[发明专利]基于共享弱分类器组合的人手分类器以及训练和检测方法

摘要

本发明公开了一种基于共享弱分类器组合的人手分类器及其检测方法，能够从杂乱背景中检测多姿态手。在分类器训练过程中boosting的每一轮，都选取一组共享特征，使用该组共享特征构建一个对应的共享弱分类器组合。同时，使用共享特征组合构建对应的多阈值共享弱分类器组合，提升了分类器的分类能力。

主权项

一种共享弱分类器组合的人手分类器的训练方法，该人手分类器由多级强分类器级联构成，每一级强分类器由多对共享弱分类器组合构成；待检目标图像必须被每一级强分类器判断为“包含人手”，整个级联分类器才会最终判断为“包含人手”，否则判断为“不包含人手”，其特征在于：假设一共有C类样本类别，N个训练样本，每个训练样本v_i对于类别c的权重为Wi^C ， 共有C个权重；nf个弱分类器作为一个组合，且样本集被划分为了nf个子集，则，第k个弱分类器为：其中，m为训练的轮数，为训练样本中第k个样本的特征值，为人手分类器对应于类别c的阈值，S_k(nf)为nf个子集中的第k个子集；该组弱分类器组合表示为：其中，该组合的集合中，两两子集互斥，全部子集的并集为全部的样本类别；该组弱分类器组合的损失函数为：该组弱分类器的个数平均每减少1，该组弱分类器组合的分类误差总和的增加为：其中，J^C为弱分类器的个数为C时，该组弱分类器组合的误差总和，J^nf为弱分类器的个数为nf时，该组弱分类器组合的误差总和，在上述公式(4)中，以最小为目标，选取弱分类器组合；在训练每一级强分类器的过程中，每训练得到一个弱分类器组合，计算当前状态下强分类器对训练样本分类的误检率，如果该误检率高于该级强分类器的误检率阈值，则继续训练，否则训练结束。