[发明专利]一种基于深度抽象特征的热红外人体目标识别方法

权利要求书

1.一种基于深度抽象特征的热红外人体目标识别方法，其特征在于，包括以下步骤：

步骤1.使用热红外成像装置采集静态图像或者序列图像；

步骤2.通过图像分割获得高亮区域，利用人体形态先验知识把不满足人体目标基本特征的高亮区域过滤掉，获得候选人体目标；

步骤3.计算候选人体目标的多尺度单调波表示；

步骤4.计算候选人体目标的深度抽象特征；

步骤5.基于深度抽象特征和浅层分类器对候选目标进行分类判决。

2.根据权利要求1所述的一种基于深度抽象特征的热红外人体目标识别方法，其特征在于，步骤4中，计算候选人体目标的深度抽象特征，主要包括：

步骤41.抽取一定数量的多尺度单调波表达样本构建局部能量样本训练集、局部相位样本训练集、局部方向样本训练集；

步骤42.设计卷积神经网络，确定卷积神经网络必要参数，最远端的全连接层神经元数量等于目标类别数；

步骤43.使用步骤41中局部能量样本训练集、局部相位样本训练集、局部方向样本训练集分别训练1个具有步骤42结构的卷积神经网络：局部能量深度特征提取器CNNet1、局部方向深度特征提取器CNNet2、局部相位深度特征提取器CNNet3；

步骤44.计算候选人体目标区域的多尺度单调波表达，由此获得候选人体目标在多个不同尺度下的局部能量信息、局部相位信息和局部方向信息分量；

步骤45.将步骤44中局部能量信息分量、局部相位信息分量、局部方向信息分量分别输入已训练的CNNet1、CNNet2和CNNet3；

CNNet1、CNNet2和CNNet3的各网络层神经元对输入量产生不同层次的特征抽象；

步骤46.串行组合CNNet1、CNNet2和CNNet3的全连接层神经元响应值，得到一维深度抽象特征。

3.根据权利要求2所述的一种基于深度抽象特征的热红外人体目标识别方法，其特征在于，步骤42中，所述卷积神经网络必要参数包括：网络深度、各层类型配置、卷积核。

4.根据权利要求2所述的一种基于深度抽象特征的热红外人体目标识别方法，其特征在于，步骤5中，基于深度抽象特征和浅层分类器对候选目标进行分类判决，主要包括：

步骤51.构建由一定数量深度抽象特征样本构成的训练样本集；

步骤52.使用步骤51中训练样本集训练浅层分类器，获得此浅层分类器模型；

步骤53.将候选人体目标的深度抽象特征向量输入已训练浅层分类器模型，获得目标类型标签。