[发明专利]一种用于行人检测的树状组合分类方法

权利要求书

1、一种应用于行人检测的动态生成树状组合分类器的方法，其特征在于：

(1)读入训练样本，训练样本包含有一个完整行人的正样本和形似行人的物体负样本，其中负样本数量远大于正样本数量；

(2)对步骤(1)读入的所有样本提取特征，生成特征向量；

(3)初始化树状组合分类器结构，使其为一棵只有一个根节点的树，其中根节点为一个永真的单分类器，即对任意输入向量的分类结果均为True；

(4)判断树中是否存在可扩展的叶子节点，若不存在则表示组合分类器训练完毕，转步骤(10)；

(5)选择一个可扩展的叶子节点，作为待训练单分类器的父节点，并针对该待训练单分类器选择训练样本；

(6)使用AdaBoost算法训练得到一个单分类器；

(7)判断由步骤(6)训练得到的分类器是否满足可分裂条件，若满足则把此单分类器加入到树中，转步骤(4)；

(8)把训练此单分类器的样本分为两份，重新训练，得到两个单分类器并加入到树中；

(9)转步骤(4)继续构造组合分类器直到满足结束条件；

(10)利用以上步骤所得到的树状组合分类器对待检测目标分类，得到最终的检测结果。

2、根据权利要求1所述的应用于行人检测的动态生成树状组合分类器的方法，其特征在于：所述步骤(2)所有样本提取特征，生成特征向量的方法如下：

(1)选择一个矩形框特征：采用Haar-like特征作为一种矩形框特征，包括黑色区域和白色两种区域，每个特征可以放在样本图像的任意位置上，白色矩形框内象素和与黑色矩形框内象素和的差就是特征值；

(2)根据上述的特征值，采用协同进化算法优选出分类性能最强的由大于或等于400个特征组成的特征子集，得到特征向量。

3、根据权利要求2所述的应用于行人检测的动态生成树状组合分类器的方法，其特征在于：所述的协同进化算法为：

a、初始化n个种群，每个种群对应一类特征，每个种群随机生成N个个体，每个个体编码为二进制串，表示一个特征子集，其中N的取值范围为[100，300]；

b、将个体解码为特征组合，得到新的样本子集，计算所有个体的适应度；

c、判断是否满足特征选择终止条件，若满足则将每个种群中的最好个体所表示特征子集作为算法的最优解；

d、根据每个个体的适应度，选择个体，使用单点交叉法及变异生成下代个体；

e、返回步骤b继续进化种群直到满足步骤c的特征选择终止条件。

4、根据权利要求1所述的应用于行人检测的动态生成树状组合分类器的方法，其特征在于：所述的步骤(4)中判断树中是否存在可扩展的叶子节点的方法为：把从根到叶子的路径看作为一个串联组合分类器，若其误报率不能满足要求，则表示还需要在此叶子后添加节点，即单分类器，并认为此叶子是可扩展的。

5、根据权利要求1所述的应用于行人检测的动态生成树状组合分类器的方法，其特征在于：所述的步骤(5)选择一个可扩展的叶子节点，作为待训练单分类器的父节点，并针对该待训练单分类器选择训练样本的方法如下：

(1)正样本即训练当前可扩展节点分类器的正样本；

(2)负样本取自于被从根到当前可扩展节点的串联分类器误判为行人的负样本集合，负样本的数量与正样本数量大致相当即可。