[发明专利]一种基于多分辨率框架的物体识别检测方法

摘要

本发明属于计算机视觉领域，涉及一种基于多分辨率框架的物体识别检测方法，包括下列步骤：将快速鲁棒性特征描述符(SURF)与文本分类中常用的简单模型Bag-of-word(词袋模型)模型和SVM(支持向量机)相结合，构造了基于SURF特征的有监督学习二元物体分类器；在上述分类器的基础上，将基于SURF特征的SVM分类器与图像的多分辨率理论结合，在不同的分辨率空间下进行物体的检测。本发明能够有效解决物体识别和检测中所面临的尺度变化、旋转变化、平移变化、光照变化、视角变化等带来的问题，在多分辨率物体检测框架下，可以有效解决使用滑动窗口方法带来的物体检测时间过长的问题，准确并快速的检测到物体的位置。

主权项

一种基于多分辨率框架的物体识别检测方法，包括构造多分辨率框架分类器和多分辨率框架下物体检测两部分，步骤如下：第一步：分别选择所要分类物体的正负样本图像，正样本为所要分类别的物体图像，负样本为非该类物体的任意其他物体图像，设原始图像分辨率为R，构造用于分类器的训练集T(R)，；第二步：将训练集T(R)分别作不同采样率σ的采样，得到图像的分辨率分别为r＝1，2，3……R的各个分辨率下的图像训练集合T(r)；第三步：按照下列方法得到物体分类器C(r)，最终得到一个包含各个分辨率的层次分类器H(r)，H(r)是由R个单独的分类器C(r)构成：从图像训练集合T(r)中，分别提取正样本和负样本中所有图像的SURF特征描述符，正负样本特征描述符分别存储两个集合之中；(b)利用K-means聚类方法，对正负样本集的特征描述符进行聚类分析；(c)将正负样本集合的聚类结合，形成图像特征词典；(d)根据正负样本集合在聚类中的索引，求出每幅图像聚类直方图，并根据正负样本对应相应的标签，将直方图数据和标签进行支持向量机训练，得到分辨率r下的分类器C(r)；第四步：将待检测的图像根据多分辨率分类器的构造流程分别提取R个分辨率不同分辨率的图像，然后对不同分辨率的测试图像再依次提取不同尺度s的多尺度图像，s＝1，2，3……S，尺度因子为β；第五步：在每个分辨率图像的各个尺度空间使用相同大小的窗口进行检测，在不同分辨率之间窗口使用不同的窗口进行检测，每个分辨率的窗口大小为(wr，hr)＝(w，h)/aR-r，w，h分别是原始分辨率窗口的长和宽，a是固定常数；第六步：对于每个分辨率r和尺度s，所有初始检测窗口的状态全部初始化为1，使用分类器C(r)以同样窗口大小检测分辨率r的各个尺度空间图像，在尺度空间s上，将检测为0，即不包含物体的窗口区域丢弃，将检测为1即包含物体的窗口区域保留，传递到r+1分辨率同一尺度空间s中去，依次进行，直到检测到最高分辨率R，得到最高分辨率R中不同尺度空间s包含物体的区域；第七步：在原始分辨率下R各个尺度空间通过使用Mean-shift聚类的方法来得到物体的最终位置。