一种基于代价敏感稀疏线性回归的鲁棒人群计数方法

摘要

本发明提出了一种基于代价敏感稀疏线性回归的鲁棒人群计数方法。所述方法以基于有监督学线性回归模型图像人群计数方法为基础，提出采用特征融合、稀疏约束和代价敏感策略提升人群计数的鲁棒性和准确率；其中，特征提取融合了前景特征，边缘特征和纹理特征，该融合特征提高了图像信息表达有效性同时也产生了特征相关性，此外，人群计数实际应用中可能出现训练数据不平衡的问题，因此，本发明采用特征融合提高图像信息表达能力，采用稀疏约束有利于选择可区分性特征，引入代价敏感学方法以降低不平衡训练数据对模型的不利影响，继而提出了一种新的高效鲁棒的代价敏感稀疏线性回归模型图像人群计数方法。输入待测试图像，利用训练得到的模型参数，即可快速实现鲁棒的人群计数。

主权项

一种基于代价敏感稀疏线性回归的鲁棒人群计数方法，包括如下步骤：(a)采用混合高斯背景建模对人群图像集提取前景区域；(b)对步骤(a)提取到的区域做视角矫正，分别提取前景特征，边缘特征和纹理特征；(c)将步骤(b)中的三种特征融合为一个特征向量x_i，并将此特征向量进行归一化操作；(d)利用由步骤(c)提取的第i张图像特征向量x_i和该图片对应的标签y_i，训练一个稀疏线性回归模型，并计算每张图像的标签估计误差；(e)根据由步骤(d)获得的标签估计误差，为每一个样本设计对应的权重因子；(f)利用步骤(e)得到的权重因子和训练样本重新训练一个代价敏感稀疏线性回归模型；(g)对于一张输入的待测试图像，利用步骤(a)‑(c)提取测试图像特征向量，并根据步骤(f)获得的模型参数估计测试图像的人群计数。