[发明专利]基于全方向二维不可分小波特征的物体检测方法

摘要

本发明是一种基于全方位二维不可分小波特征的物体检测方法，利用二维不可分小波滤波器理论，构建一种纯二维不可分的全方向二维不可分小波特征模板，能够完全无冗余地表征图像中物体边缘细节特征，利用3个二维不可分小波特征模板提取训练图像的特征，获得二维不可分小波特征集，输入特征集进行Adaboost级联分类器训练，将从待检测人脸图像中提取到的二维不可分小波特征值输入到Adaboost级联分类器进行分类检测，检测到人脸后，画出图像中人脸的位置和范围，该二维不可分小波特征模板对应的二维不可分小波滤波器的光滑特性天然适合于拟合二维曲线轮廓，凸显突变的能力，故其对具有曲线轮廓的非刚性物体具有较好的识别效果。

主权项

1.一种基于全方位二维不可分小波特征的物体检测方法，其特征在于包括如下步骤：步骤1、利用二维不可分小波滤波器理论，构建一种纯二维不可分的全方向二维不可分小波特征模板，能够完全无冗余地表征图像中物体边缘细节特征：设计二维不可分小波特征模板，其实质是构造二维不可分的小波滤波器组，首先构造高维不可分小波滤波器组，在小波变换的伸缩矩阵为的情形下，构造具有如下形式的低通滤波器：相应的三个高通滤波器的数学形式为：其中，Zn＝{0,1,2,…,n‑1}，X(ξ)是r*4r的分块矩阵，r∈Z+，U是任意的4r*4r的正交矩阵，D是4r*4r的分块对角矩阵，Rn为n维欧式空间，V和Vj为正交矩阵。令式(2)中则，U1＝1/2*P*A1*PT为中心对称的正交矩阵，而V为正交阵，将上述矩阵带入式(1)和式(2)后，令α1＝π，β1＝π/2构造出具有对称性、紧支撑、正交的滤波器组H0、H1、H2和H3：由高通滤波器H1、H2和H3得到具有对称性和二维不可分性波特征模板T1、T2和T3，具体如下：步骤2、准备人脸图像的数据集，分割数据集为训练集和测试集，载入训练集的训练图像，利用步骤1设计的3个二维不可分小波特征模板T1、T2和T3提取训练图像的特征，先计算训练图像的积分图，利用积分图进行加速，计算二维不可分小波特征值，获得二维不可分小波特征集，输入特征集进行Adaboost级联分类器训练，其过程包括：1.初始化训练图像数据为相同的权值；2.训练弱分类器：在弱分类器训练过程中，如果某个样本点已经被准确地分类，那么在构造下一个训练集中，它的权值就被降低；相反，如果某个样本点没有被准确地分类，那么它的权值就得到提高，将权值更新过的样本集用于训练下一个弱分类器，整个训练过程如此迭代地进行下去；3.将各训练得到的弱分类器层层级联构成具有多层结构的强分类器：各个弱分类器的训练过程结束后，加大分类误差率小的弱分类器的权重，使其在最终的分类函数中起着较大的决定作用，而降低分类误差率大的弱分类器的权重，使其在最终的分类函数中起着较小的决定作用，如此训练得到Adaboost级联分类器；步骤3、将提取得到的二维不可分小波特征集输入构建的Adaboost级联分类器进行训练，使该分类器达到指定的性能指标；步骤4、从测试集得到待检测人脸图像，先计算图像的积分图，利用积分图进行加速，计算二维不可分小波特征值，将从待检测人脸图像中提取到的二维不可分小波特征值输入到Adaboost级联分类器进行分类检测，检测到人脸后，根据返回的人脸位置坐标和方框信息确定范围，画出图像中人脸的位置和范围。