[发明专利]一种基于样例迁移学习的人体检测方法

摘要

本发明公开了一种基于样例迁移学习的人体检测方法，该方法包括以下步骤：提取训练集中正样本和负样本的多维人体特征；利用支持向量机进行训练，得到初始人体检测器；将人体检测器划分为多个小网格，每个网格代表一个小部件，并用相应网格里的权重来表示这个部件；对于网格权重进行更新；采用多尺度滑动框扫描的方式对于待检测图像进行人体检测，得到人体检测结果。本发明中的检测器能够自适应的进行结构调整与测试框里的样例的结构进行匹配，并将匹配的损失计入得分函数中，因此本发明方法能够自适应地对每个样例进行结构迁移，可以处理人体的形变等情况。

主权项

一种基于样例迁移学习的人体检测方法，其特征在于，该方法包括以下步骤：步骤S1，对于训练集中的每个正样本进行归一化，并在得到的归一化图像上分别提取梯度直方图特征；对于所述训练集中的负样本，随机从不包含人体的图片上选取与所述归一化图像相同大小的图像，并提取其梯度直方图特征，从而分别得到所述正样本和负样本的多维的人体特征；步骤S2，基于所述步骤S1得到的所述正样本和负样本的人体特征，利用支持向量机对所述训练集中的正样本和负样本图片进行训练，得到一个初始的人体检测器；步骤S3，将所述步骤S2得到的初始的人体检测器划分为v个小的网格，每一个网格代表一个小的部件，并用相应网格里的权重来表示这个部件；同时基于所述网格建立一个图G=(ν,ε)，其中，ν表示图G中的节点，ε表示图G中的边；根据所述步骤S1提取得到的人体特征，分别建立图G′=(ν′,ε′)来表示对应的正样本和负样本；步骤S4，对于所述步骤S3中的网格权重进行更新，得到更新后的人体检测器；步骤S5，基于所述更新后的人体检测器，采用多尺度滑动框扫描的方式对于待检测图像进行人体检测，得到人体检测结果。