[发明专利]一种基于融合特征和SVM结合的羊角弓区域定位方法

摘要

本发明公开了一种基于融合特征和SVM结合的羊角弓区域定位方法。方法为：首先提取训练样本图像的LBP特征和HOG特征：通过计算收集的训练样本的像素值与其邻域的关系构成局部二进制模式直方图来提取LBP特征；对收集的训练样本进行分割，分成若干像素的单元，然后对单元中每个像素点的边缘或者梯度求取方向直方图，整合所有的方向直方图，构成HOG特征描述器；然后采用特征融合技术，对提取到的LBP特征和HOG特征进行融合；接着利用SVM分类器进行训练，得到训练参数；最后通过多尺度滑动窗口扫描目标图像，提取羊角弓区域。本发明具有定位准确率高、易于实施的优点。

主权项

1.一种基于融合特征和SVM结合的羊角弓区域定位方法，其特征在于，包括以下步骤：步骤1、训练样本收集：训练样本包括正样本和负样本，正样本的图片是羊角弓正常状态，负样本的图片是羊角弓缺失状态或者是随机裁取的未知物体；步骤2、LBP特征提取：计算步骤1收集的训练样本中每个像素点的像素值与其邻域的关系，构成局部二进制模式直方图，来提取LBP特征；步骤3、HOG特征提取：将步骤1收集的训练样本，分割成包含多个像素点的单元，然后对每个单元中每个像素点的边缘或者梯度求取方向直方图，整合所有的方向直方图，构成HOG特征描述器；步骤4、特征融合：将步骤2提取的LBP特征和步骤3提取的HOG特征，使用串行融合技术进行融合，生成LBP‑HOG融合特征方向直方图；步骤5、SVM分类器训练：将步骤4获得的LBP‑HOG融合特征送到SVM分类器中进行训练，获取训练参数；步骤6、多尺度滑动窗口扫描定位：采用多尺度滑动窗口扫描目标图像，通过步骤5中训练好的SVM分类器进行预测，实现羊角弓区域的定位。