[发明专利]一种基于SVR模型的自适应区域池化物体检测方法

权利要求书

1.一种基于SVR模型的自适应区域池化物体检测方法，其特征在于，该检测方法包括以下步骤：

步骤一：选择有代表性的实例；

步骤二：采用区域粗匹配的方法对实例进行训练，获得与实例相似的训练数据集，

对象掩模M^e是P^e块的总区域，根据该区域的外观和大小计算M^e之间的相似性和目标区域R，即：

式中，z^e和z^r是特征矢量，|M^e|和|R|分别表示对象掩模和目标区域的尺寸；

步骤三：对步骤二中获取的训练数据集进行自适应区域特征池化，获取训练数据集块的SIFT特征，

将实例分割成L块：

将实例中块的尺寸调整至与目标区域的边界框尺寸一样，使得目标区域R被分成像P^e一样的结构来获取，即

在以P^r作为基础上进行池化，其中，是第i块的特征矢量，而每一对和均针对的是相同的块；

步骤四：对步骤三中进行特征池化后的训练集中引入SVR模型，其定义如下：

满足于：

式中，x_i为由区域池化法提取的区域特征矢量，O(y_i,y)为由真实值y的边界框和y_i区域之间的重复率计算获得的回归数，其中，O(y_i,y)的重复率是使用真实值边界框和实例区域R′的最大重复来计算的，即：

步骤五：采用了非极大值抑制法来得到检测结果。

2.根据权利要求1所述的一种基于SVR模型的自适应区域池化物体检测方法，其特征在于，该检测方法还可以在边界中输入CNN模型来获取训练数据集块的特征，并将这些块特征联结成一个特征矢量，然后将特征矢量值引入SVR模型。