[发明专利]形成和使用用于检测图像的检测器的方法和设备

权利要求书

1.一种用于形成检测图像的检测器的方法，包括：

获取训练图像样本的特征向量；以及

基于梯度提升学习算法、利用所述特征向量执行训练操作从而形成所述检测器。

2.根据权利要求1所述的方法，其中所述特征向量是方向梯度直方图特征向量、局部二值模式特征向量、Haar-Like特征向量或包含运动信息的特征向量中的一种。

3.根据权利要求1所述的方法，其中所述训练操作包括形成多个弱分类器，线性组合该多个弱分类器从而形成作为所述检测器的强分类器。

4.根据权利要求3所述的方法，其中所述弱分类器是决策树、最小二乘拟合或支持向量机中的一种。

5.根据权利要求1所述的方法，其中所述训练操作包括形成作为所述检测器的级联的多个强分类器，每个强分类器包括线性组合的多个弱分类器。

6.根据权利要求4所述的方法，其中所述弱分类器是决策树，所述训练操作还包括利用当前训练的决策树的输出值来进行调整以形成新的强分类器。

7.一种用于形成检测图像的检测器的设备，包括：

获取器，用于获取训练图像样本的特征向量；以及

训练器，用于基于梯度提升学习算法、利用所述特征向量执行训练操作从而形成所述检测器。

8.根据权利要求7所述的设备，其中所述特征向量是方向梯度直方图特征向量、局部二值模式特征向量、Haar-Like特征向量或包含运动信息的特征向量中的一种。

9.根据权利要求7所述的设备，其中所述训练器形成多个分类器，线性组合该多个弱分类器从而形成作为所述检测器的强分类器。

10.根据权利要求9所述的设备，其中所述弱分类器是决策树、最小二乘拟合或支持向量机中的一种。

11.根据权利要求9所述的设备，其中所述训练器形成作为所述检测器的级联的多个强分类器，每个强分类器包括线性组合的多个弱分类器。

12.根据权利要求10所述的设备，其中所述弱分类器是决策树，所述训练器利用当前训练的决策树的输出值来进行调整以形成新的强分类器。

13.一种使用权利要求1中的检测器对图像进行检测的方法，包括：

提取待检测的图像的特征向量并输入到所述检测器；

使用所述检测器对输入的特征向量执行检测；以及

输出所述图像的检测结果。

14.根据权利要求13所述的方法，其中提取特征向量的步骤包括：

对待检测的图像进行多次缩放以形成尺寸不同的多个图像；以及

使用扫描窗口对所述多个图像进行扫描以便对扫描窗口中包含的图像提取所述特征向量。

15.根据权利要求14所述的方法，其中输出图像的检测结果的步骤包括将所述检测器检测到的多个图像中的同一目标物体进行合并以便输出。

16.一种使用权利要求1中的检测器对图像进行检测的设备，包括：

提取器，用于提取待检测的图像的特征向量并输入到所述检测器；

检测器，用于对输入的特征向量执行检测；以及

输出器，用于输出所述图像的检测结果。

17.根据权利要求16所述的设备，其中所述提取器还包括：

缩放器，用于对待检测的图像进行多次缩放以形成尺寸不同的多个图像；以及

扫描器，用于使用扫描窗口对所述多个图像进行扫描以便对扫描窗口中包含的图像提取所述特征向量。

18.根据权利要求16所述的设备，其中所述输出器还包括合并器，用于将所述检测器检测到的多个图像中的同一目标物体进行合并以便输出。