申请/专利权人:南京大学
申请日:2021-04-09
公开(公告)日:2023-12-29
公开(公告)号:CN113112471B
主分类号:G06F17/00
分类号:G06F17/00
优先权:
专利状态码:有效-授权
法律状态:2023.12.29#授权;2021.07.30#实质审查的生效;2021.07.13#公开
摘要:基于RI‑HOG特征及快速金字塔的目标检测方法,包括特征提取、向量矫正及目标识别三部分,特征提取对旋转目标进行特征提取,向量矫正对目标旋转进行角度估计,实现特征向量的预校正;目标识别利用SVM分类器进行目标识别,采用稀疏金字塔策略进行分类识别计算,完成目标识别。本发明提出的算法在工业目标识别与检测领域获得了较高的检出率,同时没有增加太多的耗时,体现了本发明在工业领域目标检测中的优越性。
主权项:1.基于RI-HOG特征及快速金字塔的目标检测方法,其特征是包括特征提取、向量矫正及目标识别三部分,1特征提取,基于方向梯度直方图HOG特征提取算法对旋转目标进行特征提取:1.1构建旋转不变梯度域:采用随像素点位置变化的动态坐标系作为计算像素点梯度方向的参考坐标系,在梯度计算过程中采用近似径向梯度变换ARGT的方法;1.2配置旋转不变空间域,以矩形检测框的内切圆为空间域的检测窗口,并将检测窗口划分为均匀分布的扇形区域,对扇形区域环向均分,得到截断扇形cell,对截断扇形cell进行分析计算梯度特征向量,cell内像素点梯度的计算采用动态坐标系,同时在进行直方图通道的局部插值时,相对于检测窗口中心点,以径向和切向分布于相邻位置的cell信息进行;2向量矫正,对目标旋转进行角度估计,基于同一物体特征分布的高度一致性,以参考位置的图像为样本,利用统计学相关系数独立计算当前图像特征向量与样本图像特征向量的相似度,通过一次循环移位,找到最大相似度,按照对应移位距离换算估计目标的旋转角度,实现特征向量的预校正;其中,以Pearson相关系数为统计学相关系数独立计算相似度,对于两组数据X和Y集合中n个元素的估计结果采用r来表示: 3目标识别,利用SVM分类器进行目标识别,识别中采用稀疏金字塔策略,设置图像尺度的阶段节点,以预矫正后的特征向量作为分类标准,对节点之间的金字塔采样层直接进行梯度方向直方图的分布情况估计,其中采用基于邻近图像层估计的方法,处理每一采样阶段中的非参考图像层,得到重采样与原始图像梯度特征分布情况的关系,然后对SVM多尺度检测进行分析,得到多尺度图像间的比例关系,完成目标识别;所述稀疏金字塔策略为:设用φI表示图像的统计特征,对于处于s1和s2金字塔层的采样图像,其图像估计分别为与满足以下规律: 用Ω表示图像I的特征,并由Ω生成新的通道图像C,Is表示图像I在第s层的表现,RI,s表示对图像进行参数为s的重采样,当SVM进行检测窗口滑动遍历扫描时,采用邻近图像层估计的方法,对于任一采样阶段只计算一张图像Is的特征分布信息,得到对应的Cs作为参考图像层: 对于阶段内其他金字塔层的图像s′,则基于最邻近的参考层进行特征分布估计,得到Cs′=ΩIs′。
全文数据:
权利要求:
百度查询: 南京大学 基于RI-HOG特征及快速金字塔的目标检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。