[发明专利]一种基于哈尔特征的靶位识别方法

权利要求书

1.一种基于哈尔特征的靶位识别方法，其特征在于，包括：

初始化阶段：采集若干包含靶位的图片作为正样本，若干不包含靶位 的图片作为负样本，对所有正样本和负样本提取哈尔特征，得到特征值；

训练阶段：利用所得到的特征值，对Adaboost级联分类器进行训练；

识别裁剪阶段：采集待识别图像，并进行哈尔特征提取，利用训练好 的Adaboost级联分类器对待识别图像进行识别，面积最大的特征匹配区域 即为靶位。

2.如权利要求1所述的基于哈尔特征的靶位识别方法，其特征在于， 初始化阶段，对采集到的正样本和负样本进行归一化处理，缩小到相同尺 寸后，进行哈尔特征提取。

3.如权利要求2所述的基于哈尔特征的靶位识别方法，其特征在于， 对正样本、负样本以及待识别图像进行哈尔特征提取之前，预先转化为对 应的灰度图像。

4.如权利要求3所述的基于哈尔特征的靶位识别方法，其特征在于， 初始化阶段，利用积分图求取特征值。

5.如权利要求4所述的基于哈尔特征的靶位识别方法，其特征在于， 训练阶段的具体步骤如下：

步骤2-1、所有正样本和负样本构成训练样本，设所有训练样本的权 重相等，训练得到弱分类器；

步骤2-2、在第T次迭代中，训练样本的权重由T-1次迭代的结果确定， 每次迭代调整权重，得到新的训练样本分布；

步骤2-3，经过T次循环，得到T个弱分类器，将T个弱分类器加权求和， 得到强分类器。

6.如权利要求5所述的基于哈尔特征的靶位识别方法，其特征在于， 将待识别图像转化为灰度图像后，对图像灰度分布进行直方图信息提取， 然后进行非线性拉伸，增加对比度后，进行哈尔特征提取。

7.如权利要求6所述的基于哈尔特征的靶位识别方法，其特征在于， 对面积最大的特征匹配区域进行灰度统计，生成直方图，依据直方图上的 最大值进一步精确识别出靶位。