[发明专利]一种基于改进型HOG‑ULBP特征算子的目标检测方法在审
| 申请号： | 201610893993.9 | 申请日： | 2016-10-13 |
| 公开（公告）号： | CN106548195A | 公开（公告）日： | 2017-03-29 |
| 发明（设计）人： | 冯颖;杨涛;郑佳泰;杜娟;陈新开 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46 |
| 代理公司： | 广州市华学知识产权代理有限公司44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 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： | 本发明公开了一种基于改进型HOG‑ULBP特征算子的目标检测方法，包括学习阶段和决策阶段，学习阶段包括建立正负样本库；对样本提取感兴趣区域；提取HOG特征和ULBP特征，二者合并成HOG‑ULBP向量后进行高斯归一化处理；利用LCC(局部坐标编码)得到改进型HOG‑ULBP特征算子；根据改进型HOG‑ULBP特征算子建立线性SVM模型；决策阶段包括对待检测视频帧图像提取HOG特征和ULBP特征，根据改进型HOG‑ULBP特征算子得到线性SVM模型输出，如果模型输出判定为正样本，则检测到目标，输出目标位置。本发明有效解决了HOG和LBP合并后维数过大带来的过拟合现象，提高了目标物体检测率。 | ||
| 搜索关键词： | 一种 基于 改进型 hog ulbp 特征 算子 目标 检测 方法 | ||
【主权项】：
一种基于改进型HOG‑ULBP特征算子的目标检测方法，其特征在于，包括以下步骤：S1：学习阶段，包括：S1.1：建立正负样本库；S1.2：对样本提取感兴趣区域；S1.3：提取感兴趣区域的HOG特征和ULBP特征；S1.4：将HOG特征和ULBP特征合并成HOG‑ULBP向量后进行高斯归一化处理，然后得到归一化的HOG‑ULBP特征向量；S1.5:利用LCC对归一化的HOG‑ULBP特征向量进行编码，得到改进型HOG‑ULBP特征算子；S1.6:根据改进型HOG‑ULBP特征算子，利用正负样本训练，得到SVM模型中各个参数，建立线性SVM模型；S2：决策阶段，包括：对待检测视频帧图像进行预处理，提取感兴趣区域，执行步骤S1.3‑S1.5，计算得到当前的改进型HOG‑ULBP特征算子，将其输入步骤S1.6得到的线性SVM模型，如果模型输出判定为正样本，则检测到目标，输出目标位置。
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华南理工大学，未经华南理工大学许可，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/201610893993.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种自动感应的LED吊线灯
- 下一篇：一种自动感应的办公用LED吊线灯
