[发明专利]一种基于机器学习的点目标检测方法及系统有效
| 申请号： | 201910198884.9 | 申请日： | 2019-03-15 |
| 公开（公告）号： | CN110009006B | 公开（公告）日： | 2021-03-26 |
| 发明（设计）人： | 胡静;卢鑫鑫;郑伟萍;高翔;熊涛;李彬哲 | 申请（专利权）人： | 华中科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/34 |
| 代理公司： | 华中科技大学专利中心 42201 | 代理人： | 曹葆青;李智 |
| 地址： | 430074 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于机器学习的点目标检测方法及系统，包括：确定待检测图像，将其划分为多个预设尺寸的子图像；采用MMF对各个子图像滤波，得到各个子图像的滤波输出，若其滤波输出小于或等于预设阈值，则判断该子图像为背景，否则将该子图像标记为候选子图像，并确定各个候选子图像的滤波分数；通过预先训练好的BP神经网络分类器得到每个候选子图像包含目标的置信度分数；将每个候选子图像的滤波分数和其包含目标的置信度分数输入预先训练好的Logistic回归分类器，结合Logistic回归分类器的输出值判定每个候选子图像是否包含目标。本发明用Logistic回归算法融合MMF算法和BP算法的结果，使分类结果更准确。 | ||
| 搜索关键词： | 一种 基于 机器 学习 目标 检测 方法 系统 | ||
【主权项】：
1.一种基于机器学习的点目标检测方法，其特征在于，包括以下步骤：确定待检测图像，将其划分为多个预设尺寸的子图像；采用最大中值滤波器MMF对各个子图像滤波，得到各个子图像的滤波输出，当子图像的滤波输出大于预设阈值时，将该子图像标记为候选子图像，并根据该子图像的滤波输出和所述预设阈值确定该子图像的滤波分数；通过预先训练好的反向传播BP神经网络分类器确定每个候选子图像包含目标的置信度分数；将每个候选子图像的滤波分数和其包含目标的置信度分数输入预先训练好的Logistic回归分类器，结合所述Logistic回归分类器的输出值判定每个候选子图像是否包含目标。
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中科技大学，未经华中科技大学许可，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/201910198884.9/，转载请声明来源钻瓜专利网。
