[发明专利]一种基于Adaboost Haar-Like特征的SVM目标检测方法有效
| 申请号： | 201510779063.6 | 申请日： | 2015-11-15 |
| 公开（公告）号： | CN105447511B | 公开（公告）日： | 2019-02-22 |
| 发明（设计）人： | 何佳;张卡;尼秀明 | 申请（专利权）人： | 安徽清新互联信息科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/66 |
| 代理公司： | 合肥天明专利事务所(普通合伙) 34115 | 代理人： | 金凯;宋倩 |
| 地址： | 230088 安徽省合肥市高新*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于Adaboost Haar‑Like特征的SVM目标检测方法，该方法采用Haar‑Like特征，通过Adaboost方法将若干个该类特征组成一个强特征分类器，重复按这种方法选取多个强特征分类器，然后将这些强特征分类器的特征值按照一定的顺序组成特征向量，采用SVM方法对特征向量进行训练和检测。本发明虽然与基于级联结构的Adaboost Haar‑Like特征目标检测算法相比速度有所降低，但准确率有较明显的提升。 | ||
| 搜索关键词： | 特征分类器 目标检测 特征向量 级联结构 检测算法 特征目标 特征组成 准确率 检测 重复 | ||
【主权项】：
1.一种基于Adaboost Haar‑Like特征的SVM目标检测方法，其特征在于，包括以下步骤：（1）遍历所有正负训练样本，按照经典Adaboost Haar‑like方法训练出完整的级联强特征分类器；（2）再次遍历所有正负训练样本，根据各级强特征分类器的计算参数，计算出每个训练样本对应的各级强特征分类器的特征值；（3）将所述每个训练样本对应的各级强特征分类器的特征值按照一定的顺序组成特征向量；（4）将所有正负训练样本的特征向量输入SVM分类器，完成对SVM分类器的训练；（5）根据所述各级强特征分类器的计算参数，计算出测试样本对应的各级强特征分类器的特征值；（6）将所述测试样本对应的各级强特征分类器的特征值按照训练时的顺序组成特征向量；（7）将所述测试样本的特征向量输入训练完成的SVM分类器，通过所述训练完成的SVM分类器判断测试样本是否存在待检测目标。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽清新互联信息科技有限公司，未经安徽清新互联信息科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510779063.6/，转载请声明来源钻瓜专利网。
