[发明专利]考虑分类器输出敏感度的变电作业人员着装鲁棒识别方法

摘要

本发明提供一种考虑分类器输出敏感度的变电作业人员着装鲁棒识别方法，涉及图像识别与分析领域，包括：获取人体图像，提取各单元的基于HOG和HOC算子的特征向量；采用K‑均值聚类方法求取径向基神经网络的关于特征向量的基函数中心；选用高斯函数作为径向基神经网络的基函数，并计算方差；采用蒙特卡洛法随机采样各个训练样本邻域中的点，求取各个训练样本的敏感度；根据训练样本敏感度建立考虑分类器输出敏感度的损失函数，并用最小二乘‑牛顿法迭代求解隐含层到输出层的权值，得到在训练样本上的径向基神经网络分类器；根据训练好的分类器对变电站作业人员进行着装识别，输出识别结果。增强了分类器在实际识别应用中的鲁棒性。

主权项

1.一种考虑分类器输出敏感度的变电作业人员着装鲁棒识别方法，其特征在于，包括以下步骤：(1)获取人体图像，把图像按1:4:4的比例分成头盔、上衣和下衣三个单元，提取各单元的基于HOG和HOC算子的特征向量hogi(i＝1,2,3)、hoci(i＝1,2,3)，HOG表示梯度方向直方图，HOC表示颜色直方图；(2)采用K‑均值聚类方法求取径向基神经网络关于所述特征向量hogi(i＝1,2,3)、hoci(i＝1,2,3)的基函数中心cj(j＝1,2,...,h)，h为在训练样本中所选取的聚类中心个数；(3)选用高斯函数作为径向基神经网络的基函数，并计算方差σj(j＝1,2,3,...,h)；(4)采用蒙特卡洛法随机采样各个训练样本邻域中的点，求取各个训练样本的敏感度senp(p＝1,2,...,m)，m为训练样本的总个数；(5)根据训练样本敏感度建立考虑分类器输出敏感度的损失函数，并用最小二乘‑牛顿法迭代求解径向基神经网络的隐含层到输出层的权值，得到在训练样本上的径向基神经网络分类器；(6)根据训练好的分类器对变电站作业人员进行着装识别，输出识别结果。