[发明专利]基于快速Adaboost训练算法的自动扶梯乘客检测方法

权利要求书

1.基于快速Adaboost训练算法的自动扶梯乘客检测方法，该方法主要是通过采集视频样本，提取HOG特征，快速训练得到分类器，利用分类器进行自动扶梯上乘客检测，其包括以下步骤：

1)视频图像采集；

2)生成正样本和负样本；

3)提取正、负样本中的HOG特征；

4)利用样本的HOG特征向量，调用快速Adaboost算法训练生成分类器，包括以下步骤：

4.1)前期准备

提取所有样本图像的HOG特征，包括正样本和负样本，保存成(x_i,y_i)的形式，其中i为样本的序号，x_i为第i号样本的HOG特征向量，y_i为第i号样本的样本标签，当该样本为正样本时y_i为1，当该样本为负样本时y_i为-1；

4.2)初始化样本权值

输入训练集D＝{(x₁,y₁),(x₂,y₂),...,(x_m,y_m)}，其中m＝N_pos+N_neg为样本总数；将训练集所有样本的权重初始化为即：

其中，d₁(i)为第1轮迭代时第i号样本的初始权值；

4.3)训练弱分类器

令迭代次数n＝1,2,…,N开始迭代训练分类器；

4.3.1)利用当前的样本分布D_n和训练集样本个数m，计算裁剪阈值T(max_n)，抽取权重大于T(max_n)的样本，形成裁剪集合基于裁剪集合调用弱学习算法生成本轮迭代的弱分类器h_n；

T(max_n)的计算规则如下

T(max_n)＝K*(max(d_n)/m)

其中，max(d_n)为第n轮迭代中所有样本权值的最大值，K为固定倍数；

4.3.2)计算分类器h_n在第n轮原始分布D_n下的错误率：

如果ε_n≥0.5且则令N＝n-1，同时停止迭代；

如果ε_n≥0.5且则令T(max_n)＝0，转至步骤4.3.1)；

其中，d_n(i)为第n轮迭代中第i号样本的权值；其中D是原始样本集；

4.3.3)计算分类器h_n在最终分类器集合中的加权系数：

4.3.4)更新样本分布:

其中，Z_n为规范化因子，更新训练集权重分布用于下一轮迭代；

4.4)弱分类器级联为强分类器

强分类器为弱分类器的线性组合，误差率越小的弱分类器在强分类器中的权重越大：

其中，sign(·)为符号函数，在·＜0,＝0,＞0时分别取值-1,0,1；

5)利用得到的分类器进行乘客检测；

6)利用camshift算法跟踪人体。

2.根据权利要求1所述的基于快速Adaboost训练算法的自动扶梯乘客检测方法，其特征在于：在步骤1)中，采用摄像头进行图像采集，摄像头安装在手扶电梯运动方向的斜上方，其视角要求覆盖整个自动扶梯载客区，并且保证自动扶梯上的乘客于视频中间。