[发明专利]一种基于支持向量机的复选框选择状态的识别方法及装置

权利要求书

1.一种基于支持向量机的复选框选择状态的识别方法，其特征在于，包括：

获取预处理的目标待识别图像；

按照不同的预设尺度对所述目标待识别图像执行与所述不同的预设尺度对应的分块操作，获取分块图像，提取所述分块图像的方向梯度直方图特征向量，并获取所述目标待识别图像的方向梯度直方图特征向量；

将所述目标待识别图像的方向梯度直方图特征向量输入至训练后的支持向量机分类模型中，获取识别结果；

所述按照不同的预设尺度对所述目标待识别图像执行与所述不同的预设尺度对应的分块操作，获取分块图像，提取所述分块图像的方向梯度直方图特征向量，包括：

计算所述目标待识别图像中各像素点的梯度值，所述梯度值包括梯度幅值以及梯度方向；

按照第一预设尺度对所述目标待识别图像执行与所述第一预设尺度对应的分块操作，获取区域分块图像；

按照第二预设尺度对所述区域分块图像执行与所述第二预设尺度对应的分块操作，获取子区域分块图像；

按照预设的梯度方向区间，统计所述子区域分块图像中各个所述梯度方向区间对应的梯度幅值，将统计结果作为所述子区域分块图像的方向梯度直方图特征向量；

所述获取所述目标待识别图像的方向梯度直方图特征向量，包括：

根据计算式对所述子区域分块图像的方向梯度直方图特征向量进行归一化操作，其中，v表示所述子区域分块图像的方向梯度直方图特征向量，||v||表示v的L2范数，e表示偏移量，f表示所述子区域分块图像的方向梯度直方图特征向量的归一化结果；

将所述目标待识别图像中所有归一化后的所述子区域分块图像的方向梯度直方图特征向量按照预设的选取标准顺序排列，构成所述目标待识别图像的方向梯度直方图特征向量；

根据计算公式对所述目标待识别图像的方向梯度直方图特征向量进行标准化操作，获取标准化的所述目标待识别图像的方向梯度直方图特征向量，其中，v表示所述目标待识别图像的方向梯度直方图特征向量，μ_n表示所述目标待识别图像的方向梯度直方图特征向量的均值，σ_n表示所述目标待识别图像的方向梯度直方图特征向量的方差，v'表示标准化结果；

其中，按将所述目标待识别图像的方向梯度直方图特征向量输入至所述训练后的支持向量机分类模型中，获取所述识别结果之前，还包括：

获取预处理的训练样本图像，所述训练样本图像包括正训练样本图像以及负训练样本图像，其中，所述正训练样本图像包括处于选中状态的复选框，所述负训练样本图像包括处于非选中状态的复选框；

按照不同的预设尺度对所述训练样本图像执行与所述不同的预设尺度对应的分块操作，获取所述分块图像，提取所述分块图像的方向梯度直方图特征向量，并获取所述训练样本图像的方向梯度直方图特征向量；

提取所述训练样本图像的方向梯度直方图特征向量的主成分特征向量，将所述训练样本图像的方向梯度直方图特征向量的主成分特征向量输入至支持向量机分类器中进行训练，获取初始支持向量机分类模型；

建立目标训练样本，将所述目标训练样本输入至所述初始支持向量机分类模型，获取所述初始支持向量机分类模型的错误分类结果，将所述错误分类结果加入至所述训练样本图像重新进行训练，获取最终的支持向量机分类模型；

其中，所述建立目标训练样本，将所述目标训练样本输入至所述初始支持向量机分类模型，获取所述初始支持向量机分类模型的错误分类结果，将所述错误分类结果加入至所述训练样本图像重新进行训练，获取最终的支持向量机分类模型，包括：

建立与预设窗口大小相等的不同分辨率的目标负样本图像集；

将所述不同分辨率的目标负样本图像集输入至所述初始支持向量机分类模型，获取所述初始支持向量机分类模型的错误分类结果；

将所述错误分类结果输入至所述训练样本图像重新进行训练，获取最终的支持向量机分类模型；

其中，所述建立与预设窗口大小相等的不同分辨率的目标负样本图像集，包括：

对所述负训练样本图像进行多次缩放处理，得到不同分辨率的负训练样本图像，在不同分辨率的负训练样本图像中截取预设窗口大小的图像，组成所述目标负样本图像集；

其中，获取预处理的目标待识别图像包括：

滤除所述目标待识别图像的噪声；

按照预设图像大小，对所述目标待识别图像进行重采样；

对所述重采样的目标待识别图像进行伽马校正，获取所述目标待识别图像的预处理结果。