[发明专利]一种基于二分查找的行人检测器训练方法及系统

权利要求书

1.一种基于二分查找的行人检测器训练方法，其特征在于，包括以下步骤：

步骤1：以图像样本的局部图像特征和对应的类别标签，作为样本训练集；

步骤2：对样本训练集中的每个样本的权重进行初始设置，且初始化用于行人检测的决策桩序号；

步骤3：对权重进行归一化处理，并构建有序特征值数组集合和伴随权重数组集合；

对样本训练集中每个样本的相同特征的特征值进行升序排列，获取有序特征值数组集合；同时，对每个特征值对应的权重按照特征值的排序进行重排，获得与有序特征值数组集合对应的伴随权重数组集合；

步骤4：计算误差数组集合和极性数组集合；

依次以每个有序特征值数组中的每个元素为阈值，对样本训练集中的每个样本进行分类，使用与有序特征值数组对应的伴随权重数组中权重元素计算分类误差，得到误差数组集合；同时，以误差数组中每个误差元素的极性值，构建对应的极性数组，得到极性数组集合；

步骤5：对误差数组集合中每个误差数组进行变种二分查找最小误差，获得最小误差数组，并以最小误差所在的误差数组的下标构成下标数组；

步骤6：利用最小误差数组中的最小误差，设置决策桩；

步骤7：按照决策桩更新样本训练集中每个样本的权重，同时，更新决策桩桩号；

步骤8：判断决策桩桩号是否超过设定的最大桩号，若未超过，返回步骤3，否则，利用所有的决策桩，构建用于行人检测的检测器；

所述对误差数组集合中每个误差数组进行变种二分查找最小误差的具体过程如下：

步骤B1：令N＝n，n表示样本总数；

步骤B2：设定l＝2，r＝N-1，m＝(r+l)/2，l、r以及m均表示中间变量；

步骤B3：如果l≥r，跳转到步骤B8；

步骤B4：如果e_i，l≥e_i，m，跳转到步骤B6；

步骤B5：若e_i，l＜e_i，r，r＝m-1，否则l＝m-1；跳转到步骤B7；

步骤B6：l＝l+(m-l)/2，r＝m+(r-m)/2；

步骤B7：m＝(r+l)/2；

步骤B8：输出e_i，l及下标(i，l)，获得每个误差数组中的最小误差和对应的数组下标；其中，e_i，l、e_i，m以及e_i，r分别表示第i个误差数组中的第l、m、r个误差元素。

2.根据权利要求1所述的方法，其特征在于，所述决策桩按照以下方式设置：

令决策桩对应的特征维度序号μ_t＝m1，决策桩分类误差ε_t＝mine，决策桩极性ρ_t＝p_m1，m2，决策桩阈值θ_t＝o_m1，m2，决策桩为

其中，mine为最小误差数组中的最小误差，(m1，m2)为mine在下标数组中的对应下标，P_m1，m2和o_m1，m2分别是极性数组集合和有序特征值数组集合中第m1个数组中的第m2个元素，表示样本训练集中的样本x的第μ_t维特征，t表示决策桩桩号。

3.根据权利要求2所述的方法，其特征在于，所述用于行人检测的检测器如下：

其中，T为决策桩个数。

4.根据权利要求2所述的方法，其特征在于，样本训练集中每个样本的权重按照以下公式更新：

其中，样本x_i被分类正确时e_i＝0，否则e_i＝1，