[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

摘要

本发明提供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：学习装置对与分类树的第k节点相关的第mk个正样本图像和第nk个负样本图像分别获取第a个特征；及当k为1时，参照第m1个正样本图像和第n1个负样本图像的特征直方图，确定分类错误最小的特征ID以及阈值，其中，特征ID是指第a个特征的每一个的ID，当k≥2时，基于已确定的特征ID及阈值对父节点进行图像分类，如果与第k节点的兄弟节点相比较多的图像被分类到第k节点中，则参照第mk个正样本图像和关于第nk个负样本图像的特征直方图，确定分类错误最小的特征ID及阈值，并且对分类树中具有与第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。

主权项

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或支持获取第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，确定或支持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个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，确定或支持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。