[發明專利]一種基于多特征融合與多核遷移學習的紅外人體目標圖像識別方法

有效

• 申請號: 201811345537.6
• 申請日: 2018-11-13
• 公開（公告）號: CN109583482B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 王鑫;張鑫;寧晨;黃鳳辰
• 申請（專利權）人: 河海大學
• 主分類號: G06V10/80
• 分類號: G06V10/80;G06V10/774;G06V40/10;G06K9/62
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 許方

1.一種基于多特征融合與多核遷移學習的紅外人體目標圖像識別方法，其特征在于，該方法包括以下步驟：

(1)采用紅外圖像構建訓練樣本集，可見光圖像構建輔助訓練樣本集；

(2)對訓練樣本集和輔助訓練樣本集中的樣本圖像，經單演信號濾波后進行CLBP特征提取得到特征MSF-CLBP；

(3)對訓練樣本集和輔助訓練樣本集中的樣本圖像，提取出圖像的局部HOG特征后進行Fisher Vector編碼得到特征HOG-FV；

(4)將上述提取出的特征MSF-CLBP與HOG-FV進行串聯融合；

(5)設計融合SVM多核分類器，并用TrAdaBoost遷移學習框架對融合所得到的樣本特征完成分類器的訓練；

(6)利用訓練好的分類器對待識別的紅外圖像進行分類識別，得到識別結果；

步驟(2)中，對練樣本集和輔助訓練樣本集中的樣本圖像，經單演信號濾波后進行CLBP特征提取得到特征MSF-CLBP，方法如下：

(2.1)單演信號濾波以原信號的Riesz變換為基礎，對于訓練樣本集中的任意一幅樣本圖像f(z)，坐標為z＝(x,y)，對應的Riesz變換表示為：

其中，x，y表示的是像素點在x軸和y軸方向上的坐標；z＝(x,y)，z指的是像素點在二維坐標系中的坐標，包括x軸和y軸兩個方向；

對于圖像f(z)，經過單演信號濾波后的信號表示為：

f_M(z)＝(f(z),f_x(z),f_y(z))＝(f(z),R_x(z)*f(z),R_y(z)*f(z))

其中，*代表卷積運算，通過計算局部幅值A，局部相位φ以及局部方向θ來對圖像進行解析，對應的計算公式如下：

(2.2)對上述經單演信號濾波后的圖像進行CLBP特征提取，來獲取圖像的紋理特征MSF-CLBP，通過對圖像中圓形子窗口中的像素值進行CLBP_S_P,R，CLBP_M_P,R以及CLBP_C_P,R三種算子的運算以獲取像素間差值的符號信息和差量信息以及中心像素點的灰度信息，對應的計算方法如下：

其中，P為所選圖像子窗口中像素點的個數；R為所選圓形子窗口的半徑；g_p為子窗口中像素點的灰度值，g_c為中心像素點的灰度值，g_n為圖像中像素點的灰度值，N為子窗口的個數；

(2.3)將CLBP_S_P,R與CLBP_M_P,R進行串聯，建立一個二維聯合直方圖，降為一維之后再與CLBP_C_P,R進行串聯，處理之后所得的特征即為樣本圖像的MSF-CLBP特征；

(2.4)通過上述方法計算得到訓練樣本集與輔助訓練樣本集的MSF-CLBP特征集，分別表示為S_MC與D_MC。

2.根據權利要求1所述的一種基于多特征融合與多核遷移學習的紅外人體目標圖像識別方法，其特征在于，步驟(1)中，所述可見光圖像的數目是紅外圖像數目的2-3倍。