[发明专利]基于部件结构模型的目标检测与识别方法

权利要求书

1.一种基于部件结构模型的目标检测与识别方法，其特征在于，将部件结构模型和级联分类器相结合的半监督目标检测与定位识别算法，该方法的实现步骤如下：

步骤S1：采用积分直方图提取目标整体以及目标各个部件内不同模块大小的梯度方向直方图特征，所述不同模块的长宽和长宽比例变动范围由目标及目标各个部件大小确定；

步骤S2：根据提取的特征，分别对目标整体以及目标各个部件训练，生成boost级联分类器，级联分类器中的弱分类器由梯度方向直方图特征向量的每一个方向成员构成；

步骤S3：采用半监督的训练方式，由手工标注方式确定目标的位置，而目标各个部件的位置由训练目标整体boost级联分类器过程中所挑选出的区分能力较强的若干弱分类器所在模块的位置确定；

步骤S4：根据获得的目标整体和目标各个部件的位置，采用星型结构训练目标整体以及目标各个部件之间的空间关系模型；

步骤S5：用boost级联分类器分别检测目标整体和目标各个部件，得到目标整体以及目标各个部件检测代价图，然后利用距离变换以及目标各个部件之间的相对位置关系实现目标的检测与识别定位。

2.根据权利要求1所述的基于部件结构模型的目标检测与识别方法，其特征是，所述提取特征的步骤是，首先分别建立每个梯度方向的积分图像，通过积分图像得到在原图像中每个模块内各个方向的梯度特征，然后对每个模块内梯度方向直方图特征进行归一化处理。

3.根据权利要求1所述的基于部件结构模型的目标检测与识别方法，其特征是，所述目标各个部件内的不同模块大小由8*8像素连续增加至48*48像素，像素增加量分别为4、6和8，所述模块长宽比例分别为1∶1、1∶2和2∶1。

4.根据权利要求1所述的基于部件结构模型的目标检测与识别方法，其特征是，所述生成boost级联分类器，首先确定级联分类器每一级的最低检测率和最高误检率，然后根据确定的参数值对目标整体以及目标各个部件训练生成级联分类器。

5.根据权利要求1所述的基于部件结构模型的目标检测与识别方法，其特征是，所述半监督训练方式的步骤如下：

步骤31：在训练生成目标整体级联分类器后，利用此级联分类器挑选出若干最具有区分能力的弱分类器所在的模块，这些模块所在的位置形成了目标各个部件的初始位置；

步骤32：训练目标各个部件的级联分类器，然后利用训练出的目标各个部件的级联分类器重新检测定位出目标各个部件新的位置，再根据目标各个部件新的位置重新训练目标各个部件的级联分类器；

步骤33：重复此过程六次后得到最终目标各个部件的级联分类器。

6.根据权利要求1所述的基于部件结构模型的目标检测与识别方法，其特征是，所述目标是以目标整体为中心，目标各个部件相对于目标整体的位置关系采用高斯模型。

7.根据权利要求1所述的基于部件结构模型的目标检测与识别方法，其特征是，在检测过程中采用距离变换的方式并结合空间关系模型最终定位目标以及目标的各个部件。