公开(公告)号：CN101814149B

公开(公告)日：2012-01-25

申请号：CN201010166225.6

申请日：2010-05-10

Applicant: 华中科技大学

Inventor： 桑农 ,  罗大鹏 ,  黄锐 ,  唐奇伶 ,  王岳环 ,  高常鑫 ,  高峻 ,  笪邦友

IPC: G06K9/66

Abstract: 本发明公开了基于在线学习的自适应级联分类器训练方法，其步骤为：①准备一个含有少量样本的训练样本集，采用级联分类器算法训练一个初始的级联分类器HC(x)；②使用HC(x)遍历待检测的图像帧，逐一提取与上述训练样本同样大小的区域计算其特征值集合，从而可用初始的级联分类器对其进行分类，判断是否为目标区域，即完成目标检测；③对检测到的目标采用粒子滤波算法进行跟踪，通过跟踪对目标检测结果进行验证，将错误的检测标注为在线学习的负样本。此外，通过跟踪获取真实目标的不同姿态，从中提取在线学习的正样本；④每获得一个在线学习样本，采用自适应级联分类器算法对初始级联分类器HC(x)进行在线训练和更新，从而逐步提高分类器的目标检测精度。

公开(公告)号：CN101799875B

公开(公告)日：2011-11-30

申请号：CN201010114137.1

申请日：2010-02-10

Applicant: 华中科技大学

Inventor： 罗大鹏 ,  桑农 ,  黄锐 ,  王岳环 ,  唐奇伶 ,  高峻 ,  高常鑫 ,  笪邦友

IPC: G06K9/66 ,  G06T7/00

Abstract: 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(xi，yi)，i＝1，……，N，xi表示训练样本的特征值集合，yi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。