[发明专利]一种基于多特征融合与多核迁移学习的红外人体目标图像识别方法

摘要

本发明公开了一种基于多特征融合与多核迁移学习的红外人体目标识别方法。首先，基于红外图像特殊的成像机理，对红外场景中的目标提取一种改进的CLBP特征‑‑MSF‑CLBP来表达纹理信息，以及一种改进的局部HOG特征‑‑HOG‑FV来表达形状信息，以发掘目标中的有效特征；其次，针对上述提取到的两种异构特征，采用串联融合的方法进行特征融合，使得对目标特征信息的描述更为客观全面。最后，设计了一种融合多核分类与TrAdaBoost迁移学习框架的分类器，有效地解决了带标签的红外样本图像匮乏的问题，同时增强了待分类数据的区分性，以获取更优的识别效果。该方法从特征提取的改进和分类器的设计两方面着手，改善了特征信息的表达，提升了复杂背景下红外人体目标识别的性能。

主权项

1.一种基于多特征融合与多核迁移学习的红外人体目标图像识别方法，其特征在于，该方法包括以下步骤：(1)采用红外图像构建训练样本集，可见光图像构建辅助训练样本集；(2)对训练样本集和辅助训练样本集中的样本图像，经单演信号滤波后进行CLBP特征提取得到特征MSF‑CLBP；(3)对训练样本集和辅助训练样本集中的样本图像，提取出图像的局部HOG特征后进行Fisher Vector编码得到特征HOG‑FV；(4)将上述提取出的特征MSF‑CLBP与HOG‑FV进行串联融合；(5)设计融合SVM多核分类器，并用TrAdaBoost迁移学习框架对融合所得到的样本特征完成分类器的训练；(6)利用训练好的分类器对待识别的红外图像进行分类识别，得到识别结果。