[发明专利]过滤器学习方法及利用过滤器检测测试图像中的对象的方法、学习装置及对象识别支持装置

权利要求书

1.一种通过利用训练图像构建分类树而使过滤器进行学习的方法，包括以下步骤：

(a)在获取与分类树的第k节点相关的第mk个正样本图像和第nk个负样本图像的情况下，学习装置对所述第mk个正样本图像和所述第nk个负样本图像的每一个获取第a个特征，其中k≥1且为整数；以及

(b)(i)在所述k为1的情况下，所述学习装置执行如下的进程：以关于第m1个正样本图像的特征直方图和关于第n1个负样本图像的特征直方图为参照，确定分类错误最小的特征ID以及阈值，其中，所述特征ID是指所述第a个特征的每一个的ID，

(ii)在所述k大于或等于2的情况下，所述学习装置执行如下的进程：以已确定的特征ID及阈值为基准对父节点进行图像分类，其结果如果是与所述第k节点的兄弟节点相比较多的图像被分配到所述第k节点中的状态，则以关于所述第mk个正样本图像的特征直方图和关于所述第nk个负样本图像的特征直方图为参照，确定分类错误最小的特征ID及阈值，并且对所述分类树中具有与所述第k节点相同的深度的节点同样分配所确定的特征ID及阈值，

(c)所述学习装置以分类到所述分类树的叶节点中的正样本图像信息及负样本图像信息为参照，计算关于所述叶节点的分数，

其中，所述学习装置通过以下数学式来计算分数：

分数＝max(-t,min(t,0.5*log(prior/(1-prior))))，

其中，

prior＝P/(P+N)，

P：被分类至叶节点的正样本图像个数；

N：被分类至叶节点的负样本图像个数；

t：与加权值相关的值。

2.根据权利要求1所述的方法，其特征在于，

所述(a)步骤包括：

在获取与所述分类树的第k节点相关的所述第mk个正样本图像和所述第nk个负样本图像的情况下，所述学习装置通过对所述第mk个正样本图像和所述第nk个负样本图像的每一个获取第a个特征来构建mk*a矩阵及nk*a矩阵，

所述(b)步骤包括：

所述学习装置通过按每个特征ID利用所述mk*a矩阵的特征来生成正样本图像直方图，并且利用所述nk*a矩阵的特征来生成负样本图像直方图，从而以所述正样本图像直方图及所述负样本图像直方图的接触点为参照，确定分类错误最小的特征ID并将此时的分类地点的特征值确定为阈值。

3.根据权利要求1所述的方法，其特征在于，

所述t根据正样本图像个数及负样本图像个数的和而不同。

4.根据权利要求1所述的方法，其特征在于，

根据上述数学式仅对所述分类树的叶节点中的正样本图像个数及负样本图像个数的和相对大的预定个数的叶节点计算分数，对于剩余叶节点而言将分数设定为0。

5.根据权利要求1所述的方法，其特征在于，

将通过对所计算出的分数乘于正样本图像个数及负样本图像个数的和而获得的值确定为最终分数。

6.根据权利要求1所述的方法，其特征在于，

在所述(a)步骤中，

所述学习装置通过对所述第mk个正样本图像和所述第nk个负样本图像的每一个提取单一特征和绝对差异特征中的至少一部分特征来获取所述第a个特征。