[发明专利]一种基于多子区域图像特征自动学习的车辆检测器训练方法

摘要

本发明公开了一种基于多子区域图像特征自动学习的车辆检测器训练方法，涉及计算机视觉技术领域。本发明以RealBoost算法选择那些对于车辆检测应用具有较好性能的特征，每一种特征对应一个弱分类器，将多个弱分类器组合成一个强分类器；以级联的形式将多个强分类器构建成车辆检测器。这种表示方法的优点在于不仅可提取图像的外观特征，而且隐含地建模了产生这些外观特征的子区域的几何关系。

主权项

1.一种基于多子区域图像特征自动学习的车辆检测器训练方法，其特征在于，该方法包括：S1:将用于训练的样本图像划分成子区域，取其中若干个子区域的集合表示图像区域，记作：R＝(r(x1,y1),r(x2,y2),...,r(xm,ym)；w,h)，其中R代表图像区域，r(xk,yk)代表所述图像区域中的第k个子区域，(xk,yk)为第k个子区域左上角点的X和Y方向坐标，m为图像区域中子区域的数目，同一个集合中的所有子区域具有相同的宽和高，分别为w和h；S2:计算图像区域中每个子区域的HOG特征，将子区域按其左上角点位置进行排序，按排序后的次序将各个子区域的HOG连接成一个向量，对连接所得的向量作规范化和降维处理后作为图像区域的特征；S3:设图像区域共包含M个子区域，取其中的m个子区域构成子区域集合，共有种不同的组合方式，每一种组合方式对应一个弱分类器，以RealBoost算法挑选对于车辆检测具有性能满足预设标准的弱分类器组合成一个强分类器；S4:多个强分类器以级联的形式构成车辆检测器，其中的每一级对应一个强分类器。