[發明專利]基于顯著性特征和遷移增量學習的多攝像機目標識別方法

有效

• 申請號: 201410165717.1
• 申請日: 2014-04-23
• 公開（公告）號: CN103984955B
• 公開（公告）日: 2017-02-22
• 發明（設計）人: 王慧燕;劉日積;王勛
• 申請（專利權）人: 浙江工商大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;H04N7/18
• 代理公司: 杭州天正專利事務所有限公司33201
• 代理人: 王兵,黃美娟

1.基于顯著特征和遷移增量學習的多攝像機目標識別方法，包括以下步：

步驟1提取灰度直方圖特征并歸一化：

p(r_k)＝n_k/MN

其中r_k是第k級灰度級，n_k是圖像中灰度為r_k的像素個數，M和N分別為圖像的行和列的維數，p(r_k)是灰度級r_k在圖像中出現的概率；灰度直方圖特征：

Fh→=(p(r0),p(r1),...,p(r255))]]>

步驟2提取顯著性特征：顯著性特征是基于區域對比度的視覺顯著性區域檢測算法，同時考慮了全局對比度和空間相干性；其步驟如下，

(2.1)計算圖像像素顯著值，得到顯著圖像；這里采用帶權值的區域對比度方法，來增強區域的空間影響效果，簡單地說，就是近鄰的區域影響增大，較遠的區域影響減小，對于任意區域r_k，顯著性值定義為：

S(rk)=Σrk≠riexp(-Ds(rk,ri)/σs2)ω(ri)Dr(rk,ri)]]>

其中，ω(r_i)為區域r_i的權值，D_s(r_k，r_i)為區域r_k和r_i的空間距離，D_r(r_k，r_i)為兩個區域r_k和r_i的顏色距離：

Dr(r1,r2)=Σi=1n1Σj=1n2f(c1,i)f(c2,j)D(c1,i,c2,j)]]>

其中，f(c_k，i)為第i個顏色c_k，i在第k個區域r_k的所有n_k種顏色中出現的概率

(2.2)將顯著性圖像轉換為特征向量；用p_i，j表示(a)中顯著性圖像的第i行，第j列的像素。顯著性特征向量：

Fs→=(p0,0,p0,1,...,pi,j,...,pM-1,N-1)]]>

其中，M和N分別表示為顯著性圖行和列的維數；

(2.3)顯著性特征向量歸一化；

步驟3特征融合：將上述步驟(2.1)(2.2)得到的兩個特征向量合并在一起，得到：

F→=(Fs→,Fh→,)]]>

步驟4分類識別：采用遷移增量學習的方法，基于LSSVM算法的改進，其核心是求解：

minW,wN+1,b12||W-W′||F2+12||WN+1-W′β||F2+C2Σi=1MΣn=1N+1(WnTF→+bn-Yin)2]]>

其中，W′＝[w′₁，…w′_N，]表示是由源樣本經過LSSVM方法得到的超平面，W＝[w₁，…，w_N]表示由訓練樣本經過上面公式得到的超平面；w_N，w′_N表示從N個類別里面分離出一個來的超平面；β是每個源模型的權重系數；Y是類別標簽矩陣，b_n是常量，||*||_F表示弗羅賓尼斯范數。