[发明专利]一种基于多分类增量学习的分窗口计数方法及装置

权利要求书

1.一种基于多分类增量学习的分窗口计数方法，其特征在于，包括以下步骤：

1)训练步骤，针对各分区窗口训练多分类模型，每一个窗口所对应的多分类模型由识别不同目标数的二分类器组成，每一个二分类器用于识别指定的一个目标数：

1-1)图像采集步骤：在各窗口内采集不同目标数下的样本图像；

1-2)图像预处理步骤：对所有样本图像进行高斯滤波消除噪声，再进行灰度化以及二值化处理，得到窗口内目标总像素点数；

1-3)多分类模型训练步骤：将各目标数下的样本图像的目标总像素点数，一方面作为指定识别该目标数的二分类器的正样本输入，另一方面作为识别其它目标数的二分类器的负样本输入；

2)计数步骤：

2-1)图像采集步骤：将采集目标图像按预置窗口进行分区；

2-2)图像预处理步骤：对每个窗口的图像进行高斯滤波消除噪声，再进行灰度化以及二值化处理，得到窗口内目标总像素点数；

2-3)分类及模型增量学习步骤：将每个窗口内目标总像素点数输入多分类模型，根据多分类模型的输出结果得到目标数；根据目标数对目标总像素点数进行标注后，将标注后的目标总像素点数作新样本使对应窗口多分类模型进行模型增量学习；

2-4)计数输出：将目标图像中所有窗口的目标数求总和作为计数结果；

多分类模型包括SVM多分类模型和AdaBoost多分类模型，SVM多分类模型、AdaBoost多分类模型各自由识别不同目标数的二分类器组成；

在训练步骤中同时对SVM多分类模型、AdaBoost多分类模型进行训练；

计数步骤中各窗口的SVM多分类模型、AdaBoost多分类模型同时输出目标数，仅在SVM多分类模型、AdaBoost多分类模型输出目标数相同的情况下，产生新样本使对应窗口的SVM多分类模型、AdaBoost多分类模型进行模型增量学习；

单独以SVM多分类模型或AdaBoost多分类模型下目标图像中所有窗口的目标数求总和作为计数结果。

2.一种基于多分类增量学习的分窗口计数装置，其特征在于，包括CCD摄像头，暗箱，透明板，背光源，多窗模板，计算机，透明板覆盖在背光源上，多窗模板与透明板之间由合页旋转轴连接，暗箱与透明板之间由合页旋转轴连接，CCD摄像头与所述计算机之间数据连接，计算机执行如权利要求1所述方法。

3.如权利要求2所述装置，其特征在于，所述背光源为冷光片。