[发明专利]一种运用最大子图的基于局部模型的物体检测方法

权利要求书

1.一种运用最大子图的基于局部模型的物体检测方法，其特征在于，包括以下步骤：

（1）接收训练图像并提取图像的图像块，训练图像的数量为m个，每幅训练图像中提取出的图像块为r个；

（2）根据提取的图像块构建有权图；

（3）计算有权图中的权重a_pq，其中p和q为任意两个图像块；

（4）设置图像块计数器l＝1，即从第1个图像块开始；

（5）判断条件l≤r是否满足，如果满足，则继续进行步骤（6），当不满足时跳到步骤（9）；

（6）根据有权图和图像块计数器构建最大子图问题并解这个问题；

（7）存储最大子图；根据步骤（6）得到的一系列最大子图的权重，挑选出权重最大的最大子图，把它的顶点选择情况x^*存入Q(l)中，即Q(l)={P_j|x^*＝1}，其中P_j为图像块，Q(l)即为图像块计数器为l时选择的图像块情况；

（8）设置l＝l+1并返回步骤（5）；即设置新的必选顶点，构建最大子图问题，然后求解，并把结果也存入Q(l)中；

（9）根据l个最大子图结果，实现图像块的匹配，得到图像块集合Q＝{Q(1)，…Q(r)}和它们的匹配权重W＝{W(1)，...，W(r)}；

（10）基于匹配图像块的结果选择显著部分；

（11）运用基于局部的物体检测模型训练分类器；

（12）输入测试图像，得到结果。

2.根据权利要求1所述的物体检测方法，其特征在于，步骤（2）具体为：把提取的所有图像块当成顶点、图像块的相似度当成权重构建一个有权图G＝(V，E，e)。其中，V是顶点集，即上一步提取出的n个图像块，并且V＝{υ₁，...υ_n}，n是图像块的数目，且n＝m*r；E是边集，并且即表示E中的每一个元素为V中的一个顶点和V中的另一个顶点的关系；e是边集E的权重函数。

3.根据权利要求1所述的物体检测方法，其特征在于，步骤（6）包括以下子步骤：

（6-1）表示有权图中的顶点选择情况，具体为，从顶点集V中提取子集T来构建子图G_T，这里用x∈{0，1}ⁿ来表示顶点的选择情况，当x＝1时表示选择这个顶点为子集T的一部分，0则相反，且x＝(x₁，...，x_n)∈{0，1}_n，即选取的顶点必须在原图中；

（6-2）根据顶点选择情况构建子图权重函数，子图G_T的总权重为f(G_T)＝∑_{p∈T，q∈T}A(p，q)，即包含的所有顶点间关系权重的和，表达成二次形式就是f(x)＝x^TAx；

（6-3）设定必选顶点集U，必选顶点集为U＝{l}，U中的元素为找出的子图必须包含的顶点，即必选顶点。这里U＝{l}，即必选第l个图像块；

（6-4）找出顶点间的互斥集合M，其由多个小的互斥集合M_b构成，互斥集合M_k表示图k中的顶点不能被同时选中，即M={M1,...,Mm|Mk⊆S,k=1,...,m},]]>其中s＝{1，…，n}是顶点集V的编号；

（6-5）设定最大顶点数等于m，即限制最终选出的子图包含的顶点个数不能大于m；

（6-6）将上述子步骤（6-1）到（6-5）的条件合并，以构建最大子图问题；

（6-7）基于以上步骤求解这个最大子图问题；