[發(fā)明專(zhuān)利]一種基于極坐標(biāo)下Fourier頻譜的防護(hù)網(wǎng)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410191701.8
• 申請(qǐng)日: 2014-05-08
• 公開(kāi)（公告）號(hào): CN103996050A
• 公開(kāi)（公告）日: 2014-08-20
• 發(fā)明（設(shè)計(jì)）人: 楊文明;李得第;謝正偉;張麗;廖慶敏
• 申請(qǐng)（專(zhuān)利權(quán)）人: 清華大學(xué)深圳研究生院;深圳市星谷科技有限公司
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;H04N7/18;G06Q50/26
• 代理公司: 廣州市南鋒專(zhuān)利事務(wù)所有限公司 44228
• 代理人: 張志醒

1.一種基于極坐標(biāo)下Fourier頻譜的防護(hù)網(wǎng)檢測(cè)方法，其特征在于，它包括以下步驟:

S1、建立防護(hù)網(wǎng)訓(xùn)練樣本庫(kù)，該訓(xùn)練樣本庫(kù)包括有防護(hù)網(wǎng)的正樣本圖像庫(kù)及沒(méi)有防護(hù)網(wǎng)的副樣本圖像庫(kù)；

S2、對(duì)正樣本圖像庫(kù)中的圖像進(jìn)行滑窗處理，并對(duì)滑窗處理后的每一小塊圖像做Fourier變換；

S3、對(duì)經(jīng)過(guò)Fourier變換的圖像采用極坐標(biāo)變換，統(tǒng)計(jì)出尖峰值，作為防護(hù)網(wǎng)的紋理特征；

S4、將提取的各個(gè)紋理特征送入分類(lèi)器中，利用Adaboost算法進(jìn)行分類(lèi)訓(xùn)練，得到基于防護(hù)網(wǎng)訓(xùn)練樣本庫(kù)的智能分類(lèi)器；

S5、完成訓(xùn)練階段后進(jìn)行防護(hù)網(wǎng)檢測(cè)；

S51、對(duì)需要監(jiān)控的區(qū)域布防攝像頭，構(gòu)建監(jiān)控系統(tǒng)；

S52、對(duì)從攝像頭處輸出的視頻文件通過(guò)滑窗處理，進(jìn)行圖片的采集；

S53、通過(guò)已經(jīng)訓(xùn)練好的智能分類(lèi)器對(duì)每一個(gè)采集到的圖片進(jìn)行掃描，提取相關(guān)特征，進(jìn)行權(quán)重匹配，并進(jìn)行判決，當(dāng)判斷出的圖片有防護(hù)網(wǎng)時(shí)，隨即實(shí)行報(bào)警備案。

2.根據(jù)權(quán)利要求1所述的一種基于極坐標(biāo)下Fourier頻譜的防護(hù)網(wǎng)檢測(cè)方法，其特征在于，步驟S3之后還包括：統(tǒng)計(jì)每一小塊圖像的色度信息及平坦度信息，并將每一小塊圖像的色度信息及平坦度信息與紋理特征信息相融合，形成混合特征，送入分類(lèi)器中訓(xùn)練。

3.根據(jù)權(quán)利要求1所述的一種基于極坐標(biāo)下Fourier頻譜的防護(hù)網(wǎng)檢測(cè)方法，其特征在于，步驟S2中，所述滑窗的大小為100cm*100cm。

4.根據(jù)權(quán)利要求1所述的一種基于極坐標(biāo)下Fourier頻譜的防護(hù)網(wǎng)檢測(cè)方法，其特征在于，步驟S51中，所述攝像頭為可旋轉(zhuǎn)式高清攝像頭。