[發明專利]一種基于多分類增量學習的分窗口計數方法及裝置

有效

• 申請號: 201711383683.3
• 申請日: 2017-12-20
• 公開（公告）號: CN108182439B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 解梅;秦國義;公衍翔;盧欣辰
• 申請（專利權）人: 電子科技大學
• 主分類號: G06V10/30
• 分類號: G06V10/30;G06V10/774;G06V10/764;G06K9/62;G06T7/136
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 鄒裕蓉

1.一種基于多分類增量學習的分窗口計數方法，其特征在于，包括以下步驟：

1)訓練步驟，針對各分區窗口訓練多分類模型，每一個窗口所對應的多分類模型由識別不同目標數的二分類器組成，每一個二分類器用于識別指定的一個目標數：

1-1)圖像采集步驟：在各窗口內采集不同目標數下的樣本圖像；

1-2)圖像預處理步驟：對所有樣本圖像進行高斯濾波消除噪聲，再進行灰度化以及二值化處理，得到窗口內目標總像素點數；

1-3)多分類模型訓練步驟：將各目標數下的樣本圖像的目標總像素點數，一方面作為指定識別該目標數的二分類器的正樣本輸入，另一方面作為識別其它目標數的二分類器的負樣本輸入；

2)計數步驟：

2-1)圖像采集步驟：將采集目標圖像按預置窗口進行分區；

2-2)圖像預處理步驟：對每個窗口的圖像進行高斯濾波消除噪聲，再進行灰度化以及二值化處理，得到窗口內目標總像素點數；

2-3)分類及模型增量學習步驟：將每個窗口內目標總像素點數輸入多分類模型，根據多分類模型的輸出結果得到目標數；根據目標數對目標總像素點數進行標注后，將標注后的目標總像素點數作新樣本使對應窗口多分類模型進行模型增量學習；

2-4)計數輸出：將目標圖像中所有窗口的目標數求總和作為計數結果；

多分類模型包括SVM多分類模型和AdaBoost多分類模型，SVM多分類模型、AdaBoost多分類模型各自由識別不同目標數的二分類器組成；

在訓練步驟中同時對SVM多分類模型、AdaBoost多分類模型進行訓練；

計數步驟中各窗口的SVM多分類模型、AdaBoost多分類模型同時輸出目標數，僅在SVM多分類模型、AdaBoost多分類模型輸出目標數相同的情況下，產生新樣本使對應窗口的SVM多分類模型、AdaBoost多分類模型進行模型增量學習；

單獨以SVM多分類模型或AdaBoost多分類模型下目標圖像中所有窗口的目標數求總和作為計數結果。

2.一種基于多分類增量學習的分窗口計數裝置，其特征在于，包括CCD攝像頭，暗箱，透明板，背光源，多窗模板，計算機，透明板覆蓋在背光源上，多窗模板與透明板之間由合頁旋轉軸連接，暗箱與透明板之間由合頁旋轉軸連接，CCD攝像頭與所述計算機之間數據連接，計算機執行如權利要求1所述方法。

3.如權利要求2所述裝置，其特征在于，所述背光源為冷光片。