[发明专利]一种基于随机森林支持向量机的行人识别系统及处理方法

权利要求书

1.一种基于随机森林支持向量机的行人识别系统，其特征在于，包括特征提取模块(1)、聚类模块(2)、随机森林创建模块(3)和评分模型模块(4)；

所述特征提取模块(1)，用于从各图像人物样本中提取颜色特征信息和纹理特征信息，并将各图像人物样本中的各颜色特征和纹理特征用多维特征向量的形式表示；

所述聚类模块(2)，用于根据K-means聚类算法对所有图像人物样本的多维特征向量进行聚类处理，得到类别矩阵；

所述随机森林创建模块(3)，用于根据所述多维特征向量和所述类别矩阵建立随机森林模型，再通过所述随机森林模型对待测试人物图像进行特征预测，得到预测类别号；

所述评分模型模块(4)，用于通过RankSVM排序算法对图像人物样本进行训练，得到评分模型，再通过所述评分模型根据所述预测类别号对待测试人物图像进行识别、评分和排序，得到待测试人物图像相似度排名；所述得到评分模型，具体包括：所述随机森林模型的输入矩阵中包括各图像人物样本的正确分类，所述正确分类由K-means聚类结果获得，并用评分模型A-qid-X表示，其中A为分类标记，将正确分类标记为1，其余分类标记为0，将qid表示同一个样本的数据，X表示类别矩阵的基分类器得到的预测得分。

2.根据权利要求1所述的一种基于随机森林支持向量机的行人识别系统，其特征在于，所述评分模型模块(4)包括模型构建单元(401)和评分单元(402)，

所述模型构建单元(401)，用于将所述图像人物样本的多维特征向量通过RankSVM排序算法进行训练，得到评分模型；

所述评分单元(402)，用于通过评分模型按所述预测类别号对待测试人物图像进行识别并评分，将识别到的结果根据评分大小进行排列，得到待测试人物图像相似度排名。

3.根据权利要求1所述的一种基于随机森林支持向量机的行人识别系统，其特征在于，所述随机森林模型包括多个决策树，每个决策树对待测试人物图像进行特征预测时，分别给出预测值，若该预测值出现次数最多则得到该特征的预测分类号。

4.根据权利要求1所述的一种基于随机森林支持向量机的行人识别系统，其特征在于，所述颜色特征信息包括RGB、HSV和YCBCR颜色空间的特征信息；对所述纹理特征信息的提取通过Gabor小波算法和LBP算法进行提取。

5.根据权利要求1至4任一项所述的一种基于随机森林支持向量机的行人识别系统，其特征在于，所述随机森林创建模块(3)根据K-means聚类算法对所有图像人物样本的多维特征向量进行聚类处理，得到类别矩阵，所述类别矩阵为聚五类。

6.一种基于随机森林支持向量机的行人识别处理方法，其特征在于，包括如下步骤：

步骤S1：从各图像人物样本中提取颜色特征信息和纹理特征信息，并将各图像人物样本中的各颜色特征和纹理特征用多维特征向量的形式表示；

步骤S2：根据K-means聚类算法对所有图像人物样本的多维特征向量进行聚类处理，得到类别矩阵；

步骤S3：根据所述多维特征向量和类别矩阵建立随机森林模型，再通过所述随机森林模型对待测试人物图像进行特征预测，得到预测类别号；

步骤S4：通过RankSVM排序算法对图像人物样本进行训练，得到评分模型，再通过所述评分模型根据所述预测类别号对待测试人物图像进行识别、评分和排序，得到待测试人物图像相似度排名；所述得到评分模型，具体包括：所述随机森林模型的输入矩阵中包括各图像人物样本的正确分类，所述正确分类由K-means聚类结果获得，并用评分模型A-qid-X表示，其中A为分类标记，将正确分类标记为1，其余分类标记为0，将qid表示同一个样本的数据，X表示类别矩阵的基分类器得到的预测得分。