[发明专利]目标检测方法与装置

权利要求书

1.一种目标检测方法，其特征在于，包括：

步骤1、基于初始训练样本集得到视觉词集合，将所述视觉词集合作为码本；

步骤2、基于所述码本构建视觉词网络模型；

步骤3、提取所述初始训练样本集中各样本的词频直方图特征；

步骤4、根据所述词频直方图特征，经过网络调节确定所述视觉词网络模型中的各网络节点的权重；

步骤5、根据所述权重，确定核函数，并根据所述核函数确定k近邻分类器；

步骤6、采用所述k近邻分类器检测待检测区域，得到检测结果，根据所述检测结果确定所述待检测区域是否为目标，所述待检测区域为检测任务包括的需要检测的区域之一；

步骤7、判断是否完成所述检测任务，若完成，则结束目标检测；否则，判断是否在线获取训练样本，若是，则根据所述在线获取的训练样本更新所述步骤3中的所述初始训练样本集，并对所述检测任务包括的下一个待检测区域执行所述步骤3～步骤7；若未在线获取训练样本，则对所述检测任务包括的下一个待检测区域执行所述步骤6；

其中，所述步骤4中，对于各所述网络节点中的任意一个网络节点i，所述网络节点i对应的视觉词对所述网络节点i的权重具有激励作用，所述网络节点i的权重对其他网络节点的权重具有抑制作用，所述其他网络节点表示所述码本中除所述网络节点i所对应的视觉词之外的其他视觉词。

2.根据权利要求1所述的方法，其特征在于，所述步骤1具体包括：

步骤1.1、对所述初始训练样本集采样，获得局部特征；

步骤1.2、对所述局部特征聚类，得到所述视觉词集合。

3.根据权利要求1所述的方法，其特征在于，所述步骤2具体为：

将所述码本中的各视觉词作为网络节点，将各所述网络节点两两连接构成所述视觉词网络模型的网络拓扑结构。

4.根据权利要求1所述的方法，其特征在于，所述步骤4中，所述网络调节的第t次迭代过程包括：

步骤4.1、确定所述网络节点i受到的所述激励作用的激励强度；

步骤4.2、确定所述网络节点i受到的抑制作用的抑制强度；

步骤4.3、根据所述激励强度与所述抑制强度，确定所述网络节点i的激活度，所述激活度与所述激励强度正相关，与所述抑制强度负相关；

步骤4.4、根据所述激活度与所述网络节点i的权重增长系数，更新所述网络节点i的权重。

5.根据权利要求4所述的方法，其特征在于，所述网络节点i的权重增长系数，与所述网络节点i的当前权重以及所述码本中所有网络节点的平均权重负相关。

6.一种目标检测装置，其特征在于，包括：

码本获取模块，用于基于初始训练样本集得到视觉词集合，将所述视觉词集合作为码本；

构建模块，用于基于所述码本获取模块得到的所述码本构建视觉词网络模型；

提取模块，用于提取所述初始训练样本集中各样本的词频直方图特征；

权重确定模块，用于根据所述提取模块提取的所述词频直方图特征，经过网络调节确定所述视觉词网络模型中的各网络节点的权重；

确定模块，用于根据所述权重确定模块确定的所述权重，确定核函数，并根据所述核函数确定k近邻分类器；

检测模块，用于采用所述k近邻分类器检测待检测区域，得到检测结果，根据所述检测结果确定所述待检测区域是否为目标，所述待检测区域为检测任务包括的需要检测的区域之一；

执行模块，用于判断是否完成所述检测任务，若完成，则结束目标检测；否则，判断是否在线获取训练样本，若是，则根据所述在线获取的训练样本更新所述提取模块中的所述初始训练样本集，并对所述检测任务包括的下一个待检测区域执行提取模块、所述权重确定模块、所述确定模块、所述执行模块对应的动作；若所述执行模块确定出未在线获取训练样本，则对所述检测任务包括的下一个待检测区域执行所述确定模块对应的动作；

其中，对于各所述网络节点中的任意一个网络节点i，所述网络节点i对应的视觉词对所述网络节点i的权重具有激励作用，所述网络节点i的权重对其他网络节点的权重具有抑制作用，所述其他网络节点表示所述码本中除所述网络节点i所对应的视觉词之外的其他视觉词。