一种机器视觉驾驶辅助系统自动获取样本以提高识别精度的方法

摘要

本发明涉及一种机器视觉驾驶辅助系统自动获取样本以提高识别精度的方法，在主机(主机是指安装在车辆里的基于机器视觉的车辆驾驶辅助设备)目标检测程序里设计了一种自动收集可疑样本的机制，并将可疑样本上传至服务器端的样本池，该机制同时控制可疑样本上传的数量和质量。随着样本池里有效样本数量的增加，系统重新训练，优化强分类器中的各最优弱分类器组合和它们的权重因子，再将新分类器的参数和设定重新下发到主机的目标检测程序里中，完成迭代升级以提高识别精度。

主权项

一种机器视觉驾驶辅助系统自动获取样本以提高识别精度的方法，其特征在于：在主机(主机是指安装在车辆里的机器视觉车辆驾驶辅助设备)的目标检测程序里，在使用分类器做目标识别时，设计了一种自动收集样本的机制，设置了一个可疑样本阈值区间，根据强分类器的当前阈值(本文中把阈值标记为θ_强，阈值符号在程序里可以用其他标记符号代替)对应设置上下限，分别为θ_强‑ρ_下和θ_强+ρ_上(在本文中将可疑样本阈值区间的下限和上限参数标记为ρ_下和ρ_上，同样，ρ_下和ρ_上只是上下限的标记符号，在程序里可以用其他标记符号代替；不同的强分类器可以分别设置不同的上下限)，当强分类器计算出被检测目标的特征加权求和结果值落在区间(θ_强‑ρ_下，θ_强+ρ_h)之内，被检测目标鉴别为可疑样本，主机将它上传到系统的样本池；如果检测算法采用了级联强分类器，只要被检测目标被任何一个强分类器检出过为正样本，之后再被其他级联强分类器否决的，被检测目标也被界定为可疑样本，主机将它上传至系统样本池；每个级联强分类器同样也可增设各自的可疑样本阈值区间(θ_强‑ρ_下，θ_强+ρ_上)来控制可疑样本上传的数量和质量；主机目标检测程序里的各最优弱分类器被分配的权重α_t(以及由它们而导出的强分类器阈值θ_强，或者同的值成比例关系；T为每个强分类器里的最优弱分类器个数)，可疑样本阈值区间参数ρ_下和ρ_上，在设备中均设置为可通过软件改写的参数，强分类器中的每个最优弱分类器(其特征值函数f_t(x)的定义，阈值τ_t，参数p_t)也设置成软件可重新定义。随着样本池里有效样本数量的增加，系统重新训练，优化强分类器中的各最优弱分类器组合和它们的权重因子α_t(以及由它们而导出的阈值θ_强)，再将新分类器的参数重新部署到主机的目标检测程序里中，完成迭代升级以提高识别精度。