[发明专利]一种基于累加感知机的人体上半身检测方法

权利要求书

1.一种基于累加感知机的人体上半身检测方法，其特征在于，包括以下步骤：

训练步骤：

步骤1)构造训练样本集；训练样本中的正样本为人体上半身图片，负样本为各种视频场景中不包含人体的区域，正样本数量小于负样本数量；

步骤2)累加感知机训练；确定感知机数量N，利用口袋Pocket算法按顺序训练N个感知机及它们对应的累加阈值，具体包括以下步骤：

2-1)输入训练用的正负样本；将训练样本中的正、负样本作为第1级感知机的正、负样本的输入，之后，将第i级感知机错误分类的正、负样本作为第i+1级感知机的正、负样本的输入；i＝1,2...N-1；

2-2)每个感知机都采用Pocket算法进行训练，N级感知机训练完成后得到第i级感知机对应的感知机参数w_i,i＝1,2...N；

2-3)计算累加阈值T_i：初始化T₀＝0，计算第i级的正样本距离该级感知机分类超平面的平均距离i＝1,2...N，Np_i表示第i级感知机的正样本总数，其中并更新其中，α为可调的参数，0<α≤1，(·)^T表示转置，w_0i、b_i为感知机参数w_i的两个元素，x_n表示第n个正样本特征向量，n＝1,2,3…Np_i；

检测步骤：

步骤3)获取当前场景的视频图像，提取图像的伽柏Gabor特征，得到Gabor特征图；

步骤4)在Gabor特征图上进行滑窗检测：

4-1)提取当前扫描窗口中的Gabor特征图的子图块中的像素值，按顺序将像素值放入子图块对应的特征向量x中，待扫描窗口遍历所有Gabor特征图后，得到所有子图块对应的特征向量x；

4-2)将Gabor特征图的所有子图块对应的特征向量输入累加感知机，累加感知机中第i级感知机对应一个累加寄存器的值，累加寄存器的值初始为A₀＝0；从第一级感知机开始，计算当前输入的特征向量x距离到各级感知机分类超平面的距离更新A_i＝A_i-1+d_i,i＝1,2...N；当第i级感知机对应累加寄存器的值A_i小于当前级的累加阈值T_i，则不再进行下一级感知机的处理，表明该窗口不可能存在人体上半身目标，否则，继续下一级感知机的处理，当经过N级感知机的处理后每一级结果都为存在目标，则表示当前扫描窗口中包含人体上半身目标；

4-3)改变扫描窗口尺寸，返回步骤4-1)，直至预设所有尺寸的扫描窗口遍历完毕Gabor特征图后进入步骤5)；

步骤5)包含人体上半身目标的所有扫描窗口按照最终的累加寄存器的值A_N从大到小排序，两两比较扫描窗口，若两个扫描窗口的相对重叠面积超过50％，则保留最终的累加寄存器的值A_N较大的扫描窗口，删除最终的累加寄存器的值A_N较小的扫描窗口，最终保留的扫描窗口所在图像位置即为人体上半身目标检测结果。

2.如权利要求1所述一种基于累加感知机的人体上半身检测方法，其特征在于，步骤1)中，将正样本、负样本各复制一份并进行左右翻转后，将翻转后的正样本、负样本放入训练样本集。

3.如权利要求1所述一种基于累加感知机的人体上半身检测方法，其特征在于，感知机数量N＝300。

4.如权利要求1所述一种基于累加感知机的人体上半身检测方法，其特征在于，感知机采用Pocket算法进行训练的迭代过程中计算错误率时，对于1个错误分类的正样本，统计错误次数为k，k为大于1的正整数，对于错误分类的负样本，统计错误次数为1。

5.如权利要求4所述一种基于累加感知机的人体上半身检测方法，其特征在于，错误次数k＝2。

6.如权利要求1所述一种基于累加感知机的人体上半身检测方法，其特征在于，可调参数α＝0.5。

7.如权利要求1所述一种基于累加感知机的人体上半身检测方法，其特征在于，步骤3)中得到Gabor特征图的具体方法为：

构造出一个不同径向频率和角度的3×3的Gabor滤波器组，其中径向频率F＝{4,5,6}，角度将视频图像与Gabor滤波器g(x,y)进行卷积得到9幅Gabor特征图；

$g(x,y)=\frac{1}{2{\mathrm{\&pi;\&sigma;}}^2}{e}^{-\frac{x^2+y^2}{2{\mathrm{\&sigma;}}^2}}{e}^{\frac{2\mathrm{\&pi;}j\left(xcos\right(\mathrm{\&theta;}\left)ysin\right(\mathrm{\&theta;}\left)\right)}{F}}$

g(x,y)表示Gabor滤波器在x，y处的值，参数σ表示Gabor滤波器的标准差。