[發明專利]基于HOG特征人體感知分類器的訓練方法

在審

• 申請號: 201410308775.5
• 申請日: 2014-07-01
• 公開（公告）號: CN104091178A
• 公開（公告）日: 2014-10-08
• 發明（設計）人: 游萌
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06K9/00
• 代理公司: 成都虹橋專利事務所(普通合伙) 51124
• 代理人: 劉世平

技術領域

本發明涉及人體感知技術，特別涉及基于HOG特征的人體感知分類器。

背景技術

對象檢測與識別是計算機視覺中一個重要的研究領域，它是指計算機按照人的思維能夠進行人類對特定對象的檢測及識別活動。其應用極其廣泛，快速而準確的對象檢測與識別技術是現代信息處理技術中的重要組成部分。由于信息量近年來急劇地增長，我們也迫切的需要有合適的對象檢測以及識別技術能夠讓人們從大量的信息中尋找出自己所需要的信息。圖像檢索及文字檢索都屬于這一類別。此外，對象檢測與識別技術還廣泛的用于公安以及交通監管等系統，人臉的檢測與識別能夠使計算機做到在實時的情況下快速的檢測出場景中的人臉并對其實施跟蹤。人臉的識別系統可以用于公安、邊防以及數據庫的快速查找等諸多領域。而人體的檢測與識別則可以用于各種需要的安全控制場合進行實時的監控需要。此外，車輛的檢測與識別能夠在箭筒監管部門發揮重要的作用，對車牌的檢測以及識別是智能交通管理系統中的重要組成部分。而文字的檢測與識別系統則是新聞等重要咨詢系統中進行信息檢索的基本條件。綜上，檢測與識別技術是計算機視覺的重要組成部分。

HOG特征使用比較廣泛，在當前的計算機視覺應用中，HOG特征主要作為行人檢測，由于計算速度快，但檢測準確度等方面卻存在缺陷。而且不同行人的體型姿勢，衣著光照等方面都有著極大的變化,加上復雜的背景等存在技術難點。在家電系統等嵌入式平臺受存儲空間資源限制的條件下，也不可能使用類似PC機等CPU資源。所以有必要研究針對人體感知方面處理數據快速的算法，增加程序的適應性，進而對應用程序提出了更高的要求。

在計算機視覺行業內，越來越多的針對某一種物體的檢測而專門設計分類器。在為提升處理速度和準確度方面，HOG特征和cascade的組合更是相得益彰。

發明內容

本發明的目的是為了提供一種快速準確基于HOG特征人體感知分類器的學習訓練方法。

為達到上述目的，本發明提供一種基于HOG特征人體感知分類器的訓練方法，包括如下步驟：

A.創建訓練樣本集并對訓練樣本集中的樣本進行HOG特征提取，設定分類器需要達到的強度值，所述訓練樣本集包括正樣本集及負樣本集，所述正樣本集中的正樣本為被檢測的目標對象，所述負樣本集中的負樣本從不包含任何被檢測的目標對象信息的源負樣本中抽樣得到；

B.從正樣本訓練窗口和負樣本的初始訓練窗口中得到一個基本分類器，所述正樣本訓練窗口為檢測目標居中的圖像，所述負樣本的初始化訓練窗口從一系列不包含目標對象的圖像中隨機產生；

C.使用基本分類器對源負樣本進行掃描，得到錯誤樣本，所述錯誤樣本為源負樣本檢測出目標對象的樣本，將錯誤樣本添加到負樣本集中，同正樣本集一起對基本分類器進行訓練，；

D.重復步驟C，得到分層次的弱分類器，將不同層次的弱分類器進行級連得到強分類器，強分類器達到設定的分類器需要達到的強度值時結束訓練。

優選地，所述正樣本的尺寸大小為48*48像素。

較佳地，所述正樣本及負樣本的數量均在12000個以上。

較佳地，步驟D中，重復步驟C的次數至少為50次。

具體地，所述正樣本只包括人體肩膀以上部位的圖像，每一個正樣本只包含一個目標對象。

本發明的有益效果是：通過上述的方法，可以在不占用大量內存空間的情況下，實現人體檢測分類器的訓練，可以促進基于HOG特征在人體圖像檢測技術在智能家電中的應用，提高了家電的智能性，提升了用戶體驗。

具體實施方式

本發明所要解決的技術問題主要針對可視對象檢測問題，依賴計算機視覺的角度出發構建一個針對行人的檢測分類器。分類器的構建是使用梯度直方圖(Histogram?of?Oriented?Gradient：HOG)，在該分類器的設計主要針對人體上半身圖像和更加貼近自然實景的行人圖像數據采集過程。