[发明专利]一种流量检测的方法及系统

权利要求书

1.一种流量检测的方法，其特征在于，包括以下步骤：

提取训练样本的梯度向量直方图HOG特征向量的各种特征，根据所述训练样本的HOG特征向量的各种特征与加性交叉核函数构造支持向量机SVM分类器；

获取采样图像中候选样本的HOG特征向量的各种特征；

根据所述SVM分类器对所述样本的HOG特征向量的各种特征进行识别以得到流量检测结果。

2.如权利要求1所述的流量检测的方法，其特征在于，所述提取训练样本的梯度向量直方图HOG特征向量的各种特征，根据所述训练样本的HOG特征向量的各种特征与加性交叉核函数构造支持向量机SVM分类器的步骤包括：

将训练样本分割成数份训练小样本，分别提取每个所述训练小样本的HOG特征向量的各种特征；

根据每个所述训练小样本的HOG特征向量的各种特征与加性交叉核函数构造出数份不同的SVM分类器模型；

从每份不同的SVM分类器模型中选择最优SVM分类器模型，将数份选择出的最优SVM分类器模型组合形成最终的SVM分类器。

3.如权利要求1所述的流量检测的方法，其特征在于，所述训练样本的梯度向量直方图HOG特征向量的各种特征包括HOG特征、颜色特征和条形特征，所述获取采样图像中候选样本的梯度向量直方图HOG特征向量的HOG特征的步骤包括：

对所述采样图像进行灰度化，对灰度化的图像采用Gamma校正法对图像进行颜色空间归一化；

对校正后的图像候选样本利用HOG特征提取计算出每个像素点的水平梯度和竖直梯度，以捕获图像；

将所捕获图像分成若干cells，每个cell形成各自的各种特征，对每个cell的梯度向量直方图进行规定权重的投影，将一定数的cell组成一个block,一个block内的所有cell特征串联起来形成一个block的特征；

对有投影重叠的每一个block内cell进行颜色空间归一化；

将图像内的所有block的HOG特征向量组合得到候选样本HOG特征向量的边缘特征。

4.如权利要求4所述的流量检测的方法，其特征在于，所述训练样本的梯度向量直方图HOG特征向量的各种特征包括HOG特征、颜色特征和条形特征，所述获取采样图像中候选样本的梯度向量直方图HOG特征向量的条形特征的步骤包括：

对所述采样图像进行灰度化；

对灰度化的图像采用Gamma校正法对图像进行颜色空间归一化；

对校正后的图像候选样本利用HOG特征提取进行二阶梯度计算得到每个像素点的条形特征。

5.如权利要求1所述的流量检测的方法，其特征在于，所述训练样本的梯度向量直方图HOG特征向量的各种特征包括HOG特征、颜色特征和条形特征，所述获取采样图像中候选样本的梯度向量直方图HOG特征向量的颜色特征的步骤包括：

将采样图像的RGB模型转换成HSI模型，其中HSI模型中候选样本的颜色直方图HOC包括候选样本HOG特征向量的色调及饱和度参数的特征；

从候选样本的HOC中获取候选样本HOG特征向量的色调及饱和度参数的特征。

6.如权利要求1所述的流量检测的方法，其特征在于，其中，所述SVM分类器利用如下决策函数对所述候选样本的HOG特征向量的各种特征进行识别以得到流量检测结果，所述决策函数为：

其中，sgn()为符号函数，x为训练样本，y为候选样本，样本点(x_i，y_j)，K(x_i，y_j)为核函数，样本类别识别y_j＝{-1,+1}，不为0的a对应的样本就是支持向量，b是常量，可以由任一支持向量求得。

7.如权利要求1-6任一项所述的流量检测的方法，其特征在于，所述获取采样图像中候选样本的步骤包括：

对所述采样图像进行窗口扫描；

生成每个扫描窗口的显著图，并计算每个所述显著图的熵值；

根据每个所述显著图的熵值对所述扫描窗口进行筛选以得到所述候选样本。