[發明專利]一種基于隨機蕨分類器的半自主在線學習方法

有效

• 申請號: 201410317479.1
• 申請日: 2014-07-04
• 公開（公告）號: CN104063713B
• 公開（公告）日: 2017-11-17
• 發明（設計）人: 羅大鵬;韓家寶;魏龍生;王勇;馬麗
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 湖北武漢永嘉專利代理有限公司42102
• 代理人: 王丹

1.一種基于隨機蕨分類器的半自主在線學習方法，其特征在于：它包括以下步驟：

1)準備初始訓練分類器的樣本集：

針對待檢測目標類，在視頻圖像的第一幀中框選出一個目標，對該目標圖片進行仿射變換得到的圖片作為正樣本；以不含有目標的背景圖像區域作為負樣本；如此隨機的獲取一定數量的正樣本和負樣本作為初始訓練分類器的樣本集；

2)隨機蕨分類器初始訓練：

使用準備好的初始訓練分類器的樣本集對隨機蕨分類器進行初始訓練，初始訓練好的隨機蕨分類器即為當前目標檢測器，遍歷待檢測的視頻圖像進行目標檢測；

步驟2)的具體方法如下：

2.1)構造隨機蕨：

對樣本集中的單個樣本上隨機取s對特征點作為一組隨機蕨，每個樣本取特征點的位置相同，每對特征點進行像素值的比較，每對特征點中前一個特征點像素值大則取特征值為1，反之則取特征值為0，s對特征點比較后得到的s個特征值按照隨機的順序構成一個s位的二進制數，即為該組隨機蕨的隨機蕨數值，每個樣本的隨機蕨中特征值的順序一致；

2.2)計算隨機蕨數值在正負樣本類上的后驗概率：

隨機蕨中，有一部分為正樣本得到的，其它為負樣本得到的；隨機蕨數值的取值種類有2^s個；

統計每種隨機蕨數值的取值的正樣本個數，從而獲得隨機蕨數值在正樣本類C₁上的后驗概率分布P(F_l|C₁)；同理獲得隨機蕨數值在負樣本類C₀上的后驗概率分布P(F_l|C₀)；聯合所有隨機蕨對初始訓練分類器的樣本集進行分類，即為隨機蕨分類器；

2.3)采用隨機蕨分類器在每幀視頻圖像中進行目標檢測：

遍歷待檢測的每幀視頻圖像，在每幀視頻圖像中提取相同大小的圖像塊作為待測樣本，待測樣本的大小與步驟1)中正樣本的大小相等，計算每個待測樣本的隨機蕨數值，從而得到相應的后驗概率，最后由隨機蕨分類器計算其類別；

對于類別為正樣本的圖像塊，則作為目標被檢測出來；

3)獲得在線學習樣本：

對于步驟2)中得到的檢測后的視頻圖像，采用人工判斷其檢測結果的正確性，對于正確的檢測結果人工標注為正樣本，否則為負樣本，對漏檢的視頻圖像標注為正樣本；判斷后的正負樣本為在線學習樣本；

4)隨機蕨分類器的在線訓練：

使用步驟3)獲得的正負樣本對隨機蕨分類器進行在線學習，逐漸提高其分類精度；

步驟4)的具體方法如下：

4.1)將步驟3)獲得的正負樣本作為在線學習樣本；設一個在線學習樣本為(f_new，c_k)，其中f_new為隨機蕨s位的二進制數，c_k為樣本類別，計算該在線學習樣本的隨機蕨數值；

4.2)對步驟2.1)樣本集中類別為c_k的樣本總數加1，類別為c_k的與該在線學習樣本的隨機蕨數值相同的樣本數加1；其它隨機蕨數值的樣本數不變；

4.3)根據更新后的樣本數，重新計算隨機蕨數值在該樣本類上的后驗概率分布；

4.4)每新增一個在線學習樣本，便重復4.1)至4.3)對后驗概率分布進行更新一次；

步驟4)隨機蕨分類器的在線學習通過更新后驗概率分布實現。

2.一種利用權利要求1所述的基于隨機蕨分類器的半自主在線學習方法實現的目標檢測方法，其特征在于：當基于隨機蕨分類器的半自主在線學習方法的步驟3)人工判斷其結果為全部正確時，采用隨機蕨分類器對目標進行檢測。