一种改进的基于稀疏表示的多目标检测方法

摘要

本发明公开了一种改进的基于稀疏表示的多目标检测方法，首先提取训练样本的HOG特征，并采用K‑SVD算法对其进行稀疏表示得过完备字典D；然后采用滑动窗口和多尺度策略遍历待检测图像，提取各图像子块的HOG特征，并基于过完备字典D进行稀疏表示；第三，利用重构误差的差异结合自适应阈值设定方法实现对多个目标的初步定位；最后，设计了一种窗口合并策略，对多个目标进行精确检测。本发明中提出的窗口合并策略，利用窗口中心位置及窗口尺寸，对多个目标定位窗口进行区分，使它们分别准确对应所属的目标；然后，利用重构误差，将同一目标对应的多个重叠定位窗口进行有效合并，保证了目标的鲁棒及精确性检测。

主权项

一种改进的基于稀疏表示的多目标检测方法，其特征在于，包括如下步骤：(1)样本训练阶段：第一步，输入m个训练样本图像，将尺寸归一化为row×column，构成训练样本图像集；第二步，提取训练样本图像集的HOG特征f₁,f₂,…,f_m；第三步，将训练样本图像集的HOG特征f₁,f₂,…,f_m用K‑SVD算法训练，得到过完备字典D；(2)目标检测阶段：第一步，输入待检测图像I；第二步，采用滑动窗口和多尺度策略遍历待检测图像，得到多尺度的图像子块，将各图像子块尺寸归一化为row×column；第三步，提取各图像子块的HOG特征g₁,g₂,…,g_N；第四步，基于过完备字典D对待检测图像子块的HOG特征g₁,g₂,…,g_N进行稀疏表示；第五步，计算待检测图像每个子块的重构误差δ_i(i＝1,2,…,N)；第六步，基于重构误差δ_i(i＝1,2,…,N)的差异，采用自适应阈值设定的方法对多个目标进行初步定位，得到多个目标定位窗口；第七步，设计一种新的窗口合并策略，对多个目标定位窗口进行区分，使它们分别准确对应所属的目标；然后，利用重构误差，将同一目标对应的多个重叠定位窗口进行有效合并，最终得到多个目标的精确检测结果。