[发明专利]基于冗余特征消减AdaBoost分类器的物体检测方法无效
申请号: | 201110049377.2 | 申请日: | 2011-03-01 |
公开(公告)号: | CN102129565A | 公开(公告)日: | 2011-07-20 |
发明(设计)人: | 闻佳;李超;余建;郭信谊;熊璋 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 北京慧泉知识产权代理有限公司 11232 | 代理人: | 王顺荣;唐爱华 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 冗余 特征 消减 adaboost 分类 物体 检测 方法 | ||
1.基于冗余特征消减AdaBoost分类器的物体检测方法,其特征在于包括以下步骤:
(1)分类器训练:在初次使用AdaBoost分类器之前,使用基于权重的冗余特征消减对传统训练过程进行改进,对分类器进行训练,同时进行特征选择;
(2)物体特征提取:使用特征提取算法提取需要检测的物体的特征,;
(3)输入特征:将在步骤(2)中得到的特征输入步骤(1)训练完毕的分类器;
(4)得到检测结果:分类器对输入的特征进行二元分类,确定输入的特征是否属于待检测的物体,输出检测结果。
2.根据权利要求1所述的基于冗余特征消减AdaBoost分类器,其特征在于:所述步骤(1)基于冗余特征消减AdaBoost分类器的分类器训练方法如下:
1)输入:一个特征集合F={f1,...,fK}以及
S={(x1,y1),.....,(xN,yN)}这是一个带有标签的训练集合,其中
yi={0,1}分别对应正样本与负样本,一个组合分类器h和一个给定的循环次数T,消除系数λ,以及关联阈值γ;
2)初始化:数据集初始化训练样本权重:当yi=0,当yj=1时,其中m和l分别代表负样本和正样本的个数,特征权重D:d1,i=1.0,特征阈值θ=0.0,以及消除速率
3)进行T次循环,每次循环过程如下:
①归一化权重:使wt成为概率分布;
②For对每个在F中且权值dj>θ的特征fj,训练分类器hj;估计wt的错误率εj=∑iwt,i|hj(xi)-yi|;
③用最小错误率εt选择分类器ht,同时G←G∪{ft};
④执行elimination_redundance(F,S,Dt,wt,Gt,ft,h,l,θ,γ)过程,即执行冗余特征消减过程;
⑤在ei=0处,更新权值若样本xi分类正确,则ei=1,并且
4)输出:强分类器其中同时选择了G中的T个特征。
3.根据权利要求2所述的基于冗余特征消减AdaBoost分类器,其特征在于:所述步骤3)中的执行elimination_redundance(F,S,Dt,wt,Gt,ft,h,l,θ,γ)冗余特征消减过程如下:
(1)输入:输入变量为elimination_redundance(F,S,Dt,wt,Gt,ft,h,l,θ,γ)中所示,其中,F代表特征集合,S代表带有标签的训练集合,Dt代表特征权重,wt代表样本权重,G是数据集,ft代表特征,h代表当前分类器,l代表负样本数,θ代表特征阈值,γ代表关联阈值;
(2)初始化:将ft权值置为dt=0,置关联序列R为空,即
(3)对权值dj>0的进行如下操作:
①计算ft与fj的关联值,
②将ct,j插入序列R中,并以升序排列;
(4)当j<l,ct,j≤γ时将特征权值置为:dj=0,其中j是对应特征fj的序号。
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北京航空航天大学,未经北京航空航天大学许可,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/pat/books/201110049377.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:染料敏化太阳能电池
- 下一篇:多路压力式温度控制器