[发明专利]一种基于多特征融合与多核迁移学习的红外人体目标图像识别方法

权利要求书

1.一种基于多特征融合与多核迁移学习的红外人体目标图像识别方法，其特征在于，该方法包括以下步骤：

(1)采用红外图像构建训练样本集，可见光图像构建辅助训练样本集；

(2)对训练样本集和辅助训练样本集中的样本图像，经单演信号滤波后进行CLBP特征提取得到特征MSF-CLBP；

(3)对训练样本集和辅助训练样本集中的样本图像，提取出图像的局部HOG特征后进行Fisher Vector编码得到特征HOG-FV；

(4)将上述提取出的特征MSF-CLBP与HOG-FV进行串联融合；

(5)设计融合SVM多核分类器，并用TrAdaBoost迁移学习框架对融合所得到的样本特征完成分类器的训练；

(6)利用训练好的分类器对待识别的红外图像进行分类识别，得到识别结果；

步骤(2)中，对练样本集和辅助训练样本集中的样本图像，经单演信号滤波后进行CLBP特征提取得到特征MSF-CLBP，方法如下：

(2.1)单演信号滤波以原信号的Riesz变换为基础，对于训练样本集中的任意一幅样本图像f(z)，坐标为z＝(x,y)，对应的Riesz变换表示为：

其中，x，y表示的是像素点在x轴和y轴方向上的坐标；z＝(x,y)，z指的是像素点在二维坐标系中的坐标，包括x轴和y轴两个方向；

对于图像f(z)，经过单演信号滤波后的信号表示为：

f_M(z)＝(f(z),f_x(z),f_y(z))＝(f(z),R_x(z)*f(z),R_y(z)*f(z))

其中，*代表卷积运算，通过计算局部幅值A，局部相位φ以及局部方向θ来对图像进行解析，对应的计算公式如下：

(2.2)对上述经单演信号滤波后的图像进行CLBP特征提取，来获取图像的纹理特征MSF-CLBP，通过对图像中圆形子窗口中的像素值进行CLBP_S_P,R，CLBP_M_P,R以及CLBP_C_P,R三种算子的运算以获取像素间差值的符号信息和差量信息以及中心像素点的灰度信息，对应的计算方法如下：

其中，P为所选图像子窗口中像素点的个数；R为所选圆形子窗口的半径；g_p为子窗口中像素点的灰度值，g_c为中心像素点的灰度值，g_n为图像中像素点的灰度值，N为子窗口的个数；

(2.3)将CLBP_S_P,R与CLBP_M_P,R进行串联，建立一个二维联合直方图，降为一维之后再与CLBP_C_P,R进行串联，处理之后所得的特征即为样本图像的MSF-CLBP特征；

(2.4)通过上述方法计算得到训练样本集与辅助训练样本集的MSF-CLBP特征集，分别表示为S_MC与D_MC。

2.根据权利要求1所述的一种基于多特征融合与多核迁移学习的红外人体目标图像识别方法，其特征在于，步骤(1)中，所述可见光图像的数目是红外图像数目的2-3倍。