一种基于方向梯度特征学习的目标检测方法技术

一种基于方向梯度特征学习的目标检测方法。本发明专利技术提供的方法以图像块中不同大小矩形区域内梯度大小之和为特征，基于boosting进行筛选，产生图像块的方向梯度特征，可替代手工设计的HOG特征。对不同目标的检测结果也表明，本发明专利技术所提出的方向梯度特征相对于传统的HOG特征能获得更好的检测效果。

【技术实现步骤摘要】
一种基于方向梯度特征学习的目标检测方法
本专利技术涉及计算机视觉研究领域，更具体地，涉及一种基于方向梯度特征学习的目标检测方法。
技术介绍
目标检测方法因应用广泛，一直是计算机视觉领域的研究热点。过去的十几年里，目标检测领域获得了巨大的发展，特别是在2001年Viola和Jones提出boostedcascade这样一个里程碑式的工作后，级联框架在目标检测中受到追捧。为了获取泛化性能强的级联目标检测器，需要在训练过程中投入更多的训练数据，对目标检测器而言，训练一般要求平均假阳率要低于10-6，意味着训练过程需要处理非常大量的非目标样本，时间花销巨大，容易使训练产生严重的瓶颈。现今绝大多数级联检测器框架的训练都是基于假阳率和真阳率两个标准的，但两个标准之间是相互矛盾的，限制了级联检测器每一级的收敛速度，如果要生成高质量的检测器一般需要训练几天甚至一周。因此有必要对目标检测器的训练过程进行优化，加快训练速度。目标检测器设计中的另外一个关键因素是特征选择。传统的级联检测器训练通常采用人工设计的特征，如HOG描述子固定将每个图像块均分成4个矩形单元，这种固定模式的特征提取方式不能有针对性地凸本文档来自技高网...

【技术保护点】
一种基于方向梯度特征学习的目标检测方法，其特征在于：包括以下步骤：(1).方向梯度特征学习S1.采集N+个只含目标的图像区域和N‑个不含目标的图像区域构成图像区域训练集X，在图像区域上每隔s个像素定义一个大小为w×h像素的图像块；S2.对于训练集X中的每个图像区域，计算其每个像素点的梯度大小及方向；S3.将梯度方向分成l个连续的方向区间，然后为每个图像区域生成l幅方向梯度图，其具体过程如下：S31.对于方向区间g的方向梯度图，若图像区域某个位置像素点的梯度方向在方向区间g内，则该方向梯度图在相同位置的取值设为步骤S2计算得到的像素点的梯度大小，否则将该方向梯度图在此处的取值置为0；S32.通过...

【技术特征摘要】
1.一种基于方向梯度特征学习的目标检测方法，其特征在于：包括以下步骤：(1).方向梯度特征学习S1.采集N+个只含目标的图像区域和N-个不含目标的图像区域构成图像区域训练集X，在图像区域上每隔s个像素定义一个大小为w×h像素的图像块；S2.对于训练集X中的每个图像区域，计算其每个像素点的梯度大小及方向；S3.将梯度方向分成l个连续的方向区间，然后为每个图像区域生成l幅方向梯度图，其具体过程如下：S31.对于方向区间g的方向梯度图，若图像区域某个位置像素点的梯度方向在方向区间g内，则该方向梯度图在相同位置的取值设为步骤S2计算得到的像素点的梯度大小，否则将该方向梯度图在此处的取值置为0；S32.通过对每个像素点进行步骤S31的操作得到训练集X中每个图像区域在方向区间g的方向梯度图；S33.通过对每个方向区间进行步骤S31、S32的操作得到训练集X中每个图像区域的l幅方向梯度图；S4.对图像区域的每幅方向梯度图，基于S1中所述分块方式得到对应的方向梯度图像块集合；S5.对于每个方向区间的方向梯度图像块集合，执行以下操作：S51.从方向区间g的方向梯度图像块集合中选出若干方向梯度图像块形成方向梯度特征学习的训练集；S52.设方向梯度图像块训练集为其中N为训练集P中正样本、负样本的总数，xi表示第i个方向梯度图像块，yi表示第i个方向梯度图像块的类标；当xi属于正样本时，yi＝1；当xi属于负样本时，yi＝-1；设xi上包括有若干不同位置与大小的矩形区域，这些矩形区域的特征用矩形区域内的梯度大小之和来表示；令表示第i个方向梯度图像块中第m个矩形区域的特征，m＝1:M，M表示xi中所有的矩形区域的总数，对应的训练集P中每个方向梯度图像块都会得到M个矩形区域；S53.初始化训练集P中所有样本的权重：w1,i＝1/N,i＝1,...,N；S54.初始化迭代参数t＝1；S55.为方向梯度图像块中的各矩形区域训练弱分类器；S56.计算每个弱分类器在训练集P中所有样本上的加权总误差，挑选出使加权总误差最小的弱分类器其中hm表示基于训练集P中方向梯度图像块的第m个矩形区域训练得到的弱分类器，H表示所有矩形区域弱分类器的集合；δ(·)为指示函数，当其参数为真时函数值为1，否则函数值为0；S57.计算的权重αt：其中表示最小的加权总误差；S58.更新训练集P中所有样本的权重：S59.令t＝t+1然后重复执行步骤S55～S58，直至t>T；S510.执行完毕步骤S59后将训练过程中选中的前r个弱分类器对应的矩形区域在方向梯度图像块中的位置进行输出；S511.方向区间g的方向梯度图像块集合中的各个方向梯度图像块按照步骤S510输出的位置信息提取相应方向梯度图像块中的r个矩形区域；S512.对各个方向区间的方向梯度图像块集合进行步骤S51～S511的操作，此时图像区域中各个图像块对应的l个方向区间的方向梯度图像块都分别提取有r个矩形区域...

【专利技术属性】
技术研发人员：郑慧诚，何娜，陈佳捷，罗子泉，朱睿，
申请(专利权)人：中山大学，佛山市新东方电子技术工程有限公司，
类型：发明
国别省市：广东,44