[发明专利]车辆分类器的训练方法在审
申请号: | 201610763412.X | 申请日: | 2016-08-30 |
公开(公告)号: | CN106372658A | 公开(公告)日: | 2017-02-01 |
发明(设计)人: | 谢晶梅 | 申请(专利权)人: | 广东工业大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 广东广信君达律师事务所44329 | 代理人: | 杨晓松 |
地址: | 510062 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供了车辆分类器的训练方法,包括使用少量样本训练一个初始分类器,将摄像头传感器采集到的视频转化为图片,用初始分类器对这些图像进行检测,然后将通过该初始分类器的图片以及含有车辆目标但分类器未能检测出来的图片进行保存,通过该分类器的图片中可能包含正确检测的车辆图片和误捡为车辆的图片,将误捡的图片定义为负样本难例,含有车辆目标但分类器检测未能检测出来的图片定义为正样本难例,将正负样本难例加入正负样本库中并继续训练车辆分类器,直到训练出来的分类器的检测率和误检率达到客户要求。本发明能够增加分类器训练样本的多样性,提高车辆检测的检测率和降低误检率,最终优化分类器训练流程。 | ||
搜索关键词: | 车辆 分类 训练 方法 | ||
【主权项】:
车辆分类器的训练方法,其特征在于,包括以下步骤:1)人工选取一定数量的车辆正样本图片和车辆负样本图片,并将所述车辆正样本图片和所述车辆负样本图片归一化至一定像素的正负样本图片;2)使用积分通道特征对所述正负样本图片进行表征,形成特征样本;3)采用Adaboost级联学习算法学习所述特征样本的最优特征,以形成分类器;4)将摄像头传感器采集到的视频转换成图片,使用所述分类器对视频转换成的图片进行检测并进行判断;5)当检测结果符合客户设定的检测率和误检率,则所述分类器停止训练;当检测结果与客户设定的检测率和误检率不相符时,对通过所述分类器的图片以及含有车辆目标但所述分类器未能检测出的图片进行保存;将误检图片定义为负样本难例,并将含有车辆目标但所述分类器未能检测出来的图片定义为正样本难例;6)将所述正样本难例和所述负样本难例进行收集,按照所述1)步骤要求选择图片,并分别更新于正样本库和负样本库中,继续重复所述2)至5)步骤,直至所述分类器检测结果符合客户设定的检测率和误检率,所述分类器则停止训练。
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广东工业大学,未经广东工业大学许可,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/201610763412.X/,转载请声明来源钻瓜专利网。