[發明專利]一種基于方向梯度特征學習的目標檢測方法

有效

• 申請號: 201710146530.0
• 申請日: 2017-03-13
• 公開（公告）號: CN107145894B
• 公開（公告）日: 2020-03-13
• 發明（設計）人: 鄭慧誠;何娜;陳佳捷;羅子泉;朱睿
• 申請（專利權）人: 中山大學;佛山市新東方電子技術工程有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于方向梯度特征學習的目標檢測方法，其特征在于：包括以下步驟：

(1).方向梯度特征學習

S1.采集N₊個只含目標的圖像區域和N_-個不含目標的圖像區域構成圖像區域訓練集X，在圖像區域上每隔s個像素定義一個大小為w×h像素的圖像塊；

S2.對于訓練集X中的每個圖像區域，計算其每個像素點的梯度大小及方向；

S3.將梯度方向分成l個連續的方向區間，然后為每個圖像區域生成l幅方向梯度圖，其具體過程如下：

S31.對于方向區間g的方向梯度圖，若圖像區域某個位置像素點的梯度方向在方向區間g內，則該方向梯度圖在相同位置的取值設為步驟S2計算得到的像素點的梯度大小，否則將該方向梯度圖在此處的取值置為0；

S32.通過對每個像素點進行步驟S31的操作得到訓練集X中每個圖像區域在方向區間g的方向梯度圖；

S33.通過對每個方向區間進行步驟S31、S32的操作得到訓練集X中每個圖像區域的l幅方向梯度圖；

S4.對圖像區域的每幅方向梯度圖，基于S1中所述分塊方式得到對應的方向梯度圖像塊集合；

S5.對于每個方向區間的方向梯度圖像塊集合，執行以下操作：

S51.從方向區間g的方向梯度圖像塊集合中選出若干方向梯度圖像塊形成方向梯度特征學習的訓練集；

S52.設方向梯度圖像塊訓練集為其中N為訓練集P中正樣本、負樣本的總數，x_i表示第i個方向梯度圖像塊，y_i表示第i個方向梯度圖像塊的類標；當x_i屬于正樣本時，y_i＝1；當x_i屬于負樣本時，y_i＝-1；設x_i上包括有若干不同位置與大小的矩形區域，這些矩形區域的特征用矩形區域內的梯度大小之和來表示；令表示第i個方向梯度圖像塊中第m個矩形區域的特征，m＝1:M，M表示x_i中所有的矩形區域的總數，對應的訓練集P中每個方向梯度圖像塊都會得到M個矩形區域；

S53.初始化訓練集P中所有樣本的權重：w_1,i＝1/N,i＝1,...,N；

S54.初始化迭代參數t＝1；

S55.為方向梯度圖像塊中的各矩形區域訓練弱分類器；

S56.計算每個弱分類器在訓練集P中所有樣本上的加權總誤差，挑選出使加權總誤差最小的弱分類器

其中h_m表示基于訓練集P中方向梯度圖像塊的第m個矩形區域訓練得到的弱分類器，H表示所有矩形區域弱分類器的集合；δ(·)為指示函數，當其參數為真時函數值為1，否則函數值為0；

S57.計算的權重α_t：

其中表示最小的加權總誤差；

S58.更新訓練集P中所有樣本的權重：

S59.令t＝t+1然后重復執行步驟S55～S58，直至t>r；

S510.執行完畢步驟S59后將訓練過程中選中的前r個弱分類器對應的矩形區域在方向梯度圖像塊中的位置進行輸出；

S511.方向區間g的方向梯度圖像塊集合中的各個方向梯度圖像塊按照步驟S510輸出的位置信息提取相應方向梯度圖像塊中的r個矩形區域；

S512.對各個方向區間的方向梯度圖像塊集合進行步驟S51～S511的操作，此時圖像區域中各個圖像塊對應的l個方向區間的方向梯度圖像塊都分別提取有r個矩形區域，計算每個矩形區域內的梯度大小之和，最后圖像塊就可以用一個lr維的方向梯度特征向量表示；

(2).訓練級聯目標檢測器

S6.設定全局的假陽率F_t及最小真陽率d_min，以及初始化級聯次數j＝1，初始化全局假陽率F_j＝1.0，全局真陽率D_j＝1.0；

S7.基于(1)中提取的方向梯度特征向量，為圖像區域中的每個圖像塊訓練弱分類器，以AUC為收斂準則進行若干次boosting迭代，每次迭代挑選出一個最優的弱分類器；

S8.采用Gentle Adaboost整合步驟S7選中的所有弱分類器得到強分類器H^j(x)；

S9.利用H^j(x)預測訓練集X中所有圖像區域的得分，并生成ROC曲線；在ROC曲線上查找使d_j＝d_min的點(d_j,f_j)，其中d_j表示真陽率，f_j表示假陽率；

S10.令j＝j+1，然后更新F_j、D_j，F_j+1＝F_j×f_j，D_j+1＝D_j×d_j；

S11.當F_j>F_t時，重復執行步驟S7-S11；F_j小于或等于F_t時，輸出級聯目標檢測器；

(3).目標檢測

S12.使用多個窗口掃描可能包含目標的待檢測圖像，提取每個掃描窗口的方向梯度特征；

S13.采用訓練好的級聯目標檢測器對掃描窗口進行二分類檢測，輸出檢測到的結果。