[发明专利]面向变化场景的远红外行人检测方法在审
| 申请号： | 201410338632.9 | 申请日： | 2014-07-16 |
| 公开（公告）号： | CN104239907A | 公开（公告）日： | 2014-12-24 |
| 发明（设计）人： | 刘琼;庄家俊;申旻旻 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/66 | 分类号： | G06K9/66 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 何淑珍 |
| 地址： | 511400 广东省广州市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开面向变化场景的远红外行人检测方法，该方法基于Boosting-style的归纳迁移学习算法DTLBoost，从辅助数据中筛选样本扩展目标数据集。首先利用基于k近邻的样本重要性度量模型评估辅助数据与目标数据之间的相似度，为辅助数据中的不同样本分配相应的初始权重。在训练过程中，显式地定义成员分类器的预测不一致性程度，并结合当前成员分类器的预测错误率对辅助数据和目标数据样本的当前权重进行迭代更新，从辅助数据中筛选出具有正迁移能力的样本扩展训练集，并鼓励不同成员分类器学习目标数据的不同部分或方面。从而训练出泛化能力更强的集成分类器，增强新场景中行人检测的鲁棒性。 | ||
| 搜索关键词： | 面向 变化 场景 红外 行人 检测 方法 | ||
【主权项】：
面向变化场景的远红外行人检测方法，其特征在于该检测方法基于Boosting‑style的归纳迁移学习算法DTLBoost，具体包括如下步骤：(1)通过基于k近邻算法的样本重要性度量模型评估辅助数据与目标数据之间的相似性程度，为辅助数据中的不同样本分配相应的初始权重；(2)筛选训练数据集，训练成员分类器；(3)显式地定义成员分类器的预测不一致性程度，并结合当前成员分类器的预测错误率对辅助数据和目标数据样本的当前权重进行迭代更新；(4)若满足迭代终止条件，输出行人分类器，实现面向新场景的行人检测；否则，返回步骤(2)。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201410338632.9/，转载请声明来源钻瓜专利网。
- 上一篇：激光调节机构
- 下一篇：基于模糊粒子群和目标分解的极化SAR图像分类方法
