[发明专利]基于局部特征共生性和偏最小二乘法的行人检测方法有效
| 申请号： | 201610279313.4 | 申请日： | 2016-04-29 |
| 公开（公告）号： | CN105975921B | 公开（公告）日： | 2019-06-07 |
| 发明（设计）人： | 王菡子;李琦铭;严严 | 申请（专利权）人： | 厦门大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 厦门南强之路专利事务所(普通合伙) 35200 | 代理人： | 马应森 |
| 地址： | 361005 *** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于局部特征共生性和偏最小二乘法的行人检测方法，涉及计算机视觉技术。包括以下步骤：准备训练样本集，将训练样本的特征向量组合作为预测矩阵X，将训练样本的类别组合作为响应矩阵y；利用偏最小二乘法对预测和响应矩阵建立模型，求得权重矩阵W；根据权重矩阵W计算分数较高的特征作为候选特征，用于生成局部特征共生性；对局部图像块中的候选特征进行二值化并组合成局部特征共生性的二值化模式；计算二值化模式的概率分布，将其用于训练基于Boosted决策树的行人检测分类器；输入待检测图像，通过得到的分类器在待检测图像中找出分数较高的目标窗口作为可能的行人物体，完成检测。 | ||
| 搜索关键词： | 基于 局部 特征 生性 最小二乘法 行人 检测 方法 | ||
【主权项】：
1.基于局部特征共生性和偏最小二乘法的行人检测方法，其特征在于包括以下步骤：A)准备训练样本集，将训练样本的特征向量组合作为预测矩阵X，将训练样本的类别组合作为响应矩阵y；B)分别对X和y进行中心化，并利用非线性迭代方法求解由偏最小二乘法建立的关于特征数据预测和响应矩阵的模型，得到权重矩阵W；C)根据权重矩阵W计算分数前50％的特征作为候选特征，用于生成局部特征共生性；D)对局部图像块中的候选特征进行二值化并组合成局部特征共生性的二值化模式；E)计算步骤D)中二值化模式的概率分布，将其用于训练基于Boosted决策树的行人检测分类器；F)输入待检测图像，通过步骤E)得到的分类器在待检测图像中找出分数大于一定阈值的目标窗口作为可能的行人物体，完成检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于厦门大学，未经厦门大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610279313.4/，转载请声明来源钻瓜专利网。
