[發明專利]基于方向梯度二值模式和軟級聯SVM的實時目標檢測方法

有效

• 申請號: 201510733481.1
• 申請日: 2015-11-02
• 公開（公告）號: CN105260749B
• 公開（公告）日: 2018-11-13
• 發明（設計）人: 朱偉;趙春光;付乾良;鄭堅;王壽峰;馬浩;張奔;杜翰宇
• 申請（專利權）人: 中國電子科技集團公司第二十八研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 王培松;朱顯國

1.一種基于方向梯度二值模式和軟級聯SVM的實時目標檢測方法，特征在于，包括以下步驟：

(1)ORBP特征提?。簩D像源樣本進行對比度變換預處理，將梯度方向等分為K份，分別計算圖像Sobel邊緣下各個方向塊梯度圖；然后根據方向塊梯度圖水平與垂直方向的累積響應，生成ORBP特征；

(2)軟級聯分類器SVM的構建：根據圖像源樣本的ORBP特征，計算所有樣本的響應，找到正樣本邊界分類對應的閾值與特征向量，然后將待檢測窗口依次送入軟級聯分類器，通過當前窗口響應大小來判斷是否屬于目標；

(3)軟級聯分類器特征訓練：對標定正樣本目標圖像進行正負樣本生成，隨機選取正負樣本各N個，對樣本進行ORBP特征描述，然后利用構建的軟級聯SVM分類器完成對樣本特征訓練；

(4)目標窗口追蹤更新：根據軟級聯SVM訓練出來的分類器，對圖像序列進行目標窗口檢測，利用shi-Tomasi角點檢測方法提取目標窗口的特征點，根據Median-Flow追蹤器判定當前特征點是否為最佳追蹤點；然后通過最佳跟蹤點計算下一幀目標窗口預測位置，利用級聯分類器的起始分類器進行目標判定，最終輸出目標檢測窗口。

2.如權利要求1所述的基于方向梯度二值模式和軟級聯SVM的實時目標檢測方法，其特征在于，所述步驟(1)中ORBP特征提取的具體方法包括以下步驟：

(1)對圖像源樣本進行對比度變換預處理操作，預處理操作包含Gaussian平滑濾波和對比度歸一化處理；

(2)將梯度方向等分為K份，分別計算Sobel邊緣下各個梯度方向下的梯度幅值，將K個方向范圍的梯度模長放入對應M個子塊矩陣中，生成相應的邊緣方向塊梯度圖；

(3)對每個邊緣方向梯度圖進行水平與垂直方向邊緣劃分，分別統計水平與垂直方向累計響應；

(4)根據水平方向上下累計響應與垂直方向左右累計響應大小比較生成ORBP特征。

3.如權利要求1所述基于方向梯度二值模式和軟級聯SVM的實時目標檢測方法，其特征在于，所述步驟(2)中軟級聯SVM的構建，具體實現包括：

(1)計算互相關特征相似度判定：對圖像源樣本提取ORBP特征，利用互相關計算特征間的相似度，根據歸一化互相關系數判定該樣本特征選取是否有效；

(2)級聯閾值的生成：構造n維的線性SVM的軟級聯分類器h_k(x)：

其中w_i為分類決策平面i的支撐向量，x_i為對應的i維特征；級聯分類器在每一級特征選取時根據互相關特征判定其是否有效，然后根據h_k(x)計算所有樣本的響應，找到正樣本邊界分類對應的閾值，該級對應的閾值和特征將會加入到k＋1級計算響應h_k＋1(x)；

(3)級聯分類的判定：將待檢測所有窗口依次送入軟級聯分類器，利用級聯得到的閾值和特征對待檢測窗進行窗篩選，當前窗口的響應小于決策閾值時將會認為是非目標，然后將剩余的窗口進行下一級級聯分類器判定：若當前窗口響應高于當前級分類器決策閾值時，則認為當前窗口為目標。

4.如權利要求1所述基于方向梯度二值模式和軟級聯SVM的實時目標檢測方法，其特征在于，所述步驟(3)中，生成正負樣本具體包括：

1)正樣本生成：對標定的正樣本目標圖像用不同尺度的窗口進行掃描，從目標鄰域附近選取10個與它距離最近的包圍框，根據窗口相交面積比的大小判定當前選取的正樣本是否符合條件；

2)負樣本生成：正樣本選取的同時，正樣本窗口位置進行上下左右平移，當窗口相交面積低于一定閾值時認為當前窗口產生的樣本為負樣本，每種尺度同樣產生最多4個位置窗口作為負樣本。