发明名称 |
基于局部特征共生性和偏最小二乘法的行人检测方法 |
摘要 |
基于局部特征共生性和偏最小二乘法的行人检测方法,涉及计算机视觉技术。包括以下步骤:准备训练样本集,将训练样本的特征向量组合作为预测矩阵X,将训练样本的类别组合作为响应矩阵y;利用偏最小二乘法对预测和响应矩阵建立模型,求得权重矩阵W;根据权重矩阵W计算分数较高的特征作为候选特征,用于生成局部特征共生性;对局部图像块中的候选特征进行二值化并组合成局部特征共生性的二值化模式;计算二值化模式的概率分布,将其用于训练基于Boosted决策树的行人检测分类器;输入待检测图像,通过得到的分类器在待检测图像中找出分数较高的目标窗口作为可能的行人物体,完成检测。 |
申请公布号 |
CN105975921A |
申请公布日期 |
2016.09.28 |
申请号 |
CN201610279313.4 |
申请日期 |
2016.04.29 |
申请人 |
厦门大学 |
发明人 |
王菡子;李琦铭;严严 |
分类号 |
G06K9/00(2006.01)I;G06K9/62(2006.01)I |
主分类号 |
G06K9/00(2006.01)I |
代理机构 |
厦门南强之路专利事务所(普通合伙) 35200 |
代理人 |
马应森 |
主权项 |
基于局部特征共生性和偏最小二乘法的行人检测方法,其特征在于包括以下步骤:A)准备训练样本集,将训练样本的特征向量组合作为预测矩阵X,将训练样本的类别组合作为响应矩阵y;B)利用偏最小二乘法对预测和响应矩阵建立模型,求得权重矩阵W;C)根据权重矩阵W计算分数较高的特征作为候选特征,用于生成局部特征共生性;D)对局部图像块中的候选特征进行二值化并组合成局部特征共生性的二值化模式;E)计算步骤D)中二值化模式的概率分布,将其用于训练基于Boosted决策树的行人检测分类器;F)输入待检测图像,通过步骤E)得到的分类器在待检测图像中找出分数较高的目标窗口作为可能的行人物体,完成检测。 |
地址 |
361005 福建省厦门市思明南路422号 |