[发明专利]一种基于累加感知机的人体上半身检测方法

摘要

本发提供一种基于累加感知机的人体上半身检测方法，将传统的感知机算法级联，利用滑动窗口在各级感知机分类结果的累加值，以一种由粗到精的方式逐级推进，完成精确的人体上半身分类和定位，从而构成了独特的累加感知机算法。通过Gabor滤波提取出Gabor特征图，该特征模拟人眼细胞对视觉信号的响应，较好地捕捉到输入图像的整体以及局部特性；接着采用滑窗检测方法，遍历待测图像，在每个滑动窗口中，采用累加感知机进行分类；由于累加感知机在每个滑窗位置彼此相互独立，所以算法可进行并行优化。

主权项

一种基于累加感知机的人体上半身检测方法，其特征在于，包括以下步骤：训练步骤：步骤1)构造训练样本集；训练样本中的正样本为人体上半身图片，负样本为各种视频场景中不包含人体的区域，正样本数量小于负样本数量；步骤2)累加感知机训练；确定感知机数量N，利用口袋Pocket算法按顺序训练N个感知机及它们对应的累加阈值，具体包括以下步骤：2‑1)输入训练用的正负样本；将训练样本中的正、负样本作为第1级感知机的正、负样本的输入，之后，将第i级感知机错误分类的正、负样本作为第i+1级感知机的正、负样本的输入；i＝1,2...N‑1；2‑2)每个感知机都采用Pocket算法进行训练，N级感知机训练完成后得到第i级感知机对应的感知机参数wi,i＝1,2...N；2‑3)计算累加阈值Ti：初始化T0＝0，计算第i级的正样本距离该级感知机分类超平面的平均距离i＝1,2...N，Npi表示第i级感知机的正样本总数，其中并更新其中，α为可调的参数，0<α≤1，(·)T表示转置，w0i、bi为感知机参数wi的两个元素，xn表示第n个正样本特征向量，n＝1,2,3…Npi；检测步骤：步骤3)获取当前场景的视频图像，提取图像的伽柏Gabor特征，得到Gabor特征图；步骤4)在Gabor特征图上进行滑窗检测：4‑1)提取当前扫描窗口中的Gabor特征图的子图块中的像素值，按顺序将像素值放入子图块对应的特征向量x中，待扫描窗口遍历所有Gabor特征图后，得到所有子图块对应的特征向量x；4‑2)将Gabor特征图的所有子图块对应的特征向量输入累加感知机，累加感知机中第i级感知机对应一个累加寄存器的值，累加寄存器的值初始为A0＝0；从第一级感知机开始，计算当前输入的特征向量x距离到各级感知机分类超平面的距离更新Ai＝Ai‑1+di,i＝1,2...N；当第i级感知机对应累加寄存器的值Ai小于当前级的累加阈值Ti，则不再进行下一级感知机的处理，表明该窗口不可能存在人体上半身目标，否则，继续下一级感知机的处理，当经过N级感知机的处理后每一级结果都为存在目标，则表示当前扫描窗口中包含人体上半身目标；4‑3)改变扫描窗口尺寸，返回步骤4‑1)，直至预设所有尺寸的扫描窗口遍历完毕Gabor特征图后进入步骤5)；步骤5)包含人体上半身目标的所有扫描窗口按照最终的累加寄存器的值AN从大到小排序，两两比较扫描窗口，若两个扫描窗口的相对重叠面积超过50％，则保留最终的累加寄存器的值AN较大的扫描窗口，删除最终的累加寄存器的值AN较小的扫描窗口，最终保留的扫描窗口所在图像位置即为人体上半身目标检测结果。