[发明专利]一种基于级联分类器攀爬行为检测识别算法

权利要求书

1.一种基于级联分类器攀爬行为检测识别算法，其特征在于：所述算法包括以下步骤：

(1)获取样本，通过摄像头对围墙上沿的图像进行采集；

(2)同步对获取的样本图像的RLBP和CoHOG特征进行提取；

其中RLBP特征提取方式为：将平均灰度值定义为：g表示图像的中心像素灰度值，g_i(i＝0......,8)表示相邻像素的灰度值；

之后将RBLP算子定义为：g_c表示图像中心像素点的灰度值，g_p(p＝0,......,p-1)表示一个半径为R上的圆上相邻像素点的灰度值，P为在此圆上的相邻像素的总数，得到特征向量α₃；

其中CoHOG特征提取方式为：将获取样本图像I定义为n*m，将共生矩阵定义为：其中参数(x,y)为一对偏移量，根据定义的矩阵计算采集的图像的梯度方向：其中v和h分别为所采集的图像垂直和水平梯度，得到特征向量β₄；

(3)将步骤(2)中提取的特征向量融合，得到特征向量新的特征向量λ₅＝(α₃,β₄)。

(4)将步骤(3)中的得到的新特征向量，通过XGBoost分类器进分类，完成攀爬行为的检测。

2.根据权利要求1所述的一种基于级联分类器攀爬行为检测识别算法，其特征在于，所述步骤(2)RLBP特征提取时，当需要图像中心像素的特定信息时，定义一个加权局部灰度其中g和g_i与步骤(2)中的g和g_i相同。

3.根据权利要求1所述的一种基于级联分类器攀爬行为检测识别算法，其特征在于，所所述步骤(3)中，所述特征向量α₃的维度为u，特征向量β₄的维度为w时，串行融合所得的特征λ₅为u+w维的特征向量。

4.根据权利要求1所述的一种基于级联分类器攀爬行为检测识别算法，其特征在于，所述步骤(4)中的XGBoost分类器：通过正列特征样本对XGBoost进行训练，通过二分法查找模性能的最优值，判断是否达标；达标后结束训练，否则保存训练的模型，将输出为正例的所述样本作为下一个XGBoost的训练样本。