[發明專利]一種行人目標識別方法

在審

• 申請號: 202210655890.4
• 申請日: 2022-06-10
• 公開（公告）號: CN114973329A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 季云
• 申請（專利權）人: 天峋（常州）智能科技有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V20/52;G06V10/22;G06V10/764;G06V10/82;G06N3/00;G06N3/04;G06N3/08;G06N20/10
• 代理公司: 常州易瑞智新專利代理事務所(普通合伙) 32338
• 代理人: 潘悅

1.一種行人目標識別方法，其特征在于，所述方法包括：

S1：訓練數據標注，對數據集中行人進行標注，利用標注數據進行訓練與測試；

S2：建立麻雀搜索算法，模仿麻雀覓食和反捕食行為進行種群的策略更新；

S3：利用麻雀搜索算法優化最小二乘支持向量機；

S4：構建自編碼-極限學習機分類器；

S5：構建最小二乘支持向量機與自編碼-極限學習機結合的識別器。

2.根據權利要求1所述的一種行人目標識別方法，其特征在于，所述步驟S1包括：

S1.1：搜索包括前景區域的圖像像素塊最小的矩形區域；

S1.2：將行人所處像素塊按照最小矩形區域進行標記，標記為1，其余標記為0；

S1.3：將不同角度拍攝的行人進行分類，打上二級標簽，正面拍攝的標記為2，背面拍攝的標記為3，側面拍攝的標記為4。

3.根據權利要求1所述的一種行人目標識別方法，其特征在于，所述步驟S2包括：

S2.1：利用Logistic映射初始化種群，公式如下：

x＝lb+μ·r·(1-r)×(ub-lb)

式中x為種群，lb為閾值下限，ub為閾值上限，μ為調節參數，μ∈[0,4]，r為0-1的隨機數；

S2.2：確定發現者，發現者主要負責指引種群整體優化方向，具體位置更新公式如下：

其中第t+1代中第i行第j列麻雀，t表示當前迭代次數，α表示隨機數，范圍為[0,1]，預警值R范圍為[0,1]，安全值ST范圍為[0.5,1]，Q服從標準整正態分布的隨機數，L為1×D的矩陣，D為問題緯度，其所有元素均為1；

S2.3：確定加入者，加入者為非發現者個體，與發現者占比始終保持相同，且更新公式與發現者有關，公式如下：

式中表示第t代迭代中適應度值最差個體，表示第t+1代中適應度最優個體，A表示1×D矩陣，其中元素均為1或-1，A⁺＝A^T(AA^T)^-1；

S2.4：確定偵查者，偵察者是由發現者和加入者共同擔任，位置更新公式如下：

式中表示t代中最佳適應度的種群個體，β服從標準正態分布，控制更新步長，k屬于(-1,1)隨機數，f_i表示當前個體適應度值，f_{g_worst}表示當前最差適應度值，ξ為常數項，防止分母為0。

S2.5：引入自適應T分布改善更新步長，其中利用T分布更新公式如下：

式中，為變異后的麻雀位置；為第t代第i個麻雀個體的位置，t(iter)為以算法的迭代次數為參數自由度的t分布；

S2.6:適應度和最大迭代次數判斷，若滿足條件則輸出結果，如不滿足則返回步驟S2.2。

4.根據權利要求1所述的一種基于麻雀優化最小二乘支持向量機與自編碼優化極限學習機行人目標識別方法，其特征在于，所述步驟S3包括：

S3.1：初始化麻雀搜索算法的參數；

S3.2：利用logistics混沌映射函數生成混沌序列，即麻雀種群個體成員在初始解空間位置；

S3.3：建立最小二乘支持向量機網絡，將最小二乘支持向量機網絡分類錯誤率作為適應度函數；

S3.4：計算每只麻雀適應度值，確定最優解和最差解個體位置；

S3.5：確定種群中發現者，更新發現者位置；

S3.6：確定跟隨者，更新跟隨者位置；

S3.7：確定種群中意識到危險個體數量，計算更新位置；

S3.8：randp,對個體進行T分布變異，rand為0～1的隨機數，p＝0.5；

S3.9：計算變異前后種群適應度，確定種群最優解；

S3.10：如果達到最大迭代次數或滿足閾值，輸出最優核參數和懲罰因子，若為滿足返回步驟S3.4；

S3.11：利用最優核參數和懲罰因子建立最小二乘支持向量機網絡，進行分類，輸出分類結果。