[发明专利]基于方向梯度二值模式和软级联SVM的实时目标检测方法

权利要求书

1.一种基于方向梯度二值模式和软级联SVM的实时目标检测方法，特征在于，包括以下步骤：

(1)ORBP特征提取：对图像源样本进行对比度变换预处理，将梯度方向等分为K份，分别计算图像Sobel边缘下各个方向块梯度图；然后根据方向块梯度图水平与垂直方向的累积响应，生成ORBP特征；

(2)软级联分类器SVM的构建：根据图像源样本的ORBP特征，计算所有样本的响应，找到正样本边界分类对应的阈值与特征向量，然后将待检测窗口依次送入软级联分类器，通过当前窗口响应大小来判断是否属于目标；

(3)软级联分类器特征训练：对标定正样本目标图像进行正负样本生成，随机选取正负样本各N个，对样本进行ORBP特征描述，然后利用构建的软级联SVM分类器完成对样本特征训练；

(4)目标窗口追踪更新：根据软级联SVM训练出来的分类器，对图像序列进行目标窗口检测，利用shi-Tomasi角点检测方法提取目标窗口的特征点，根据Median-Flow追踪器判定当前特征点是否为最佳追踪点；然后通过最佳跟踪点计算下一帧目标窗口预测位置，利用级联分类器的起始分类器进行目标判定，最终输出目标检测窗口。

2.如权利要求1所述的基于方向梯度二值模式和软级联SVM的实时目标检测方法，其特征在于，所述步骤(1)中ORBP特征提取的具体方法包括以下步骤：

(1)对图像源样本进行对比度变换预处理操作，预处理操作包含Gaussian平滑滤波和对比度归一化处理；

(2)将梯度方向等分为K份，分别计算Sobel边缘下各个梯度方向下的梯度幅值，将K个方向范围的梯度模长放入对应M个子块矩阵中，生成相应的边缘方向块梯度图；

(3)对每个边缘方向梯度图进行水平与垂直方向边缘划分，分别统计水平与垂直方向累计响应；

(4)根据水平方向上下累计响应与垂直方向左右累计响应大小比较生成ORBP特征。

3.如权利要求1所述基于方向梯度二值模式和软级联SVM的实时目标检测方法，其特征在于，所述步骤(2)中软级联SVM的构建，具体实现包括：

(1)计算互相关特征相似度判定：对图像源样本提取ORBP特征，利用互相关计算特征间的相似度，根据归一化互相关系数判定该样本特征选取是否有效；

(2)级联阈值的生成：构造n维的线性SVM的软级联分类器h_k(x)：

其中w_i为分类决策平面i的支撑向量，x_i为对应的i维特征；级联分类器在每一级特征选取时根据互相关特征判定其是否有效，然后根据h_k(x)计算所有样本的响应，找到正样本边界分类对应的阈值，该级对应的阈值和特征将会加入到k＋1级计算响应h_k＋1(x)；

(3)级联分类的判定：将待检测所有窗口依次送入软级联分类器，利用级联得到的阈值和特征对待检测窗进行窗筛选，当前窗口的响应小于决策阈值时将会认为是非目标，然后将剩余的窗口进行下一级级联分类器判定：若当前窗口响应高于当前级分类器决策阈值时，则认为当前窗口为目标。

4.如权利要求1所述基于方向梯度二值模式和软级联SVM的实时目标检测方法，其特征在于，所述步骤(3)中，生成正负样本具体包括：

1)正样本生成：对标定的正样本目标图像用不同尺度的窗口进行扫描，从目标邻域附近选取10个与它距离最近的包围框，根据窗口相交面积比的大小判定当前选取的正样本是否符合条件；

2)负样本生成：正样本选取的同时，正样本窗口位置进行上下左右平移，当窗口相交面积低于一定阈值时认为当前窗口产生的样本为负样本，每种尺度同样产生最多4个位置窗口作为负样本。