專利名稱：檢測(cè)圖像中特定物體的方法和檢測(cè)圖像中特定物體的設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種檢測(cè)圖像中特定物體的方法和檢測(cè)圖像中特定物體的設(shè)備。
背景技術(shù)：
隨著計(jì)算機(jī)技術(shù)的發(fā)展，在圖像和視頻的模式識(shí)別領(lǐng)域也有顯著的進(jìn)展，對(duì)檢測(cè)圖像中特定物體的技術(shù)的需求也越來(lái)越大，并且取得了一定成就。在模式識(shí)別領(lǐng)域，物體檢測(cè)的效果依賴于關(guān)鍵特征或者關(guān)鍵特征組合的選取。近年來(lái)，大量的實(shí)用特征應(yīng)用到物體檢測(cè)領(lǐng)域中?；趩惟`特征的識(shí)別分類方法一般會(huì)取得精度比較低、有很多誤檢、但是效率較高的識(shí)別結(jié)果。以云檢測(cè)為例，基于單ー顔色特征的識(shí)別方法可以識(shí)別到大部分的云，但是同時(shí)有很多具有與云相似顔色的物體可能被誤檢成云。專利文件1(US 7，480，052B1)提出了基于電磁場(chǎng)頻譜信息的在衛(wèi)星云圖中檢測(cè)云的方法。在衛(wèi)星云圖中的某個(gè)區(qū)域，通過(guò)比較至少三個(gè)離散的電磁場(chǎng)頻譜的帶寬范圍內(nèi)的反射值，然后比較它們之間的比例值，從而獲得云檢測(cè)的判定結(jié)果。然而，專利文件I僅僅專門(mén)針對(duì)衛(wèi)星云圖，通過(guò)采用電磁場(chǎng)頻譜反射值來(lái)確定云檢測(cè)結(jié)果，因而不是一種廣義范圍的云檢測(cè)方法，應(yīng)用范圍有限。非專利文件I(Classification of satellite cloud imagery based onmult1-feature texture analysis and neural networks, Christodoulou, C.1.；Michaelides, S. C. ；Pattichis, C. S. ；Kyriakou, K. ；Dept. of Comput. Sc1. , Univ. ofCyprus,Image Processing,2001,Proceedings,2001 International Conference,vol.1,497-500，基于多特征紋理分析和神經(jīng)網(wǎng)絡(luò)的衛(wèi)星云圖中的云分類方法，塞浦路斯大學(xué))提出ー種區(qū)分不同云的分類方法。9種不同紋理特征集合(共包含55個(gè)特征)被提取出來(lái)，通過(guò)神經(jīng)網(wǎng)絡(luò)來(lái)訓(xùn)練有效的云分類器。非專利文件I中的紋理特征包含了邊界、紋理等等特征，但是這些特征分開(kāi)、獨(dú)立地輸入以用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練。特征區(qū)分性有限，且處理較為復(fù)雜。

發(fā)明內(nèi)容
鑒于現(xiàn)有技術(shù)中存在的上述問(wèn)題而做出本發(fā)明，本發(fā)明提出一種基于能量模型的檢測(cè)圖像中特定物體的方法和檢測(cè)圖像中特定物體的設(shè)備。根據(jù)本發(fā)明實(shí)施例的ー個(gè)方面，提出了一種檢測(cè)圖像中特定物體的方法，包括感興趣區(qū)域估計(jì)步驟，在輸入的待處理圖像中，估計(jì)包含所述特定物體的區(qū)域，作為感興趣區(qū)域；特征確定步驟，確定所述感興趣區(qū)域中物體的特征參數(shù)；物體能量確定步驟，根據(jù)物體的特征參數(shù)確定物體的能量；特定物體判別步驟，將所確定的物體的能量與預(yù)定閾值相比較，如果該物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體。。根據(jù)本發(fā)明實(shí)施例的另ー個(gè)方面，提出了一種檢測(cè)圖像中特定物體的設(shè)備，包括感興趣區(qū)域估計(jì)裝置，在輸入的待處理圖像中，估計(jì)包含所述特定物體的區(qū)域，作為感興趣區(qū)域；特征確定裝置，確定所述感興趣區(qū)域中物體的特征參數(shù)；物體能量確定裝置，根據(jù)物體的特征參數(shù)確定物體的能量；特定物體判別裝置，將所確定的物體的能量與預(yù)定閾值相比較，如果該物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體。通過(guò)閱讀結(jié)合附圖考慮的以下本發(fā)明的優(yōu)選實(shí)施例的詳細(xì)描述，將更好地理解本發(fā)明的以上和其他目標(biāo)、特征、優(yōu)點(diǎn)和技術(shù)及エ業(yè)重要性。


圖1示出按照本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的方法的總體流程圖。圖2示出待處理圖像的ー個(gè)示例。圖3示意性地示出對(duì)圖2所示待處理圖像進(jìn)行感興趣區(qū)域估計(jì)處理后所估計(jì)的關(guān)于特定物體云的感興趣區(qū)域。圖4示出待處理圖像的另ー個(gè)示例。圖5示意性地示出對(duì)圖4所示待處理圖像進(jìn)行感興趣區(qū)域估計(jì)處理后所估計(jì)的關(guān)于特定物體云的感興趣區(qū)域。圖6示出對(duì)圖2中的感興趣區(qū)域提取物體外部邊界特征參數(shù)的示意圖。圖7示出對(duì)圖4所示的圖像提取物體內(nèi)部邊界特征參數(shù)的示意圖。圖8示出按照本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的設(shè)備的總體框圖。圖9是示出按照本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的系統(tǒng)的總體框圖。
具體實(shí)施例方式下面結(jié)合附圖描述本發(fā)明實(shí)施例。圖1示出按照本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的方法的總體流程圖。如圖1所示，檢測(cè)圖像中特定物體的方法可以包括感興趣區(qū)域估計(jì)步驟S100，可以在輸入的待處理圖像中，估計(jì)包含所述特定物體的區(qū)域，作為感興趣區(qū)域；特征確定步驟S200，可以確定所述感興趣區(qū)域中物體的特征參數(shù)；物體能量確定步驟S300，可以根據(jù)物體的特征參數(shù)確定物體的能量；以及特定物體判別步驟S400，可以將所確定的物體的能量與預(yù)定閾值相比較，如果該物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體。在該感興趣區(qū)域估計(jì)步驟SlOO中，可以將所述待處理圖像劃分為多個(gè)區(qū)域，獲取各個(gè)區(qū)域的色彩特征，利用線性分類器分別判斷各個(gè)區(qū)域是否符合所述特定物體的色彩特征，將符合所述特定物體的色彩特征的區(qū)域組合得到所述感興趣區(qū)域。對(duì)于待檢測(cè)的輸入圖像，或者稱為待處理圖像，可以在感興趣區(qū)域估計(jì)步驟SlOO中對(duì)其進(jìn)行初步檢測(cè)，排除明顯不具有要檢測(cè)的特定的目標(biāo)物體，即特定物體的圖像，以降低此后處理過(guò)程的負(fù)擔(dān)。初步檢測(cè)可以基于形狀、顔色、尺寸等等中的任何一種特征或多種特征的組合，通常，基于ー種単一特征的初步檢測(cè)具有非常高的處理速度，能夠大幅度減少待檢測(cè)圖像的數(shù)量，但是初步檢測(cè)具有相對(duì)較低的檢測(cè)率，會(huì)有一定量的實(shí)際上并非包含特定物體的圖像通過(guò)該初步檢測(cè)，進(jìn)入此后的處理。假設(shè)在所述特定物體為云的情況下，在該感興趣區(qū)域估計(jì)步驟SlOO中，可以將輸入的待處理圖像進(jìn)行基于單ー顔色特征的云的初歩檢測(cè)。云大體上可以分為白云、烏云、及朝霞晚霞等等類別，可以收集大量的關(guān)于各類云的正樣本圖像(云圖像)和負(fù)樣本圖像(非云圖像)，來(lái)訓(xùn)練分類器?；陬伾卣鞯脑频臋z測(cè)可以利用線性分類器，該線性分類器可以通過(guò)提取足夠多的正樣本圖像和負(fù)樣本圖像的RGB顔色特征，進(jìn)而使用支持向量機(jī)(Support Vector Machine, SVM)訓(xùn)練而得到。感興趣區(qū)域估計(jì)步驟SlOO對(duì)待處理圖像的初歩判斷可以針對(duì)各個(gè)像素逐一進(jìn)行，然而，為了降低處理的復(fù)雜度，也可以將圖像劃分為相等大小的若干個(gè)矩形框，例如，將1024*768的圖像分為32*27個(gè)矩形框，顯然本發(fā)明實(shí)施例所能夠處理的圖像像素?cái)?shù)目及劃分矩形框的行列數(shù)目不限于此。經(jīng)過(guò)對(duì)待處理圖像的以像素或矩形框?yàn)閱挝坏奶幚恚诩俣ǚ诸惼鲗⒛硞€(gè)或某些上述単位判斷為特定物體的情況下，假設(shè)特定物體為云，檢測(cè)目標(biāo)包括白云、烏云、朝霞晚霞,則待處理圖像中含有云的區(qū)域和實(shí)際上不含有云但含有與云相似顔色的物體的區(qū)域可以被檢測(cè)出來(lái)。圖2示出待處理圖像的ー個(gè)示例。通過(guò)上述感興趣區(qū)域估計(jì)步驟SlOO對(duì)圖2所示圖像的處理，可以獲得其關(guān)于特定物體的感興趣區(qū)域。圖3示意性地示出對(duì)圖2所示待處理圖像進(jìn)行感興趣區(qū)域估計(jì)處理后所估計(jì)的關(guān)于特定物體云的感興趣區(qū)域，其中，把待處理圖像劃分為若干行列數(shù)目的矩形框，其中標(biāo)注交叉線的矩形框區(qū)估計(jì)構(gòu)成感興趣區(qū)域，其中不含交叉線的矩形框ロ確定不涉及該特定物體。圖4示出待處理圖像的另ー個(gè)示例。通過(guò)上述感興趣區(qū)域估計(jì)步驟SlOO對(duì)圖4所示圖像的處理，可以獲得其關(guān)于特定物體的感興趣區(qū)域。圖5示意性地示出對(duì)圖4所示待處理圖像進(jìn)行感興趣區(qū)域估計(jì)處理后所估計(jì)的關(guān)于特定物體云的感興趣區(qū)域，其中，把待處理圖像劃分為若干行列數(shù)目的矩形框，其中標(biāo)注交叉線的矩形框區(qū)估計(jì)構(gòu)成感興趣區(qū)域，其中不含交叉線的矩形框□確定不涉及該特定物體。圖2中的物體為單一物體云，在云為特定物體的情況下，感興趣區(qū)域估計(jì)步驟SlOO估計(jì)出的感興趣區(qū)域均確實(shí)為包含物體云；圖4中的物體有多種，諸如樓房、汽車(chē)、云等等，盡管云仍然為特定物體，然而感興趣區(qū)域估計(jì)步驟SlOO估計(jì)出的感興趣區(qū)域可能把其它物體也估計(jì)為關(guān)于云的感興趣區(qū)域，盡管從最后的結(jié)果看存在誤判，但是在此步驟均保留下來(lái)。感興趣區(qū)域估計(jì)步驟SlOO所檢測(cè)到的可能包含特定物體的區(qū)域可以稱為感興趣區(qū)域(ROI)，感興趣區(qū)域估計(jì)步驟SlOO對(duì)待處理圖像所估計(jì)出的感興趣區(qū)域的位置可以記錄，作為該待處理圖像的圖像數(shù)據(jù)的附加數(shù)據(jù)，此后的處理可以針對(duì)所檢測(cè)到的感興趣區(qū)域進(jìn)行，從而減輕后續(xù)處理的壓カ。針對(duì)感興趣區(qū)域估計(jì)步驟SlOO所估計(jì)的感興趣區(qū)域，可以進(jìn)入特征確定步驟S200來(lái)進(jìn)行處理，然而，可選地，也可以通過(guò)排除步驟再排除一些不太可能是目標(biāo)的特定物體的感興趣區(qū)域，進(jìn)ー步降低此后處理的負(fù)擔(dān)。排除步驟例如可以是，根據(jù)感興趣區(qū)域在所述待處理圖像中的位置，排除不符合所述特定物體的位置特征的感興趣區(qū)域。排除步驟可以采用的排除依據(jù)不限于感興趣區(qū)域的位置，而是也可以采用近鄰特征、或其它特征來(lái)進(jìn)行特征校驗(yàn)，從而可以進(jìn)一歩去除掉很多誤檢結(jié)果。假定作為最終要檢測(cè)的目標(biāo)的特定物體為云，諸如白云、烏云、朝霞晚霞，排除步驟可以通過(guò)ー些重要的輔助特征的校驗(yàn)來(lái)去除誤檢結(jié)果。例如，位置特征可以是ー個(gè)簡(jiǎn)單而有效的特征，在排除步驟采用位置特征的情況下，如果感興趣區(qū)域位于圖像中的上半部分，那么其中的物體才有可能是云，如果出現(xiàn)在下半部分，那么其中的物體將不太可能是云。再例如，在排除步驟采用近鄰特征的情況下，如果感興趣區(qū)域中有物體被藍(lán)色、灰色區(qū)域包圍，該藍(lán)色區(qū)域可能是藍(lán)天，該灰色區(qū)域可能是陰天，那么該物體有可能是云，這樣的感興趣區(qū)域可以保留；而如果感興趣區(qū)域中的物體均沒(méi)有被藍(lán)色、灰色區(qū)域包圍的，則該物體不大可能是云，有可能例如是板、車(chē)或者建筑物外墻等等，這樣的感興趣區(qū)域可以排除。感興趣區(qū)域估計(jì)步驟SlOO所估計(jì)的感興趣區(qū)域、或者是經(jīng)過(guò)排除步驟而未被排除的感興趣區(qū)域，進(jìn)入特征確定步驟S200及其后的處理。在所述特征確定步驟S200中，確定所述感興趣區(qū)域中物體的特征參數(shù)，所述特征參數(shù)可以包括物體外部邊界特征參數(shù)和物體內(nèi)部邊界特征參數(shù)。關(guān)于物體外部邊界特征參數(shù)，可以通過(guò)確定感興趣區(qū)域中物體邊界，提取其中的物體外部邊界，根據(jù)該物體所占面積確定外部邊界點(diǎn)數(shù)目，在物體外部邊界上等距離設(shè)置外部邊界點(diǎn)數(shù)目的外部邊界點(diǎn)，確定外部邊界點(diǎn)梯度的大小度量值和方向度量值，將外部邊界點(diǎn)梯度的大小度量值和方向度量值及外部邊界點(diǎn)數(shù)目作為物體外部邊界特征參數(shù)。特征確定步驟S200將要處理以獲取其中物體外部邊界特征參數(shù)的圖像可以仍然例如如圖2所示，然而，在此應(yīng)當(dāng)理解，無(wú)論是否經(jīng)過(guò)上述排除步驟的處理，此時(shí)已經(jīng)知道圖2中的感興趣區(qū)域的位置等等的信息。圖6示出對(duì)圖2中的感興趣區(qū)域提取物體外部邊界特征參數(shù)的示意圖。首先，可以通過(guò)邊界檢測(cè)方法，例如Sobel或者Canny邊界檢測(cè)，提取感興趣區(qū)域中每個(gè)物體的邊界，選取其中最外圍邊界為外部邊界。在圖6中，示出了各個(gè)物體的所提取的外部邊界，示意性地標(biāo)注了其中三個(gè)物體的外部邊界Lel、Le2、Le3，用以說(shuō)明本發(fā)明實(shí)施例的特征確定步驟S200的實(shí)施。本領(lǐng)域技術(shù)人員可以理解，圖2中其它物體的外部邊界也能夠并已經(jīng)提取出。為了簡(jiǎn)潔，在圖6中，上述其它物體的外部邊界未賦予標(biāo)號(hào)，然而本領(lǐng)域技術(shù)人員可以理解，可以以與下述針對(duì)外部邊界Lel的處理相同方式的處理來(lái)處理其它的外部邊界。下面，以外部邊界Lel為例說(shuō)明其所圍物體的外部邊界特征的提取。外部邊界Lel所圍的物體所占的面積area可以通過(guò)成熟手段獲得，可以根據(jù)對(duì)大量正樣本圖像進(jìn)行分析所獲得的經(jīng)驗(yàn)函數(shù)Ns = f(area)來(lái)確定與該面積相適應(yīng)的外部邊界點(diǎn)數(shù)目Ns。也就是，Ns的值可以根據(jù)待檢測(cè)的特定物體的尺寸來(lái)決定，并且其中，可以以任意規(guī)則，例如最高、最低、最左、或最右，來(lái)起始地確定第一個(gè)外部邊界點(diǎn)的位置，其余點(diǎn)或者順時(shí)針、或者也可以逆時(shí)針地依次布置。合適的Ns值使得能夠盡可能多地提取到物體外部的關(guān)鍵特征。然后，在外部邊界Lel上依次等距離地布置該Ns個(gè)外部邊界點(diǎn)，在圖6中，示出了外部邊界Lel上的外部邊界點(diǎn)，其中，為了說(shuō)明的目的，示意性地標(biāo)出了 4個(gè)外部邊界點(diǎn)Pel、Pe2、Pe3、Pe4，為了簡(jiǎn)潔，該物體的其它外部邊界點(diǎn)未賦予標(biāo)號(hào)，然而，本領(lǐng)域技術(shù)人員可以理解，能夠以與下述針對(duì)外部邊界點(diǎn)Pel、Pe2、Pe3、Pe4的處理相同方式的處理來(lái)處理其它的外部邊界點(diǎn)。然后，可以通過(guò)成熟手段計(jì)算每ー個(gè)外部邊界點(diǎn)的梯度，梯度為矢量，梯度值包括梯度大小值和梯度方向值。圖6中外部邊界點(diǎn)Pel、Pe2、Pe3、Pe4處的箭頭表示該點(diǎn)處梯度的方向。
計(jì)算外部邊界點(diǎn)梯度的大小的平均值，作為所述外部邊界點(diǎn)梯度的大小度量值。也就是，計(jì)算所有Ns個(gè)外部邊界點(diǎn)的梯度大小的平均值msm，作為所述外部邊界點(diǎn)梯度的大小度量值，該梯度的大小度量值msm可以用來(lái)衡量物體外部邊界的漸變程度?？梢栽谟?jì)算外部邊界點(diǎn)梯度的大小的平均值之前或之后，或與此同時(shí)，計(jì)算外部邊界點(diǎn)梯度的相鄰點(diǎn)角度差的分布，作為所述外部邊界點(diǎn)梯度的方向度量值。其中，可以將360度的角度范圍等分為預(yù)定數(shù)目的角度區(qū)間，將相鄰點(diǎn)角度差分布到所述角度區(qū)間，把分布有所述相鄰點(diǎn)角度差的所述角度區(qū)間的數(shù)目作為方向度量值。例如，將物體的所有相鄰兩個(gè)外部邊界點(diǎn)的梯度方向角度值做差，以圖6為例，假定沿逆時(shí)針?lè)较?顯然也可以順時(shí)針?lè)较?對(duì)外部邊界點(diǎn)Pel、Pe2、Pe3、Pe4處的梯度方向角度值依次做差，即Pe4點(diǎn)的梯度方向的角度_Pe3點(diǎn)的梯度方向的角度、Pe3點(diǎn)的梯度方向的角度_Pe2點(diǎn)的梯度方向的角度、Pe2點(diǎn)的梯度方向的角度-Pel點(diǎn)的梯度方向的角度，如此依次計(jì)算，直至完成Lel所圍物體的全部Ns個(gè)外部邊界點(diǎn)的相鄰點(diǎn)角度差的計(jì)算，循環(huán)一周，回到Pe4點(diǎn)。然后，將差值歸到預(yù)設(shè)的角度差值區(qū)間段中。每個(gè)區(qū)間段覆蓋10度，共有36個(gè)區(qū)間段，統(tǒng)計(jì)這些角度差值的分布情況，并統(tǒng)計(jì)出這些角度差值所分布的區(qū)間段個(gè)數(shù)ds。例如，假定有25個(gè)外部邊界點(diǎn)(Ns = 25)，則有25個(gè)角度差值，假設(shè)該25個(gè)角度差值分布在19個(gè)角度區(qū)間段中，·則所述外部邊界點(diǎn)梯度的方向度量值ds = 19。統(tǒng)計(jì)物體外部邊界點(diǎn)相鄰梯度方向差值可以衡量物體的外部不規(guī)則性。通過(guò)上述處理所得到的物體外部邊界特征參數(shù)可以包括Ns、msm和ds，這些參數(shù)將進(jìn)入此后的用來(lái)建立能量模型的處理過(guò)程?？梢栽谏鲜龅奶崛∥矬w外部邊界特征參數(shù)的過(guò)程之前或之后，或者與之同時(shí)，提取物體內(nèi)部邊界特征參數(shù)。關(guān)于物體內(nèi)部邊界特征參數(shù)，可以通過(guò)確定感興趣區(qū)域中物體邊界，提取其中的物體內(nèi)部邊界，根據(jù)物體內(nèi)部邊界總長(zhǎng)度確定內(nèi)部邊界點(diǎn)數(shù)目，在物體內(nèi)部邊界上等距離設(shè)置內(nèi)部邊界點(diǎn)數(shù)目的內(nèi)部邊界點(diǎn)，確定內(nèi)部邊界點(diǎn)梯度的大小度量值和方向度量值，將內(nèi)部邊界點(diǎn)梯度的大小度量值和方向度量值及內(nèi)部邊界點(diǎn)數(shù)目作為物體內(nèi)部邊界特征參數(shù)。特征確定步驟S200將要處理以獲取其中物體內(nèi)部邊界特征參數(shù)的圖像可以仍然例如如圖4所示，然而，在此應(yīng)當(dāng)理解，無(wú)論是否經(jīng)過(guò)上述排除步驟的處理，此時(shí)已經(jīng)知道圖4中的感興趣區(qū)域的位置等等的信息。圖7示出對(duì)圖4所示的圖像提取物體內(nèi)部邊界特征參數(shù)的示意圖。為了清晰地表示所提取的物體內(nèi)部邊界，圖7采用ニ值化圖的形式。本領(lǐng)域技術(shù)人員通過(guò)以下說(shuō)明可以理解，本發(fā)明實(shí)施例的特征確定步驟S200也可以針對(duì)圖2所示圖像提取其內(nèi)部邊界，也可以針對(duì)圖4所示圖像提取其外部邊界。采用不同的圖像說(shuō)明特征確定步驟S200以體現(xiàn)本發(fā)明實(shí)施例的普遍適用性。 提取感興趣區(qū)域中每個(gè)物體的內(nèi)部紋理特征,例如,可以通過(guò)邊界檢測(cè)方法,例如Sobel或者Canny邊界檢測(cè)，提取感興趣區(qū)域中每個(gè)物體的邊界，并由此提取其中每個(gè)物體的內(nèi)部邊界。實(shí)際上，關(guān)于提取物體外部邊界特征參數(shù)及提取物體內(nèi)部邊界特征參數(shù)，可以利用一次邊界檢測(cè)的結(jié)果，每個(gè)物體最外側(cè)邊界為外部邊界，外部邊界之內(nèi)的為內(nèi)部邊界。然后，針對(duì)各個(gè)物體，將該物體內(nèi)部所有邊界想象成ー個(gè)整體,將ー個(gè)物體內(nèi)部的邊界例如按照由上到下、由左到右的順序全部連接起來(lái)，通過(guò)提取該擬制的整體內(nèi)部邊界的特征，來(lái)衡量該物體內(nèi)部紋理的特性。在圖7中，示出了各個(gè)物體的所提取的邊界，包括外部邊界和內(nèi)部邊界,示意性地標(biāo)注了其中某個(gè)物體的所連接而成的整體內(nèi)部邊界Li，用以說(shuō)明本發(fā)明實(shí)施例的特征確定步驟S200的實(shí)施。本領(lǐng)域技術(shù)人員可以理解，圖4中其它物體的內(nèi)部邊界也能夠并已經(jīng)提取出。為了簡(jiǎn)潔，在圖7中，上述其它物體的內(nèi)部邊界未賦予標(biāo)號(hào)，然而本領(lǐng)域技術(shù)人員可以理解，可以以與下述針對(duì)內(nèi)部邊界Li的處理相同方式的處理來(lái)處理其它的內(nèi)部邊界。下面，以內(nèi)部邊界Li為例說(shuō)明其內(nèi)部紋理特征的提取。內(nèi)部邊界Li的長(zhǎng)度length可以通過(guò)成熟手段獲得，可以根據(jù)對(duì)大量正樣本圖像進(jìn)行分析所獲得的經(jīng)驗(yàn)函數(shù)Nb = f (length)來(lái)確定與該長(zhǎng)度相適應(yīng)的內(nèi)部邊界點(diǎn)數(shù)目Nb。也就是，Nb的值可以根據(jù)待檢測(cè)的特定物體的內(nèi)部邊界長(zhǎng)度來(lái)決定，并且其中，可以以任意規(guī)則，例如最高、最低、最左、或最右，來(lái)起始地確定第一個(gè)外部邊界點(diǎn)的位置，其余點(diǎn)或者順時(shí)針、或者也可以逆時(shí)針地依次布置。合適的Nb值使得能夠盡可能多地提取到物體內(nèi)部的關(guān)鍵特征。然后，在內(nèi)部邊界Li上依次等距離地布置該Nb個(gè)內(nèi)部邊界點(diǎn)，在圖7中，示出了內(nèi)部邊界Li上的內(nèi)部邊界點(diǎn)，其中，為了說(shuō)明的目的，示意性地標(biāo)出了 4個(gè)內(nèi)部邊界點(diǎn)Pil、Pi2、Pi3、Pi4，為了簡(jiǎn)潔，該物體的其它內(nèi)部邊界點(diǎn)未賦予標(biāo)號(hào)，然而，本領(lǐng)域技術(shù)人員可以理解，能夠以與下述針對(duì)內(nèi)部邊界點(diǎn)Pil、Pi2、Pi3、Pi4的處理相同方式的處理來(lái)處理其它的內(nèi)部邊界點(diǎn)。然后，可以通過(guò)成熟手段計(jì)算每ー個(gè)內(nèi)部邊界點(diǎn)的梯度，梯度為矢量，梯度值包括梯度大小值和梯度方向值。圖7中內(nèi)部邊界點(diǎn)Pil、Pi2、Pi3、Pi4處的箭頭表示該點(diǎn)處梯度的方向。計(jì)算內(nèi)部邊界點(diǎn)梯度的大小的平均值，作為所述內(nèi)部邊界點(diǎn)梯度的大小度量值。也就是，計(jì)算所有Nb個(gè)內(nèi)部邊界點(diǎn)的梯度大小的平均值mbm，作為所述內(nèi)部邊界點(diǎn)梯度的大小度量值，該梯度的大小度量值mbm可以用來(lái)衡量物體內(nèi)部邊界的漸變程度。可以在計(jì)算外部邊界點(diǎn)梯度的大小的平均值之前或之后，或與此同時(shí)，計(jì)算內(nèi)部邊界點(diǎn)梯度的相鄰點(diǎn)角度差的分布，作為所述內(nèi)部邊界點(diǎn)梯度的方向度量值。其中，可以將360度的角度范圍等分為預(yù)定數(shù)目的角度區(qū)間，將相鄰點(diǎn)角度差分布到所述角度區(qū)間，把分布有所述相鄰點(diǎn)角度差的所述角度區(qū)間的數(shù)目作為方向度量值。例如，將物體的所有相鄰兩個(gè)內(nèi)部邊界點(diǎn)的梯度方向角度值做差，以圖7為例，假定按從左上到右下的順序(顯然也可以沿其它方向)對(duì)內(nèi)部邊界點(diǎn)Pil、Pi2、Pi3、Pi4處的梯度方向角度值依次做差，即Pil點(diǎn)的梯度方向的角度_Pi2點(diǎn)的梯度方向的角度、Pi2點(diǎn)的梯度方向的角度-Pi3點(diǎn)的梯度方向的角度、Pi3點(diǎn)的梯度方向的角度-Pi4點(diǎn)的梯度方向的角度，如此依次計(jì)算，直至完成Li上的全部Nb個(gè)內(nèi)部邊界點(diǎn)的相鄰點(diǎn)角度差的計(jì)算，最后點(diǎn)的梯度方向的角度-起始點(diǎn)的梯度方向的角度，從而循環(huán)一周。然后，將差值歸到預(yù)設(shè)的角度差值區(qū)間段中。每個(gè)區(qū)間段覆蓋10度，共有36個(gè)區(qū)間段，統(tǒng)計(jì)這些角度差值的分布情況，并統(tǒng)計(jì)出這些角度差值所分布的區(qū)間段個(gè)數(shù)db。例如，假定有25個(gè)內(nèi)部邊界點(diǎn)(Nb = 25)，則有25個(gè)角度差值，假設(shè)該25個(gè)角度差值分布在4個(gè)角度區(qū)間段中，則所述內(nèi)部邊界點(diǎn)梯度的方向度量值db = 4。統(tǒng)計(jì)物體內(nèi)部邊界點(diǎn)相鄰梯度方向差值可以衡量物體的內(nèi)部紋理的不規(guī)則性。通過(guò)上述處理所得到的物體內(nèi)部邊界特征參數(shù)可以包括Nb、mbm和db,這些參數(shù)將進(jìn)入此后的用來(lái)建立能量模型的處理過(guò)程。然后，在物體能量確定步驟S300，利用之前處理過(guò)程中所確定的某個(gè)物體的關(guān)鍵特征，即其外部邊界梯度特征的參數(shù)、及其內(nèi)部邊界紋理特征的參數(shù)，來(lái)建立能量模型。本領(lǐng)域技術(shù)人員可以理解，盡管在上述說(shuō)明中，針對(duì)不同圖像分別介紹如何確定物體的外部邊界梯度特征的參數(shù)及內(nèi)部邊界紋理特征的參數(shù)，然而，在建立能量模型的過(guò)程中，必然根據(jù)同一物體的外部邊界特征參數(shù)和內(nèi)部邊界特征參數(shù)建立該物體的能量模型。具體地，在所述物體能量確定步驟S300中，可以基于物體外部邊界特征參數(shù)確定物體外部邊界能量,基于物體內(nèi)部邊界特征參數(shù)確定物體內(nèi)部邊界能量,將物體外部邊界能量和物體內(nèi)部邊界能量按預(yù)定權(quán)重相加，獲得該物體的能量。具體地，針對(duì)某ー個(gè)物體，可以通過(guò)以下公式(I)建立其能量模型Eobject = Esurface+k Ebody(I)其中是該物體的總能量，Esurface是物體的外部邊界能量，Ebody是物體的內(nèi)部邊界能量；k是外部與內(nèi)部能量之間的權(quán)重參數(shù)，可以是通過(guò)機(jī)器學(xué)習(xí)的方法利用大量的樣本訓(xùn)練而獲得的優(yōu)化值。在作為要檢測(cè)的目標(biāo)的特定物體為云的情況下，Eobject可以表示為Ed()Ud。并且在此情況下，k是通過(guò)大量關(guān)于云的樣本圖像進(jìn)行訓(xùn)練而得的結(jié)果。在作為要檢測(cè)的目標(biāo)的特定物體為其它特定物體的情況下，則通過(guò)大量關(guān)于該其它特定物體的樣本圖像進(jìn)行訓(xùn)練而獲得k值。

具體地，可以根據(jù)所述外部邊界點(diǎn)梯度的方向度量值與外部邊界點(diǎn)數(shù)目的比值及所述外部邊界點(diǎn)梯度的大小度量值，確定所述物體外部邊界能量。例如，物體外部邊界能量E—可以通過(guò)以下公式⑵計(jì)算得到Esurface = ads/Ns+a-fflSffl(2)其中，Ns為該物體外部邊界點(diǎn)個(gè)數(shù)，msm為該Ns個(gè)外部邊界點(diǎn)梯度的大小度量值，ds為該Ns個(gè)外部邊界點(diǎn)梯度的方向度量值，a可以為大于I的任意值，例如，a可以為數(shù)學(xué)常數(shù)e，也可以是1. 5、2、100等等的其它恒量值。具體地，可以根據(jù)所述內(nèi)部邊界點(diǎn)梯度的方向度量值與內(nèi)部邊界點(diǎn)數(shù)目的比值及所述內(nèi)部邊界點(diǎn)梯度的大小度量值，確定所述物體內(nèi)部邊界能量。例如，物體外部邊界能量Ebtjdy可以通過(guò)以下公式(3)計(jì)算得到Ebody = adb/Nb+a_mbm(3)其中，Nb為該物體內(nèi)部邊界點(diǎn)個(gè)數(shù)，mbm為該Nb個(gè)內(nèi)部邊界點(diǎn)梯度的大小度量值，db為該Nb個(gè)內(nèi)部邊界點(diǎn)梯度的方向度量值，a的含義其取值與上述公式(2)中相同。從而，可以通過(guò)以下公式⑷來(lái)計(jì)算該物體的總能量Etjw6rttjEobject = ads/Ns+a-msm+k (adb/Nb+a^mbm)(4)其中各量含義與前文中的描述相同。通過(guò)公式(4)可以發(fā)現(xiàn)，當(dāng)被檢測(cè)的該物體具有模糊、緩慢漸變、而且不規(guī)則的外部邊界，同時(shí)具有模糊平坦而且不規(guī)則的內(nèi)部紋理或者僅有少量?jī)?nèi)部紋理時(shí)，該被檢測(cè)物體的總能量值會(huì)趨向于變大。而在其它ー些情況下，例如當(dāng)被檢測(cè)物體具有清晰或者規(guī)則的外部邊界，同時(shí)具有清晰或者規(guī)則的內(nèi)部紋理時(shí)，該被檢測(cè)物體的總能量值會(huì)趨向于變小。以云為例，云的外部是模糊不規(guī)則的，內(nèi)部紋理是模糊不規(guī)則的或者內(nèi)部紋理是少量的，因此，當(dāng)被檢測(cè)物體是云的時(shí)候，會(huì)生成一個(gè)較高的總能量值。因此，公式(4)所建立的能量模型可以衡量物體外部特征，例如外部邊界的漸變程度和邊界不規(guī)則性，并同時(shí)衡量物體內(nèi)部特征，例如紋理的清晰度和分布情況。在物體能量確定步驟S300計(jì)算得到被檢測(cè)物體的總能量之后，通過(guò)特定物體判別步驟S400判別該物體是否為作為目標(biāo)的特定物體。其中，可以根據(jù)機(jī)器學(xué)習(xí)的方法，通過(guò)訓(xùn)練大量的關(guān)于該特定物體的樣本，并根據(jù)與上文描述具有相同參數(shù)設(shè)置的上述公式，例如與上述檢測(cè)過(guò)程相同的a值、k值等等，建立其能量模型，根據(jù)樣本的能量值獲得相應(yīng)的優(yōu)化值，作為用來(lái)判定該特定物體的預(yù)定閾值。如果該被檢測(cè)的物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體；顯然也可以是如果該被檢測(cè)的物體的能量大于該預(yù)定閾值，則將該物體判別為所述特定物體；否則，將該物體判別為不是所述特定物體。檢測(cè)全部感興趣區(qū)域中物體之后，獲得最終處理結(jié)果。至此，可以以本領(lǐng)域任意的成熟手段來(lái)在圖像中標(biāo)識(shí)出判別為目標(biāo)特定物體的物體，并以本領(lǐng)域任意的成熟手段輸出。本發(fā)明還可以實(shí)施為ー種檢測(cè)圖像中特定物體的設(shè)備，可以用來(lái)實(shí)施前述檢測(cè)圖像中特定物體的方法。圖8示出按照本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的設(shè)備的總體框圖。如圖8所示，該檢測(cè)圖像中特定物體的設(shè)備包括感興趣區(qū)域估計(jì)裝置100，可以用來(lái)實(shí)施前述感興趣區(qū)域估計(jì)步驟S100，以在輸入的待處理圖像中，估計(jì)包含所述特定物體的區(qū)域，作為感興趣區(qū)域；特征確定裝置200，可以用來(lái)實(shí)施前述特征確定步驟S200，以確定所述感興趣區(qū)域中物體的特征參數(shù)；物體能量確定裝置300，可以用來(lái)實(shí)施前述物體能量確定步驟S300，以根據(jù)物體的特征參數(shù)確定物體的能量；特定物體判別裝置400，可以用來(lái)實(shí)施前述特定物體判別步驟S400，以將所確定的物體的能量與預(yù)定閾值相比較，如果該物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體。其中，所述特征確定裝置200所確定的所述特征參數(shù)可以包括物體外部邊界特征參數(shù)和物體內(nèi)部邊界特征參數(shù)。其中，所述物體能量確定裝置300可以基于物體外部邊界特征參數(shù)確定物體外部邊界能量，基于物體內(nèi)部邊界特征參數(shù)確定物體內(nèi)部邊界能量，將物體外部邊界能量和物體內(nèi)部邊界能量按預(yù)定權(quán)重相加，獲得該物體的能量。其中，所述感興趣區(qū)域估計(jì)裝置100可以將所述待處理圖像劃分為多個(gè)區(qū)域，獲取各個(gè)區(qū)域的色彩特征，利用線性分類器分別判斷各個(gè)區(qū)域是否符合所述特定物體的色彩特征，將符合所述特定物體的色彩特征的區(qū)域組合得到所述感興趣區(qū)域。按照本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的設(shè)備還可以包括排除裝置，可以用來(lái)實(shí)施前述排除步驟，以根據(jù)感興趣區(qū)域在所述待處理圖像中的位置，排除不符合所述特定物體的位置特征的感興趣區(qū)域。在按照本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的設(shè)備中，可以通過(guò)確定感興趣區(qū)域中物體邊界，提取其中的物體外部邊界，根據(jù)該物體所占面積確定外部邊界點(diǎn)數(shù)目，在物體外部邊界上等距離設(shè)置外部邊界點(diǎn)數(shù)目的外部邊界點(diǎn)，確定外部邊界點(diǎn)梯度的大小度量值和方向度量值，將外部邊界點(diǎn)梯度的大小度量值和方向度量值及外部邊界點(diǎn)數(shù)目作為物體外部邊界特征參數(shù)。在按照本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的設(shè)備中，可以通過(guò)確定感興趣區(qū)域中物體邊界,提取其中的物體內(nèi)部邊界,根據(jù)物體內(nèi)部邊界總長(zhǎng)度確定內(nèi)部邊界點(diǎn)數(shù)目，在物體內(nèi)部邊界上等距離設(shè)置內(nèi)部邊界點(diǎn)數(shù)目的內(nèi)部邊界點(diǎn)，確定內(nèi)部邊界點(diǎn)梯度的大小度量值和方向度量值，將內(nèi)部邊界點(diǎn)梯度的大小度量值和方向度量值及內(nèi)部邊界點(diǎn)數(shù)目作為物體內(nèi)部邊界特征參數(shù)。在按照本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的設(shè)備中，可以計(jì)算外部邊界點(diǎn)梯度的大小的平均值，作為所述外部邊界點(diǎn)梯度的大小度量值；計(jì)算外部邊界點(diǎn)梯度的相鄰點(diǎn)角度差的分布，作為所述外部邊界點(diǎn)梯度的方向度量值；根據(jù)所述外部邊界點(diǎn)梯度的方向度量值與外部邊界點(diǎn)數(shù)目的比值及所述外部邊界點(diǎn)梯度的大小度量值，確定所述物體外部邊界能量。在按照本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的設(shè)備中，可以計(jì)算內(nèi)部邊界點(diǎn)梯度的大小的平均值，作為所述內(nèi)部邊界點(diǎn)梯度的大小度量值；計(jì)算內(nèi)部邊界點(diǎn)梯度的相鄰點(diǎn)角度差的分布，作為所述內(nèi)部邊界點(diǎn)梯度的方向度量值；根據(jù)所述內(nèi)部邊界點(diǎn)梯度的方向度量值與內(nèi)部邊界點(diǎn)數(shù)目的比值及所述內(nèi)部邊界點(diǎn)梯度的大小度量值，確定所述物體內(nèi)部邊界能量。在按照本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的設(shè)備中，可以將360度的角度范圍等分為預(yù)定數(shù)目的角度區(qū)間，將相鄰點(diǎn)角度差分布到所述角度區(qū)間，把分布有所述相鄰點(diǎn)角度差的所述角度區(qū)間的數(shù)目作為方向度量值。本發(fā)明還可以通過(guò)一種檢測(cè)圖像中特定物體的系統(tǒng)來(lái)實(shí)施。圖9是示出按照本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的系統(tǒng)1000的總體框圖，如圖9所示，檢測(cè)圖像中特定物體的系統(tǒng)1000可以包括輸入設(shè)備1100，用于從外部輸入將要檢測(cè)處理的圖像，例如可以包括鍵盤(pán)、鼠標(biāo)器、掃描儀、以及通信網(wǎng)絡(luò)及其所連接的遠(yuǎn)程輸入設(shè)備等等；處理設(shè)備1200，用于實(shí)施上述的按照本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的方法，或者實(shí)施為上述的按照本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的設(shè)備，例如可以包括計(jì)算機(jī)的中央處理器或其它的具有處理能力的芯片如DSP等等；輸出設(shè)備1300，用于向外部輸出實(shí)施上述特定物體檢測(cè)過(guò)程所得的結(jié)果，例如可以包括顯示器、打印機(jī)、以及通信網(wǎng)絡(luò)及其所連接的遠(yuǎn)程輸出設(shè)備等等；以及存儲(chǔ)設(shè)備1400，用于以易失或非易失的方式存儲(chǔ)上述特定物體檢測(cè)處理過(guò)程所涉及的圖像、所得的結(jié)果、命令、中間數(shù)據(jù)等等，例如可以包括隨機(jī)存取存儲(chǔ)器(RAM)、只讀存儲(chǔ)器(ROM)、硬盤(pán)、或半導(dǎo)體存儲(chǔ)器等等的各種易失或非易失性存儲(chǔ)器。本說(shuō)明書(shū)上文中提到的物體的外部邊界梯度特征和內(nèi)部紋理特征(例如內(nèi)部邊界梯度特征)只是應(yīng)用于物體檢測(cè)領(lǐng)域的多種特征中的兩種重要特征，本發(fā)明的實(shí)施不限于此，許多其它的特征也可以用來(lái)建立能量模型。能量模型中的內(nèi)部和外部能量是兩個(gè)子能量，然而，也可以建立具有三個(gè)或者更多關(guān)鍵特征的物體檢測(cè)的能量模型，將該能量模型擴(kuò)展到含有三個(gè)或者更多個(gè)子能量，在此情況下，在公式(I)中添加相應(yīng)的能量元素。本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的方法及檢測(cè)圖像中特定物體的設(shè)備可以以云為特定物體，可以對(duì)白云、烏云、朝霞晚霞等等進(jìn)行相關(guān)的云檢測(cè)，顯然還可以應(yīng)用于檢測(cè)具有模糊且不規(guī)則輪廓和模糊內(nèi)部紋理特征的ー類物體。例如,本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的方法及檢測(cè)圖像中特定物體的設(shè)備可以以云檢測(cè)相同的配置來(lái)應(yīng)用于諸如ー些毛絨玩具的檢測(cè)。本領(lǐng)域技術(shù)人員可以認(rèn)識(shí)到，對(duì)于任意的特定物體，可以應(yīng)用本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的方法及檢測(cè)圖像中特定物體的設(shè)備?；谠撎囟ㄎ矬w的樣本圖像進(jìn)行訓(xùn)練，通過(guò)建立與該特定物體相應(yīng)的能量模型并確定相應(yīng)的預(yù)定閾值，可以實(shí)現(xiàn)圖像中該特定物體的檢測(cè)。因此，本發(fā)明實(shí)施例可以應(yīng)用于一般的物體檢測(cè)。通過(guò)按照本發(fā)明實(shí)施例的基于能量模型的檢測(cè)圖像中特定物體的方法和檢測(cè)圖像中特定物體的設(shè)備，能夠?qū)崿F(xiàn)減少誤檢率，去除利用現(xiàn)有技術(shù)手段會(huì)誤檢的其它物體。本發(fā)明實(shí)施例所采用的能量模型通過(guò)將多個(gè)關(guān)鍵特征結(jié)合在一起，將它們分配以不同的權(quán)重，通過(guò)一定的數(shù)學(xué)運(yùn)算建立到能量模型中，從而能夠利用所生成的能量值來(lái)表征具有特定物體的特征性的數(shù)值。通過(guò)這樣的能量模型，本發(fā)明實(shí)施例所實(shí)現(xiàn)的識(shí)別手段能夠有效地結(jié)合關(guān)鍵特征并且獲得更好的識(shí)別準(zhǔn)確率。與前述專利文件I相比，本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的方法和檢測(cè)圖像中特定物體的設(shè)備通過(guò)提取圖像自身特征，例如外部邊界梯度特征和內(nèi)部紋理特征，來(lái)建立能量模型，從而有效檢測(cè)圖像中的云，具有更加廣泛的應(yīng)用范圍，而不僅僅是衛(wèi)星云圖。與前述非專利文件I相比，本發(fā)明實(shí)施例的檢測(cè)圖像中特定物體的方法和檢測(cè)圖像中特定物體的設(shè)備除初步檢測(cè)和特征校驗(yàn)之外，兩個(gè)或者多個(gè)關(guān)鍵特征(例如外部邊界梯度和內(nèi)部紋理特征)可以建立到能量模型中，配以權(quán)重來(lái)實(shí)現(xiàn)有機(jī)結(jié)合，從而獲得更好的特征區(qū)分性，并以簡(jiǎn)化的算法降低處理負(fù)擔(dān)。本發(fā)明實(shí)施例的基于能量模型的檢測(cè)圖像中特定物體的方法和檢測(cè)圖像中特定物體的設(shè)備通過(guò)提出能量模型，優(yōu)化組合兩個(gè)或者多個(gè)物體的關(guān)鍵特征，分別針對(duì)特征建立內(nèi)部和外部能量，然后通過(guò)權(quán)重參數(shù)k優(yōu)化組合兩種特征，以達(dá)到最優(yōu)分類效果。本發(fā)明實(shí)施例的基于能量模型的檢測(cè)圖像中特定物體的方法和檢測(cè)圖像中特定物體的設(shè)備提出優(yōu)化檢測(cè)結(jié)構(gòu)首先進(jìn)行基于單ー特征的初步檢測(cè)，然后對(duì)重要的輔助特征進(jìn)行特征校驗(yàn)，然后建立能量模型進(jìn)行特定目標(biāo)物體的最終檢測(cè)，從而實(shí)現(xiàn)優(yōu)化檢測(cè)效率和性能。在檢測(cè)的特定目標(biāo)物體為云的情況下，本發(fā)明實(shí)施例的基于能量模型的檢測(cè)圖像中特定物體的方法和檢測(cè)圖像中特定物體的設(shè)備采用云的外部邊界梯度特性和內(nèi)部紋理特性作為重要特征，來(lái)進(jìn)行云的檢測(cè)。此外，本發(fā)明實(shí)施例的基于能量模型的檢測(cè)圖像中特定物體的方法和檢測(cè)圖像中特定物體的設(shè)備提出近鄰方向差值統(tǒng)計(jì)方法，以衡量邊界或者紋理的不規(guī)則性。顯然，以上例示的具體公式、參數(shù)、硬件、數(shù)值均為示例，本領(lǐng)域技術(shù)人員可以在本發(fā)明的精神的范圍內(nèi)，根據(jù)本說(shuō)明書(shū)的教導(dǎo)來(lái)得到其他替代公式、參數(shù)、硬件、數(shù)值來(lái)實(shí)現(xiàn)本發(fā)明。以上通過(guò)圖像識(shí)別模型中的云檢測(cè)模型作為例子來(lái)詳細(xì)描述了本發(fā)明的實(shí)施例的具體細(xì)節(jié)，但是，本領(lǐng)域技術(shù)人員可以理解，本發(fā)明可應(yīng)用的識(shí)別模型不限于此，而是可以應(yīng)用于云檢測(cè)模型以外的其他模型的檢測(cè)及識(shí)別。在說(shuō)明書(shū)中說(shuō)明的一系列操作能夠通過(guò)硬件、軟件、或者硬件與軟件的組合來(lái)執(zhí)行。當(dāng)由軟件執(zhí)行該一系列操作時(shí)，可以把其中的計(jì)算機(jī)程序安裝到內(nèi)置于專用硬件的計(jì)算機(jī)中的存儲(chǔ)器中，使得計(jì)算機(jī)執(zhí)行該計(jì)算機(jī)程序?；蛘?，可以把計(jì)算機(jī)程序安裝到能夠執(zhí)行各種類型的處理的通用計(jì)算機(jī)中，使得計(jì)算機(jī)執(zhí)行該計(jì)算機(jī)程序。例如，可以把計(jì)算機(jī)程序預(yù)先存儲(chǔ)到作為記錄介質(zhì)的硬盤(pán)或者R0M(只讀存儲(chǔ)器)中。或者，可以臨時(shí)或者永久地存儲(chǔ)(記錄)計(jì)算機(jī)程序到可移動(dòng)記錄介質(zhì)中，諸如軟盤(pán)、⑶-ROM (光盤(pán)只讀存儲(chǔ)器)、MO (磁光)盤(pán)、DVD (數(shù)字多功能盤(pán))、磁盤(pán)、或半導(dǎo)體存儲(chǔ)器?？梢园堰@樣的可移動(dòng)記錄介質(zhì)作為封裝軟件提供。本發(fā)明已經(jīng)參考具體實(shí)施例進(jìn)行了詳細(xì)說(shuō)明。然而，很明顯，在不背離本發(fā)明的精神的情況下，本領(lǐng)域技術(shù)人員能夠?qū)?shí)施例執(zhí)行更改和替換。換句話說(shuō)，本發(fā)明用說(shuō)明的形式公開(kāi)，而不是被限制地解釋。要判斷本發(fā)明的要_，應(yīng)該考慮所附的權(quán)利要求。
權(quán)利要求
1.一種檢測(cè)圖像中特定物體的方法，包括 感興趣區(qū)域估計(jì)步驟，在輸入的待處理圖像中，估計(jì)包含所述特定物體的區(qū)域，作為感興趣區(qū)域； 特征確定步驟，確定所述感興趣區(qū)域中物體的特征參數(shù)； 物體能量確定步驟，根據(jù)物體的特征參數(shù)確定物體的能量； 特定物體判別步驟，將所確定的物體的能量與預(yù)定閾值相比較，如果該物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體。
2.按照權(quán)利要求1所述的檢測(cè)圖像中特定物體的方法，其中， 在所述特征確定步驟中，所述特征參數(shù)包括物體外部邊界特征參數(shù)和物體內(nèi)部邊界特征參數(shù)；以及 在所述物體能量確定步驟中，基于物體外部邊界特征參數(shù)確定物體外部邊界能量，基于物體內(nèi)部邊界特征參數(shù)確定物體內(nèi)部邊界能量，將物體外部邊界能量和物體內(nèi)部邊界能量按預(yù)定權(quán)重相加，獲得該物體的能量。
3.按照權(quán)利要求1所述的檢測(cè)圖像中特定物體的方法，其中， 在所述感興趣區(qū)域估計(jì)步驟中，將所述待處理圖像劃分為多個(gè)區(qū)域，獲取各個(gè)區(qū)域的色彩特征，利用線性分類器分別判斷各個(gè)區(qū)域是否符合所述特定物體的色彩特征，將符合所述特定物體的色彩特征的區(qū)域組合得到所述感興趣區(qū)域。
4.按照權(quán)利要求1所述的檢測(cè)圖像中特定物體的方法，還包括 排除步驟，根據(jù)感興趣區(qū)域在所述待處理圖像中的位置，排除不符合所述特定物體的位置特征的感興趣區(qū)域。
5.按照權(quán)利要求2所述的檢測(cè)圖像中特定物體的方法，其中，通過(guò)確定感興趣區(qū)域中物體邊界，提取其中的物體外部邊界，根據(jù)該物體所占面積確定外部邊界點(diǎn)數(shù)目，在物體外部邊界上等距離設(shè)置外部邊界點(diǎn)數(shù)目的外部邊界點(diǎn)，確定外部邊界點(diǎn)梯度的大小度量值和方向度量值，將外部邊界點(diǎn)梯度的大小度量值和方向度量值及外部邊界點(diǎn)數(shù)目作為物體外部邊界特征參數(shù)。
6.按照權(quán)利要求2所述的檢測(cè)圖像中特定物體的方法，其中，通過(guò)確定感興趣區(qū)域中物體邊界,提取其中的物體內(nèi)部邊界,根據(jù)物體內(nèi)部邊界總長(zhǎng)度確定內(nèi)部邊界點(diǎn)數(shù)目，在物體內(nèi)部邊界上等距離設(shè)置內(nèi)部邊界點(diǎn)數(shù)目的內(nèi)部邊界點(diǎn)，確定內(nèi)部邊界點(diǎn)梯度的大小度量值和方向度量值，將內(nèi)部邊界點(diǎn)梯度的大小度量值和方向度量值及內(nèi)部邊界點(diǎn)數(shù)目作為物體內(nèi)部邊界特征參數(shù)。
7.按照權(quán)利要求5所述的檢測(cè)圖像中特定物體的方法，其中， 計(jì)算外部邊界點(diǎn)梯度的大小的平均值，作為所述外部邊界點(diǎn)梯度的大小度量值；計(jì)算外部邊界點(diǎn)梯度的相鄰點(diǎn)角度差的分布，作為所述外部邊界點(diǎn)梯度的方向度量值；根據(jù)所述外部邊界點(diǎn)梯度的方向度量值與外部邊界點(diǎn)數(shù)目的比值及所述外部邊界點(diǎn)梯度的大小度量值，確定所述物體外部邊界能量。
8.按照權(quán)利要求6所述的檢測(cè)圖像中特定物體的方法，其中， 計(jì)算內(nèi)部邊界點(diǎn)梯度的大小的平均值，作為所述內(nèi)部邊界點(diǎn)梯度的大小度量值；計(jì)算內(nèi)部邊界點(diǎn)梯度的相鄰點(diǎn)角度差的分布，作為所述內(nèi)部邊界點(diǎn)梯度的方向度量值；根據(jù)所述內(nèi)部邊界點(diǎn)梯度的方向度量值與內(nèi)部邊界點(diǎn)數(shù)目的比值及所述內(nèi)部邊界點(diǎn)梯度的大小度量值，確定所述物體內(nèi)部邊界能量。
9.按照權(quán)利要求7或8所述的檢測(cè)圖像中特定物體的方法，其中， 將360度的角度范圍等分為預(yù)定數(shù)目的角度區(qū)間，將相鄰點(diǎn)角度差分布到所述角度區(qū)間，把分布有所述相鄰點(diǎn)角度差的所述角度區(qū)間的數(shù)目作為方向度量值。
10.一種檢測(cè)圖像中特定物體的設(shè)備，包括 感興趣區(qū)域估計(jì)裝置，在輸入的待處理圖像中，估計(jì)包含所述特定物體的區(qū)域，作為感興趣區(qū)域； 特征確定裝置，確定所述感興趣區(qū)域中物體的特征參數(shù)； 物體能量確定裝置，根據(jù)物體的特征參數(shù)確定物體的能量； 特定物體判別裝置，將所確定的物體的能量與預(yù)定閾值相比較，如果該物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體。
全文摘要
本發(fā)明提供一種檢測(cè)圖像中特定物體的方法，包括感興趣區(qū)域估計(jì)步驟，在輸入的待處理圖像中，估計(jì)包含所述特定物體的區(qū)域，作為感興趣區(qū)域；特征確定步驟，確定所述感興趣區(qū)域中物體的特征參數(shù)；物體能量確定步驟，根據(jù)物體的特征參數(shù)確定物體的能量；特定物體判別步驟，將所確定的物體的能量與預(yù)定閾值相比較，如果該物體的能量大于等于該預(yù)定閾值，則將該物體判別為所述特定物體。本發(fā)明還相應(yīng)地提供一種檢測(cè)圖像中特定物體的設(shè)備。
文檔編號(hào)G06K9/00GK103049735SQ20111031076
公開(kāi)日2013年4月17日 申請(qǐng)日期2011年10月14日 優(yōu)先權(quán)日2011年10月14日
發(fā)明者劉殿超, 師忠超, 鐘誠(chéng), 劉童, 王剛 申請(qǐng)人:株式會(huì)社理光