[發明專利]圖像識別方法和系統

有效

• 申請號: 201210336518.3
• 申請日: 2012-09-12
• 公開（公告）號: CN103679187B
• 公開（公告）日: 2018-07-27
• 發明（設計）人: 馬穎東;鄧亮;陳先開
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 吳平

1.一種圖像識別方法，其特征在于，包括如下步驟：

獲取影像，并通過不同尺寸的掃描窗口對影像進行掃描，得到多個窗口圖像；

提取各個所述窗口圖像的HOG-LBP特征向量；

將所述多個HOG-LBP特征向量依次通過預設的HOG-LBP分類器進行識別，得到多個初步判定為目標的窗口圖像；

通過預設的PHOW字典提取所述初步判定為目標的多個窗口圖像的圖像特征；

將所述多個窗口圖像的圖像特征通過預設的PHOW分類器進行識別，過濾掉非目標窗口圖像，得到目標圖像窗口圖像；

對所述目標窗口圖像進行聚類處理，得到目標圖像。

2.根據權利要求1所述的圖像識別方法，其特征在于，所述聚類處理是使用帶權值的MeanShift方法對目標窗口圖像進行聚類處理。

3.根據權利要求1所述的圖像識別方法，其特征在于，所述預設的HOG-LBP分類器可通過以下動作得到：

計算每個歸一化的目標樣本的特征向量作為正樣本；

在多個尺度中掃描負樣本計算其特征向量，與正樣本的特征向量一起用SVM訓練初步線性分類器；

保留正樣本的特征向量與負樣本的支持向量，其余的負樣本特征向量丟棄；

使用訓練好的線性分類器繼續掃描負樣本，將分類結果大于0的特征向量替換丟棄掉的特征向量，直至所有的負樣本都被掃描，得到的分類器作為最終的分類器。

4.根據權利要求1所述的圖像識別方法，其特征在于，所述預設的PHOW分類器可通過以下動作得到：

計算每個歸一化的行人樣本的特征向量作為正樣本；

在多個尺度中掃描負樣本計算其特征向量，與正樣本的特征向量一起用SVM訓練初步線性分類器；

保留正樣本的特征向量與負樣本的支持向量，其余的負樣本特征向量丟棄；

使用訓練好的線性分類器繼續掃描負樣本，將分類結果大于0的特征向量替換丟棄掉的特征向量，重新使用SVM訓練線性分類器，直至所有的負樣本都被掃描，得到的分類器作為最終的分類器。

5.根據權利要求1所述的圖像識別方法，其特征在于，所述通過預設的PHOW字典提取所述初步判定為目標的多個窗口圖像的圖像特征包括兩個步驟，首先對窗口圖像進行金字塔SIFT特征提取，然后利用預設的PHOW字典對窗口圖像進行金字塔直方圖投票。

6.一種圖像識別系統，其特征在于，包括：

掃描模塊，用于獲取影像，并通過不同尺寸的掃描窗口對影像進行掃描，得到多個窗口圖像；

HOG-LBP特征提取模塊，用于提取各個所述窗口圖像的HOG-LBP特征向量；

HOG-LBP識別模塊，用于將所述多個HOG-LBP特征向量依次通過預設的HOG-LBP分類器進行識別，得到多個初步判定為目標的窗口圖像；

PHOW特征提取模塊，用于通過預設的PHOW字典提取所述初步判定為目標的多個窗口圖像的圖像特征；

PHOW識別模塊，用于將所述多個窗口圖像的圖像特征通過預設的PHOW分類器進行識別，過濾掉非目標窗口圖像，得到目標圖像窗口圖像；

聚類模塊，用于對所述目標窗口圖像進行聚類處理，得到目標圖像。

7.根據權利要求6所述的圖像識別系統，其特征在于，所述聚類模塊是使用帶權值的MeanShift方法對目標窗口圖像進行聚類處理。

8.根據權利要求6所述的圖像識別系統，其特征在于，所述預設的HOG-LBP分類器可通過以下動作得到：

計算每個歸一化的目標樣本的特征向量作為正樣本；

在多個尺度中掃描負樣本計算其特征向量，與正樣本的特征向量一起用SVM訓練初步線性分類器；

保留正樣本的特征向量與負樣本的支持向量，其余的負樣本特征向量丟棄；

使用訓練好的線性分類器繼續掃描負樣本，將分類結果大于0的特征向量替換丟棄掉的特征向量，直至所有的負樣本都被掃描，得到的分類器作為最終的分類器。