一种目标匹配检测方法技术

本发明专利技术公开了一种目标匹配检测方法，属于智能视频监控技术领域。该方法利用粒子群优化算法与分类器训练相结合的方式，一次性获得特征选择（即特征降维）参数和最优分类模型，从而降低训练耗时；然后在测试阶段利用所获得的特征选择参数进行图像特征的降维，并利用最优分类模型进行分类，从而得到最终的目标匹配检测结果。本发明专利技术进一步在颜色特征中加入了颜色的空间分布信息，并与一种改进的梯度方向直方图(HOG)特征相融合，生成初始图像特征。相比现有技术，不但可有效提高目标匹配检测的准确性，同时大幅减少了处理时间。

【技术实现步骤摘要】

【技术保护点】
一种目标匹配检测方法，利用分类器对目标进行匹配检测，包括训练阶段和识别阶段；其特征在于，所述训练阶段包括以下步骤：步骤A、提取图像序列训练样本的初始图像特征；步骤B、利用二进制粒子群优化方法获取最优的分类器及最优的用于初始图像特征降维的特征掩码，具体如下：步骤B1、初始化粒子群，其中二进制粒子的编码方法具体如下：所述二进制粒子由两部分组成，一部分为分类器参数，另一部分为特征掩码；特征掩码部分的长度与初始图像特征的维数相同，且特征掩码的各二进制位与初始图像特征的各维特征一一对应，特征掩码中的二进制位为1，表示初始图像特征中与其相对应的特征被包含在降维后的特征子集中；步骤B2、对于当前的每个二进制粒子，按照该二进制粒子的分类器参数部分构建相应的分类器，并按照该二进制粒子的特征掩码部分对图像序列训练样本的初始图像特征进行降维；然后利用特征降维后的图像序列训练样本对该分类器进行训练并记录分类精度；最后根据以下的适应度函数计算该二进制粒子的适应度：Fitness(accuracy,FeatureNum)=w1*accuracy+w2FeatureNum]]>式中，Fitness为该二进制粒子的适应度，accuracy为该二进制粒子所对应的分类精度，FeatureNum为该二进制粒子的特征掩码部分中值为1的二进制位数，w1、w2为两个预设的权值；步骤B3、根据粒子适应度，更新粒子的局部最优值及整个粒子群的全局最优值；步骤B4、对二进制粒子进行更新；步骤B5、判断是否达到迭代终止条件，如是，则转步骤B6，如否，则转至B2，进行下一次迭代；步骤B6、将当前的全局最优值进行解码，得到最优的分类器及最优的特征掩码；所述识别阶段包括以下步骤：步骤C、提取图像序列测试样本的初始图像特征；步骤D、利用训练阶段得到的最优的特征掩码对图像序列测试样本的初始图像特征进行降维，并将其输入最优的分类器，得到目标匹配检测结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：胡栋，曹金山，王佩思，魏巍，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32