圖像檢測方法及裝置的制造方法
【技術領域】
[0001 ] 本發明涉及計算機技術，尤其涉及一種圖像檢測方法及裝置。
【背景技術】
[0002]圖像中的物體檢測是國內外研究的熱門課題，目前主流的方法有:基于HOG (Histogram of Oriented Gradient,方向梯度直方圖)特征和 linear SVM (SupportVector Machine,支持向量機)分類器的物體檢測、基于haar (哈爾)小波和Adaboost (迭代算法)分類器的物體檢測等。現有的這種物體檢測方法對于人體、人臉、自行車等擁有較多形狀、紋理信息的占據中等或者較大區域的圖像，其檢測效果顯著；但對于結構簡單且所占區域較小的目標物體(比如某些簡單的商標或者徽標等)，比如該目標物體在某張1280*1024像素的圖像中所占區域為100*100像素或者50*50像素甚至更小的區域；由于這類小的目標物體包含的信息量較少且特征區分力較弱，因此上述檢測方式用來檢測這類目標物體均不能取得良好的效果，甚至不能檢測出上述目標物體。

【發明內容】

[0003]鑒于以上內容，有必要提供一種圖像檢測方法及裝置，旨在達到能夠檢測出上述目標物體的目的。
[0004]本發明實施例公開了一種圖像檢測方法，包括以下步驟:
[0005]掃描待檢測圖像，獲取組成所述待檢測圖像的各預設區域所分別對應的圖像特征，并根據獲取的所述圖像特征識別出滿足預設規則的所述預設區域；
[0006]標記滿足所述預設規則的預設區域；
[0007]統計被標記的所述預設區域的個數大于預設數量閾值時，檢測出所述待檢測圖像中存在目標物體。
[0008]本發明實施例還公開一種圖像檢測裝置，包括:
[0009]掃描模塊，用于掃描待檢測圖像，獲取組成所述待檢測圖像的各預設區域所分別對應的圖像特征，并根據獲取的所述圖像特征識別出滿足預設規則的所述預設區域；
[0010]標記模塊，用于標記滿足所述預設規則的預設區域；
[0011]統計模塊，用于統計被標記的所述預設區域的個數大于預設數量閾值時，檢測出所述待檢測圖像中存在目標物體。
[0012]本發明實施例掃描待檢測圖像，獲取組成所述待檢測圖像的各預設區域所分別對應的圖像特征，并根據獲取的所述圖像特征識別出滿足預設規則的所述預設區域；標記滿足所述預設規則的預設區域；統計被標記的所述預設區域的個數大于預設數量閾值時，檢測出所述待檢測圖像中存在目標物體；具有能夠檢測出目標物體的有益效果，提高了檢測圖像中目標物體的準確率。
【附圖說明】
[0013]圖1是本發明圖像檢測方法第一實施例流程示意圖；
[0014]圖2是本發明圖像檢測方法中掃描待檢測圖像、獲取組成待檢測圖像的各預設區域所分別對應的圖像特征，并根據圖像特征識別出滿足預設規則的預設區域一實施例流程不意圖；
[0015]圖3是本發明圖像檢測方法第二實施例流程示意圖；
[0016]圖4是本發明圖像檢測方法第三實施例流程示意圖；
[0017]圖5是本發明物理檢測方法中建立包括目標物體的圖像特征的特征數據庫一實施例流程示意圖；
[0018]圖6是本發明圖像檢測方法中構成包括目標物體圖像特征的特征數據庫一實施例數據結構示意圖；
[0019]圖7是本發明圖像檢測裝置第一實施例功能模塊示意圖；
[0020]圖8是本發明圖像檢測裝置第二實施例功能模塊示意圖；
[0021]圖9是本發明圖像檢測裝置第三實施例功能模塊示意圖；
[0022]圖10是本發明圖像檢測裝置一實施例硬件架構示意圖。
[0023]本發明實施例目的的實現、功能特點及優點將結合實施例，參照附圖做進一步說明。
【具體實施方式】
[0024]以下結合說明書附圖及具體實施例進一步說明本發明的技術方案。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。
[0025]本發明提供了一種圖像檢測方法第一實施例；如圖1所示，本發明圖像檢測方法包括以下步驟:
[0026]步驟S01、掃描待檢測圖像，獲取組成所述待檢測圖像的各預設區域所分別對應的圖像特征，并根據獲取的所述圖像特征識別出滿足預設規則的所述預設區域；
[0027]步驟S02、標記滿足所述預設規則的預設區域；
[0028]本發明實施例中，系統可以采用滑動窗口的方式對待檢測圖像進行掃描；比如，系統在掃描待檢測圖像之前，為待檢測圖像建立一坐標系，在掃描時，以該待檢測圖像坐標系中的任意一點作為掃描起點，以預設尺寸為半徑，將待檢測圖像劃分為多個所述預設區域，并依次掃描組成所述待檢測圖像的各個所述預設區域。當然，系統也可以采用其他的掃描方式對待檢測圖像進行掃描；比如，在掃描之前，系統先將待檢測圖像進行分區，得到所述預設區域，然后再分別掃描上述預設區域；本實施例對掃描待檢測圖像的具體掃描方式不做限定。
[0029]系統在掃描上述每一個所述預設區域的同時，分別獲取組成所述待檢測圖像的各預設區域所分別對應的圖像特征。所述待檢測圖像中各預設區域的圖像特征包括但不限于:HOG特征、LBP (Local binary patterns,局部二值模式)特征、哈爾特征、紋理特征、顏色特征、形狀特征、空間關系特征等；本領域的技術人員可以理解，通過掃描待檢測圖像，根據實際應用場景和使用場景的需要，可以獲取組成所述待檢測圖像各預設區域對應的多種不同圖像特征。本實施例不對待檢測圖像對應的圖像特征進行一一窮舉。
[0030]在獲取到組成所述待檢測圖像的各預設區域所分別對應的圖像特征后，系統根據獲取的各預設區域的圖像特征，識別獲取的所述圖像特征是否滿足預設規則，同時識別出滿足預設規則的所述預設區域，并對滿足預設規則的所述預設區域進行標記。所述預設規則可以按照系統的默認規則來執行，也可以按照用戶側根據不同類型的待檢測圖像所觸發的設置指令來配置所述預設規則，本實施例對預設規則的具體內容不做限定；比如，獲取的待檢測圖像各預設區域的圖像特征為顏色特征時，所述預設規則為各預設區域對應的顏色直方圖中不同色彩在整個所述預設區域對應的圖像中所占的比例達到對應的預設閾值。
[0031]步驟S03、統計被標記的所述預設區域的個數大于預設數量閾值時，檢測出所述待檢測圖像中存在目標物體。
[0032]系統統計組成所述待檢測圖像中所有被標記的預設區域，得到被標記的預設區域的個數；識別被標記的預設區域的個數是否大于預設數量閾值；當識別出被標記的預設區域的個數大于預設數量閾值時，檢測出該待檢測圖像中存在目標物體。本實施例中，所述預設數量閾值可以根據實際進行檢測的待檢測圖像的整體圖像特征以及目標物體的圖像特征進行具體設置。
[0033]本發明實施例掃描待檢測圖像，獲取組成所述待檢測圖像的各預設區域所分別對應的圖像特征，并根據獲取的所述圖像特征識別出滿足預設規則的所述預設區域；標記滿足所述預設規則的預設區域；統計被標記的所述預設區域的個數大于預設數量閾值時，檢測出所述待檢測圖像中存在目標物體；具有能夠檢測出目標物體的有益效果，提高了檢測目標物體的準確率。
[0034]本發明還提供了一種圖像檢測方法中掃描待檢測圖像、獲取組成待檢測圖像的各預設區域所分別對應的圖像特征，并根據圖像特征識別出滿足預設規則的預設區域的另一實施例方式。
[0035]本實施例僅對圖1所述實施例中的“步驟S01、掃描待檢測圖像，獲取組成所述待檢測圖像的各預設區域所分別對應的圖像特征，并根據獲取的所述圖像特征識別出滿足預設規則的所述預設區域”進行描述，有關本發明圖像檢測方法所涉及的其他步驟，請參照相應實施例的描述。
[0036]基于圖1所述實施例的描述，如圖2所示，本發明圖像檢測方法中，所述步驟S01、掃描待檢測圖像，獲取組成所述待檢測圖像的各預設區域所分別對應的圖像特征，并根據獲取的所述圖像特征識別出滿足預設規則的所述預設區域的步驟包括:
[0037]步驟S11、掃描組成所述待檢測圖像的第一預設區域，獲取所述第一預設區域對應的第一圖像特征；
[0038]本實施例中，系統掃描組成所述待檢測圖像的第一預設區域，所述第一預設區域也可以理解為系統第一次掃描組成所述待檢測圖像的任意一個預設區別；在掃描該第一預設區域時，獲取該第一預設區域對應的第一圖像特征。
[0039]參照圖1所述實施例的描述，所述第一圖像特征為HOG特征、LBP特征、哈爾特征、紋理特征、顏色特征、形狀特征、空間關系特征等圖像特征中的任意一種，本實施例以第一圖像特征為LBP特征為例進行描述。
[0040]步驟S12、在預先建立的包括所述目標物體的圖像特征的特征數據庫中，計算所述第一圖像特征對應的預設范圍R的權重值；
[0041]查找預先建立的包括目標物體圖像特征的特征數據庫；在該特征數據庫中，計算第一圖像特征如LBP特征對應的預設范圍R內的權重值；所述預設范圍R可以理解為該LBP特征對應的R近鄰；也就是說，在預先建立的所述目標物體對應的所述特征數據庫中，計算LBP特征對應的R近鄰的權重值Wl。
[0042]步驟S13、在所述權重值大于預設權重閾值時，獲取所述第一預設區域的第二圖像特征，并在所述特征數據庫中查找所述第二圖像特征對應的預設范圍R '；
[0043]判斷計算得到的該第一預設區域對應的第一圖像特征對應的預設范圍R的權重值是否大于預設權重閾值；比如，判斷上述第一預設區域對應的LBP特征對應的R近鄰的權重值Wl是否大于預設權重閾值WO ;在LBP特征對應的R近鄰的權重值Wl大于預設權重閾值WO時，再獲取該第一預設區域的第二圖像特征，同時在目標物體圖像特征對應的特征數據庫中，查找該第二圖像特征對應的預設范圍R丨;本領域的技術人員可以理解，所述第二圖像特征與第一圖像特征不同，且所述第二圖像特征為HOG特征、LBP特征、哈爾特征、紋理特征、顏色特征、形狀特征、空間關系特征等圖像特征中與所述第一圖像特征不相同的任意一種圖像特征。