[發(fā)明專利]一種行人識(shí)別及定位方法在審
| 申請(qǐng)?zhí)枺?/td> | 201811337935.3 | 申請(qǐng)日: | 2018-11-12 |
| 公開(kāi)(公告)號(hào): | CN109614870A | 公開(kāi)(公告)日: | 2019-04-12 |
| 發(fā)明(設(shè)計(jì))人: | 張軍;陳偉能;詹志輝;余維杰 | 申請(qǐng)(專利權(quán))人: | 華南理工大學(xué) |
| 主分類號(hào): | G06K9/00 | 分類號(hào): | G06K9/00;G06K9/32;G06K9/62 |
| 代理公司: | 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245 | 代理人: | 劉巧霞 |
| 地址: | 510640 廣*** | 國(guó)省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 矩形區(qū)域 行人識(shí)別 檢測(cè) 訓(xùn)練階段 向量 圖像 定位圖像 多峰分布 估計(jì)算法 檢測(cè)結(jié)果 檢測(cè)圖像 矩形窗口 輸出檢測(cè) 正樣本集 線性SVM 分類器 負(fù)樣本 樣本 判定 制作 | ||
1.一種行人識(shí)別及定位方法,其特征在于,包括訓(xùn)練階段和檢測(cè)階段;
訓(xùn)練階段具體包括以下步驟:
S1.1、制作正樣本集和負(fù)樣本集;
S1.2、從正負(fù)樣本集里提取HOG特征,構(gòu)成特征向量;
S1.3、利用步驟S1.2中得到的特征向量訓(xùn)練線性SVM分類器;
檢測(cè)階段具體包括以下步驟:
S2.1、編碼:圖像的矩形區(qū)域可用三維向量(x,y,z)表示,其中(x,y)是輸入圖像中的矩形區(qū)域左上角的橫縱坐標(biāo),z是矩形區(qū)域相對(duì)于正負(fù)樣本集尺寸的比例;種群個(gè)體的編碼方式也為(x,y,z),即每個(gè)個(gè)體對(duì)應(yīng)圖像的一個(gè)矩形區(qū)域,同時(shí),保證檢測(cè)窗口不超出原始圖片的范圍;
S2.2、隨機(jī)初始化第一代種群,給定種群大小NP、行人檢測(cè)閾值θ;
S2.3、聚類個(gè)體:利用niching策略聚類種群中相似個(gè)體,將整個(gè)種群劃分為若干個(gè)niches;
S2.4、分布估計(jì)及產(chǎn)生后代:待種群劃分完成后,首先對(duì)每個(gè)niche進(jìn)行分布估計(jì),得到每個(gè)niche的均值和標(biāo)準(zhǔn)差,接下來(lái)根據(jù)所得到的分布結(jié)果運(yùn)用高斯分布及柯西分布,產(chǎn)生下一代種群;
S2.5、個(gè)體篩選:在每個(gè)niche中,將新生成的個(gè)體逐個(gè)與該niche中與之最相似的個(gè)體進(jìn)行比較,剔除二者適應(yīng)度較低的個(gè)體;
S2.6、局部搜索:以一定的概率對(duì)每個(gè)niche中適應(yīng)度最高的個(gè)體進(jìn)行局部搜索;
S2.7、判斷:如果滿足結(jié)束條件則進(jìn)入步驟S2.8,否則返回到步驟S2;
S2.8、個(gè)體篩選:將種群里滿足閾值條件的個(gè)體提取出來(lái)組成一個(gè)新的集合,并移除集合中區(qū)分度較小的個(gè)體;
S2.9、根據(jù)步驟S2.8中的構(gòu)成的集合中的個(gè)體攜帶的信息,標(biāo)記出圖中的包含行人的矩形區(qū)域;
S2.10、輸出:輸出標(biāo)記有包含行人區(qū)域的圖片。
2.根據(jù)權(quán)利要求1所述的行人識(shí)別及定位方法,其特征在于,所屬步驟S1.1中,將行人從包含行人的圖片集中裁剪出來(lái),調(diào)整尺寸,構(gòu)成正樣本集;將不包含行人的區(qū)域裁剪出來(lái)、調(diào)整尺寸,構(gòu)成負(fù)樣本集。
3.根據(jù)權(quán)利要求1所述的行人識(shí)別及定位方法,其特征在于,所述步驟S2.2中,隨機(jī)產(chǎn)生第一代種群的公式為:
其中,d表示維度,取1,2,3;xi是種群中的第i個(gè)個(gè)體;和分別是第d維的最大值、最小值,其中三維的最小值皆為0;rand()隨機(jī)生成在[0,1)內(nèi)的實(shí)數(shù)。
4.根據(jù)權(quán)利要求1所述的行人識(shí)別及定位方法,其特征在于,所述步驟S2.3中的niching策略具體步驟為:
S2.3.1、隨機(jī)在種群中挑選一個(gè)還沒(méi)被選中的個(gè)體;
S2.3.2、從剩下的種群中挑選出NS-1個(gè)距離被選出的個(gè)體距離最近的個(gè)體,并將它們組成一個(gè)niche,NS表示niche大小;
S2.3.3、若所有個(gè)體皆已被劃分完成,則niching策略結(jié)束,否則跳回步驟S2.3.1繼續(xù)劃分剩下的個(gè)體。
5.根據(jù)權(quán)利要求1所述的行人識(shí)別及定位方法,其特征在于,所述步驟S2.4產(chǎn)生下一代種群的具體方法為:
其中Cj為第j個(gè)niche產(chǎn)生的后代,μj和δj是第j個(gè)niche的均值及標(biāo)準(zhǔn)差,rand()隨機(jī)生成在[0,1)內(nèi)的實(shí)數(shù)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于華南理工大學(xué),未經(jīng)華南理工大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811337935.3/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書寫字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測(cè)或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無(wú)須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 目標(biāo)對(duì)象的屬性識(shí)別方法及裝置
- 行人畫像的生成及基于畫像的行人識(shí)別
- 一種基于人臉識(shí)別與行人重識(shí)別的特定目標(biāo)跟蹤方法
- 一種行人再識(shí)別方法及設(shè)備
- 行人識(shí)別系統(tǒng)、識(shí)別方法及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)
- 行人重識(shí)別方法、裝置及存儲(chǔ)介質(zhì)
- 行人重識(shí)別的方法、裝置、終端及存儲(chǔ)介質(zhì)
- 一種融合行人屬性的行人重識(shí)別的方法
- 行人再識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)
- 行人重識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)
- 檢測(cè)裝置、檢測(cè)方法和檢測(cè)組件
- 檢測(cè)方法、檢測(cè)裝置和檢測(cè)系統(tǒng)
- 檢測(cè)裝置、檢測(cè)方法以及記錄介質(zhì)
- 檢測(cè)設(shè)備、檢測(cè)系統(tǒng)和檢測(cè)方法
- 檢測(cè)芯片、檢測(cè)設(shè)備、檢測(cè)系統(tǒng)和檢測(cè)方法
- 檢測(cè)裝置、檢測(cè)設(shè)備及檢測(cè)方法
- 檢測(cè)芯片、檢測(cè)設(shè)備、檢測(cè)系統(tǒng)
- 檢測(cè)組件、檢測(cè)裝置以及檢測(cè)系統(tǒng)
- 檢測(cè)裝置、檢測(cè)方法及檢測(cè)程序
- 檢測(cè)電路、檢測(cè)裝置及檢測(cè)系統(tǒng)
- 一種數(shù)據(jù)挖掘訓(xùn)練模型的生成方法
- 一種基于機(jī)器人仿真與物理采樣結(jié)合的深度學(xué)習(xí)訓(xùn)練方法
- 模型訓(xùn)練方法、圖像特征提取方法、裝置及電子設(shè)備
- 年齡預(yù)估模型訓(xùn)練方法、面部圖像識(shí)別方法及裝置
- 一種基于金字塔輸入增益的卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法
- 分類模型的訓(xùn)練方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)
- 人臉特征點(diǎn)模型的訓(xùn)練方法、裝置及終端設(shè)備
- 一種圖像生成方法、裝置及設(shè)備
- 一種模型訓(xùn)練方法、裝置、設(shè)備、系統(tǒng)及存儲(chǔ)介質(zhì)
- 一種基于車聯(lián)網(wǎng)大數(shù)據(jù)的車輛能耗評(píng)價(jià)方法





