[发明专利]基于图像HOG特征与ELM模型的目标图像识别方法

权利要求书

1.一种基于图像HOG特征与ELM模型的目标图像识别方法，其特征在于，包括以下步骤：

步骤S1，采集需要具体分类的目标图像样本，训练ELM模型；

步骤S2，实时接收图像检测模块拍摄的图像，并计算该图像的HOG特征；

步骤S3，根据所述图像的HOG特征采用余弦相似度方法进行预分类，计算所述图像与所述目标图像样本的HOG特征的余弦相似度，判断所述余弦相似度是否达到设定的相似度阈值；

余弦相似度≥相似度阈值，确认该图像为目标图像；

否则，确认该图像为非目标图像，不再对该图像进行处理，返回所述步骤S2；

步骤S4，将判断为是目标图像的HOG特征输入所述ELM模型，并根据训练ELM模型得到的各层间权重参数进行前向计算，得到所述目标图像的输出结果；

步骤S5，对得到所述目标图像的输出结果进行计算得出具体的分类类别号，并将该分类类别号记录到存放分类结果的存储容器中；

步骤S6，对存储容器中目标图像的分类类别号进行逻辑判断处理，确认出该目标的类别；所述步骤S6具体包括以下步骤：

步骤S61，计算所述存储容器中目标图像的分类类别号的数量，判断该数量是否达到设定的次数阈值；

若分类类别号的数量≥次数阈值，统计所述存储容器中各个目标图像的分类类别号的频率，进入下一步骤；

否则，返回步骤S2，继续处理下一张图像；

步骤S62，取出所述目标图像的分类类别号中的最大频率，判断该最大频率是否达到设定的频率阈值；

若最大频率≥频率阈值，将该最大频率对应的分类类别号确认为此次目标的类别，通过初始分类的目标图像样本与确认为此次目标的类别的映射关系，确定该目标图像的信息，并下发指令；

否则，无法确认此次目标的类别，返回步骤S2，继续处理下一张图像；

其中，当所述存储容器中分类类别号的数量达到所述存储容器设定的上限值后，有新的目标图像的分类类别号记录到存储容器中时，将丢弃所述存储容器中最初记录的目标图像的分类类别号，更新所述存储容器中信息，并重新进行逻辑判断处理。

2.根据权利要求1所述的基于图像HOG特征与ELM模型的目标图像识别方法，其特征在于，所述步骤S1具体包括以下步骤：

步骤S11，将采集的所述目标图像样本正确分类，作为训练标签；

步骤S12，计算出每一张所述目标图像样本的HOG特征及其对应的类别标签，制作ELM模型的输入HOG特征矩阵X与输出矩阵Y；

步骤S13，随机初始化Input层到Nodelayer层的权重参数W和权重参数b；

步骤S14，根据输入ELM模型的所述输入HOG特征矩阵X和所述权重参数W、所述权重参数b进行前向计算，得出ELM模型的Nodelayer层的结果H(x)，其中：

H(x)＝X*W+b；

步骤S15，根据所述Nodelayer层的结果H(x)和所述输出矩阵Y，构建ELM模型的Nodelayer层到Output层的方程：

H(x)*β＝Y

计算得出权重参数β；

步骤S16，保存训练得到的ELM模型的各层间权重参数，完成ELM模型的训练。

3.根据权利要求2所述的基于图像HOG特征与ELM模型的目标图像识别方法，其特征在于：在所述步骤S11中，对所述目标图像样本进行预处理，通过数字图像处理技术对数据增强并丰富数据集。

4.根据权利要求2所述的基于图像HOG特征与ELM模型的目标图像识别方法，其特征在于：在所述步骤S15中，使用求解最小范数最小二乘方法求解方程：H(x)*β＝Y的最优解，得出最优的所述权重参数β。

5.根据权利要求1所述的基于图像HOG特征与ELM模型的目标图像识别方法，其特征在于：在所述步骤S5中，对所述目标图像的输出结果求取最大值操作，最大值对应的序列下标为此次该目标图像的分类类别号。

6.根据权利要求1所述的基于图像HOG特征与ELM模型的目标图像识别方法，其特征在于：在所述步骤S2中，对于接收到的图像设定最小分类尺寸，对于未达到设定最小分类尺寸的图像不进行分类。