[发明专利]图像识别方法及装置

摘要

图像识别方法及装置，所方法包括：获取原始图像；以预设大小的窗口扫描所述原始图像，得到多个候选区域；采用预设的特征学习模型，计算当前候选区域的影像域矩形积分影像特征和特征值，及影像梯度域矩形积分影像特征和特征值；采用串接式决策分类器中按照复杂度顺序排列的多个强分类器，根据所得到的当前候选区域的影像域矩形积分影像特征和特征值，及影像梯度域矩形积分影像特征和特征值，分别计算当前候选区域的特征分值；当计算得出的当前区域的特征分值分别大于相应强分类器的分值阈值时，确定当前候选区域为目标对象的图像。上述的方案可以提高图像识别的准确率，并降低运算量，提高图像识别的速度。

主权项

1.一种图像识别方法，其特征在于，包括：获取原始图像；以预设大小的窗口扫描所述原始图像，得到多个候选区域；采用预设的特征学习模型，计算当前候选区域的影像域矩形积分影像特征和特征值，及影像梯度域矩形积分影像特征和特征值；其中，所述特征学习模型中包括具有分类意义的矩形影像域矩形积分影像特征对应的弱分类器及其权重、及影像梯度域矩形积分影像特征对应的弱分类器及其权重的信息；采用串接式决策分类器中按照复杂度顺序排列的多个强分类器，根据所得到的当前候选区域的影像域矩形积分影像特征和特征值，及影像梯度域矩形积分影像特征和特征值，分别计算当前候选区域的特征分值；其中，采用自适应增强算法对所述特征学习模型中的具有分类意义的矩形影像域矩形积分影像特征对应的弱分类器及其权重、及影像梯度域矩形积分影像特征对应的弱分类器及其权重进行训练得到所述多个强分类器；当计算得出的当前区域的特征分值分别大于相应强分类器的分值阈值时，确定当前候选区域为目标对象的图像；其中，所述影像梯度域矩形积分影像特征的特征值采用如下的公式计算得到：其中，f1表示影像梯度域矩形积分影像特征的特征值，T1’表示特征值为正的影像梯度域矩形积分影像的个数，T1”表示特征值为负的影像梯度域矩形积分影像的个数，表示第m个特征值为正数的影像梯度域矩形积分影像的特征值，表示第n个特征值为负数的影像梯度域矩形积分影像的特征值；其中：rii1(x，y)＝∑_{x≤x′≤M1，y≤y′≤N1}ii1(x′，y′)，其中，rii1(x，y)表示位置(x，y)为影像梯度域矩形积分影像特征的特征值，ii1(x′，y′)表示(x′，y′)对应的梯度值，M1、N1分别表示影像域矩形积分影像中x方向和y方向上的最大位置坐标。