[發(fā)明專利]基于結(jié)構(gòu)型Haar和Adaboost的目標檢測方法

在審

• 申請?zhí)枺?/td>: 201611033728.X
• 申請日: 2016-11-23
• 公開（公告）號: CN106971193A
• 公開（公告）日: 2017-07-21
• 發(fā)明（設(shè)計）人: 劉磊;鄧裕彬;劉乾坤;李業(yè)飛;張壯
• 申請（專利權(quán)）人: 南京理工大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 南京理工大學(xué)專利中心32203
• 代理人: 薛云燕

1.一種基于結(jié)構(gòu)型Haar和Adaboost的目標檢測方法，其特征在于，所述方法包括以下步驟：

步驟1，準備正例樣本和反例樣本，進行訓(xùn)練樣本的創(chuàng)建，得到正樣本向量描述文件和負樣本向量描述文件；

步驟2，構(gòu)造五種基本的類Haar特征，然后構(gòu)造以車輛為實例的結(jié)構(gòu)型Haar特征，分別計算結(jié)構(gòu)型Haar特征的特征值；

步驟3，分別進行弱分類器和強分類器的訓(xùn)練；

步驟4，將多個強分類器按照規(guī)則組合成為一個級聯(lián)的分類器；

步驟5，根據(jù)所得到的級聯(lián)分類器進行目標檢測。

2.根據(jù)權(quán)利要求1所述的基于結(jié)構(gòu)型Haar和Adaboost的目標檢測方法，其特征在于，步驟1所述進行訓(xùn)練樣本的創(chuàng)建，具體步驟為：

(1.1)訓(xùn)練樣本分為正例樣本和反例樣本，準備正例樣本圖片2500張，反例樣本圖片4500張，所有的樣本圖片格式轉(zhuǎn)換為.BMP格式，并且所有的樣本圖片歸一化為24×24的尺寸大小；

(1.2)采用分組的方式創(chuàng)建正樣本描述文件即向量文件。

3.根據(jù)權(quán)利要求1所述的基于結(jié)構(gòu)型Haar和Adaboost的目標檢測方法，其特征在于，步驟2所述構(gòu)造五種基本的類Haar特征，具體步驟為：

(2.1)利用步驟1中得到的向量描述文件，根據(jù)對檢測目標的結(jié)構(gòu)分析，構(gòu)造結(jié)構(gòu)型Haar特征；

(2.2)積分圖像中任意一像素點(x,y)的積分圖如下：

$ii(x,y)=\underset{x^{\′}\≤x,y^{\′}\≤y}{\Σ}i(x^{\′},y^{\′})---\left(1\right)$

其中，ii(x,y)表示像素點(x,y)的積分圖，i(x',y')為原圖像中點(x',y')的像素值；

通過對原始圖像的每個像素進行一遍順序掃描得到ii(x,y)，計算方法：

s(x,y)＝s(x,y-1)+i(x,y) (2)

ii(x,y)＝ii(x-1,y)+s(x,y) (3)

其中，

$s(x,y)=\underset{x^{\′}\<x}{\Σ}i(x^{\′},y)---\left(4\right)$

s(x,y)表示點(x,y)的y方向的所有原始圖像之和，i(x,y)表示原始圖像。