確定是否包含車(chē)輛。
10. 如權(quán)利要求9所述的車(chē)輛檢測(cè)裝置，其特征在于，還包括： 粗檢測(cè)訓(xùn)練模塊，用于接收標(biāo)注在輸入的含有車(chē)輛的圖像上的目標(biāo)點(diǎn)的信息，所述目 標(biāo)點(diǎn)位于車(chē)輛上，對(duì)所述目標(biāo)點(diǎn)進(jìn)行FAST訓(xùn)練以得到特征點(diǎn)選擇規(guī)則，并根據(jù)所述目標(biāo)點(diǎn) 確定出所述預(yù)定區(qū)域范圍； 所述粗檢測(cè)模塊中，對(duì)于輸入的待檢測(cè)圖像，根據(jù)所述特征點(diǎn)選擇規(guī)則，利用FAST提 取特征點(diǎn)。
【文檔編號(hào)】G06K9/62GK104268573SQ201410495299
【公開(kāi)日】2015年1月7日 申請(qǐng)日期:2014年9月24日 優(yōu)先權(quán)日:2014年9月24日
【發(fā)明者】余倬, 禹世杰, 姚金銀 申請(qǐng)人:深圳市華尊科技有限公司