[发明专利]一种目标检测方法

摘要

本发明公开了基于维数递增弱线性回归树的目标检测方法，其步骤为：①准备训练样本集(x_i，y_i)，i＝1，……，N，x_i表示训练样本的特征值集合，y_i为样本类别，N为训练样本数，N为自然数；②初始化训练样本权重为，其中t为自然数，初始化时t＝1；③对样本集合进行循环计算，选定循环次数T，T为自然数每次循环都得到一个线性回归树作为弱分类器。等到T次循环完成后，再将T个弱分类器合成一个强分类器；④使用该强分类器对数字图像中的各个区域进行分类，从而判断是否为目标区域，完成目标检测。本发明方法提出采用线性回归树作为弱分类器，即每个弱分类器不再只含有一个特征，而是用线性回归树将多个特征进行有机的组合，提高了分类器的分类能力，当训练出的分类器用于图像中的目标检测时可以获得较高的检测率及较快的检测速度。

主权项

1.一种目标检测方法，用于图像中的目标检测，包括如下步骤：(1)准备训练样本集(x_i，y_i)，i＝1，……，N，其中N为训练样本数，N为自然数，训练样本集中每个训练样本为一个图像块，图像块中含有待检测的目标则为正样本，没有则为负样本，x_i表示训练样本集中每个训练样本的特征值集合，y_i为样本类别：(2)初始化每个训练样本权重为其中t∈{1，...，T}，T为循环次数，初始化时t＝1；(3)对所述的训练样本集进行T次循环计算，每次循环都得到一个线性回归树作为弱分类器，也称为弱线性回归树L_t(x)，并计算该弱线性回归树L_t(x)的权重α_t，经过T次循环，共得到T个弱线性回归树；(4)将T次循环获得的所述T个弱线性回归树组合成一个强分类器：H(x)=sign(Σt=1TαtLt(x));]]>(5)使用该强分类器H(x)遍历待检测的图像，逐一提取与上述训练样本同样大小的区域并计算其特征值集合，从而可用上述强分类器对其进行分类，判断所提取的区域是否为目标区域，完成目标检测。