靜態圖片中數碼相機的檢測方法技術

本發明專利技術公開了一種靜態圖片中數碼相機的檢測方法，包括訓練及檢測兩部分，訓練階段的步驟包括：制作數碼相機樣本；樣本特征計算以及訓練聯級分類器；檢測階段的步驟包括加載待測圖片；加載數碼相機分類器以及聯級數碼相機檢測。本發明專利技術通過對大量的數碼相機樣本，在提取Haar特征的基礎上，用AdaBoost方法訓練得出一個聯級分類器去檢測待測圖片中的數碼相機，這種方法能直接定位圖片中數碼相機所在，并不受環境的影響。

【技術實現步驟摘要】
【專利摘要】本專利技術公開了一種，包括訓練及檢測兩部分，訓練階段的步驟包括：制作數碼相機樣本；樣本特征計算以及訓練聯級分類器；檢測階段的步驟包括加載待測圖片；加載數碼相機分類器以及聯級數碼相機檢測。本專利技術通過對大量的數碼相機樣本，在提取Haar特征的基礎上，用AdaBoost方法訓練得出一個聯級分類器去檢測待測圖片中的數碼相機，這種方法能直接定位圖片中數碼相機所在，并不受環境的影響。【專利說明】
本專利技術屬于圖像識別領域，涉及一種。
技術介紹
隨著電子成像技術和互聯網的發展，人們創造圖片、分享圖片和獲得圖片的途徑越來越方便且多樣，從而出現在互聯網上的圖片也日益增多，除了文字對這些圖片的描述，計算機并不知道圖片的內容，比如某張圖片中是否有數碼相機，有的話其中數碼相機是什么品牌的呢？這些都不得而知，除非該圖片有類似的人為的描述，所以，傳統的以關鍵詞的形式并不能很好地匹配到對應的圖片，而讓計算機直接去識別圖片的技術便應運而生，這樣可以使得，即便是事先沒有描述的互聯網圖片，也可以通過識別技術去獲知其中的內容，其中就包括對數碼相機的檢測和識別。隨著電子商務的發展，越來越多的商品是在網絡上直接面對消費者，其中也包括數碼相機。如果能讓計算機知道互聯網中的某張圖片中是否存在數碼相機，并知道數碼相機的品牌，那么將更有利于數碼相機銷售商對數碼相機的推廣，所以在靜態圖片中檢測和識別數碼相機的技術有廣闊的應用前景。
技術實現思路
為解決上述技術問題，本專利技術提供了一種能提高檢測準確性的基于AdaBoost框架的。為實現上述專利技術目的，本專利技術采用的技術方案是:一種，包括訓練及檢測兩部分，其中，訓練階段的步驟如下:(I)制作數碼相機樣本；(2)樣本特征計算；(3)訓練聯級分類器；檢測階段的步驟如下:(I)加載待測圖片； (2)加載數碼相機分類器；(3)聯級數碼相機檢測。進一步具體地，訓練階段的步驟如下:(I)制作數碼相機樣本:從網絡上采集包含數碼相機的圖片，并標定數碼相機所在位置，根據位置信息提取數碼相機圖像，根據數碼相機的固有長寬比進行縮放，并通過直方圖均衡化消除光照影響，作為該類數碼相機的正樣本，采用正樣本圖片其他不含數碼相機的部位作為負樣本；(2)樣本特征計算:構造5種不同的矩形特征,每一種矩形特征對應一種Haar特征，該Haar特征定義為對應的矩形區域像素值的和的帶權值之和，通過積分圖像的方式計算Haar特征；( 3)訓練聯級分類器:將每個強分類器及其對應的多個弱分類器串聯起來，形成最終的聯級分類器；進一步具體地，檢測階段的步驟如下:(I)加載待測圖片:轉為灰度圖并進行直方圖均衡化；(2)加載數碼相機分類器:訓練所得分類器數據保存在相應txt文件中，訓練所得分類器數據保存在相應txt文件中，其中數據結構描述為:N個強分類器，第i個強分類器包括強分類器的閾值thi和Iii個弱分類器；其中，第Iii個弱分類器包括弱分類器的閾值Qj、方向控制器Pj、系數Cij;以及該弱分類器所選特征對應的矩形特征信息:矩形的個數numj(2Οr3)，矩形特征所屬類型typej(0，…，4)，每個子矩形的位置信息和權重rectt = {x, y, w, h, weight} (jc = I,…，Humj)(3)聯級數碼相機檢測:檢測圖像通過所述訓練階段步驟(3)中的強分類器的檢測。與現有技術相比，本專利技術的有益效果:本專利技術通過對大量的數碼相機樣本，在提取Haar特征的基礎上，用AdaBoost方法訓練得出一個聯級分類器去檢測待測圖片中的數碼相機，這種方法能直接定位圖片中數碼相機所在，并不受環境的影響。【專利附圖】【附圖說明】圖1為本專利技術訓練階段和檢測階段的流程圖；圖2為本專利技術一種Haar特征圖；圖3為本專利技術聯級數碼相機檢測過程的算法圖。【具體實施方式】如圖1所示，一種，包括訓練及檢測兩部分，訓練階段步驟如下:(I)制作數碼相機樣本:從網絡上采集包含數碼相機的圖片，并標定數碼相機所在位置，根據位置信息提取數碼相機圖像，根據數碼相機的固有長寬比進行縮放，并通過直方圖均衡化消除光照影響，作為該類數碼相機的正樣本，采用正樣本圖片其他不含數碼相機的部位作為負樣本；(2)樣本特征計算:構造5種不同的矩形特征，每一種矩形特征對應一種Haar特征(如圖2所示)，該Haar特征定義為對應的矩形區域像素值的和的帶權值之和，通過積分圖像的方式計算Haar特征；積分圖像定義為【權利要求】1.，其特征在于:所述檢測方法基于AdaBoost框架，其包括訓練階段和檢測階段。2.如權利要求1所述的，其特征在于所述訓練階段包括: 制作數碼相機樣本，從網絡上采集包含數碼相機的圖片，并標定數碼相機所在位置，根據位置信息提取數碼相機圖像； 樣本特征計算，構造矩形特征，每一種矩形特征對應一種Haar特征； 訓練聯級分類器，輸入由上個步驟獲得的訓練樣本并進行訓練，最終將訓練得到的強分類及其對應的多個弱分類器串聯起來。3.如權利要求1所述的，其特征在于所述檢測階段包括: 加載待測圖片，轉為灰度圖并進行直方圖均衡化； 加載數碼相機分類器，包括強、弱分類器的閾值和所選特征對應的矩形特征信息； 聯級數碼相機檢測，檢測圖像首先通過前面的強分類器的檢測，如果不是數碼相機圖像，那么會在前端被排除，只有數碼相機圖像才能最終通過各級強分類器的檢測。4.如權利要求2所述的，其特征在于所述制作數碼相機樣本步驟為:根據位置信息提取數碼相機圖像，根據數碼相機的固有長寬比進行縮放，并通過直方圖均衡化消除光照影響，作為該類數碼相機的正樣本，采用正樣本圖片其他不含數碼相機的部位作為負樣本。5.如權利要求2所述的，其特征在于:所述Haar特征定義為對應的矩形區域像素值的和的帶權值之和，通過積分圖像的方式計算Haar特征；積分圖像SAT(x，y)表示原圖像中像素點(x，y)左上方所有像素值之和，采用增量方式計算，那么只需要按行或按列遍歷整張圖像一次，即可計算得對應的積分圖像；而計算原圖中的某個矩形區域的像素值之和，只要通過矩形的四個頂點位置在積分圖像中查詢得四個值，這四個值的某種加減運算即可等價該矩形區域的像素值之和。6.如權利要求3所述的，其特征在于:在設定的訓練次數T下，每次訓練會產生一個強分類器，而這過程中同時有多個弱分類器被選擇，最終然后將每個強分類及其對應的多個弱分類器串聯起來，形成最終的聯級分類器?！疚臋n編號】G06K9/62GK103971117SQ201310041945【公開日】2014年8月6日 申請日期:2013年1月25日 優先權日:2013年1月25日 【專利技術者】胡楠, 鄒國平 申請人:北京明日時尚信息技術有限公司本文檔來自技高網...

【技術保護點】
靜態圖片中數碼相機的檢測方法，其特征在于：所述檢測方法基于AdaBoost框架，其包括訓練階段和檢測階段。

【技術特征摘要】

【專利技術屬性】
技術研發人員：胡楠，鄒國平，
申請(專利權)人：北京明日時尚信息技術有限公司，
類型：發明
國別省市：北京;11