[发明专利]一种基于可信度的自更新人员入侵检测方法

权利要求书

1.一种基于可信度的自更新人员入侵检测方法，其特征在于，所述基于可信度的自更新人员入侵检测方法根据时间位置复合可信度，对分类器得出的有人侵入的结果进行可信度判断，综合识别结果；最终得出是否有人侵入；用户对决策的判断结果进行反馈，判断识别结果是否有误；根据用户的反馈，对分类器和可信度进行动态更新；

所述基于可信度的自更新人员入侵检测方法包括以下步骤：

步骤一，针对场景准备样本集合：包括正样本集合和负样本集合；正样本为单个多姿态多尺度不同衣着的人截图，负样本是相应场景中所包含的各种背景以及经常出现的非人的物品截图；

步骤二，计算所有正样本和负样本中图片的HOG特征，通过SVM算法对图片进行分类，得到图片分类器，并初始化各项参数；

步骤三，截取摄像头视频流的单帧图片，计算图片的HOG特征，并作为输入传入图片分类器进行运算，得到结果；如果判定没有人，则继续识别下一帧图片；否则，转到步骤四；

步骤四，根据识别到有人的时间t，以及识别到的人的位置d，确定可信度X_td，并根据X_td确定是否将识别结果作为人员入侵提醒用户，如果作为人员入侵，则转步骤五，否则转步骤三；

步骤五，经过步骤四之后，对用户进行人员入侵提醒，同时由用户判断步骤四的识别结果是否正确，并对系统进行相应反馈，更新分类器和可信度；

所述步骤五进一步包括：

(1)可信度的公式为其中T_td表示时间t，位置d处结果判断正确的次数，初值为10；F_td表示在时间t，位置d处结果判断错误的次数，初值为0；λ为调节参数，根据不同的应用场景调节错误反馈在可信度中的影响；取λ≥1，当λ＝1时，X_td趋近该时间位置组合的实际正确率；

(2)如果步骤四判断正确，则T_td自加1，可信度X_td增大；

(3)如果步骤四判断错误，则F_td自加1，可信度X_td减小，同时保存误判的图片加入负样本集；

步骤六，判断是否需要重新训练分类器，如果更新分类器条件不满足，则转步骤三；否则将此前步骤五中积攒的负样本集并入训练样本集，转步骤三同时并行步骤七重新训练图片分类器；

步骤七，根据步骤六中的得到的新的样本集利用算法重新训练分类器，并初始化各项参数，并用新的分类器替换旧的分类器。

2.如权利要求1所述的基于可信度的自更新人员入侵检测方法，其特征在于，所述步骤四进一步包括：

(1)从时间和空间维度对分类器的识别结果做可信度划分；

(2)当决策是否发送图片给用户时，用伪随机数模拟概率性决策过程，将系统当前时间作为输入，通过伪随机数生成器生成伪随机数R，并让R对100取余，得到R₁＝R mod 100；若R₁＜100*X_td则向用户发送该图片；否则，否则转步骤三。

3.如权利要求1所述的基于可信度的自更新人员入侵检测方法，其特征在于，所述步骤六进一步包括：

每当发生误判，系统将检验该场景的分类器累计产生的负样本图片是否达到最大容错值N，如果满足，则条件成立；

每当发生误判，系统将检验分类器的时间位置复合可信度，当平均可信度低于临界值X₁或者Y％的时间位置复合可信度低于临界值X₂，则条件成立；

判断分类器是否已经超过了使用周期R天，如果满足，则条件成立。

4.一种如权利要求1所述基于可信度的自更新人员入侵检测方法的基于可信度的自更新人员入侵检测系统，其特征在于，所述基于可信度的自更新人员入侵检测系统包括：

训练模块：通过计算样本集的HOG特征，再通过SVM方法训练得到图片分类器；

识别模块：通过分类器对图片进行判断，判断是否有人侵入；

决策模块：决策模块根据时间位置复合可信度，对分类器得出的有人侵入的结果进行可信度判断，综合识别模块和决策模块的识别结果，最终得出是否有人侵入；

反馈模块：用户对决策模块的判断结果进行反馈，判断识别结果是否有误；根据用户的反馈，对分类器和可信度进行动态更新。

5.一种应用权利要求1～3任意一项所述基于可信度的自更新人员入侵检测方法的城市安防应急系统。