CN107194413-CN201710270756-一种基于多特征融合的判别型级联外观模型的目标匹配方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 107194413 A (43)申请公布日 2017.09.22 (21)申请号 201710270756.1 (22)申请日 2017.04.24 (71)申请人 东北大学 地址 110819 辽宁省沈阳市和平区文化路 三巷11号 (72)发明人 张云洲　贾存迪　徐宁　暴吉宁　 李奇　付兴　 (74)专利代理机构 大连理工大学专利中心 21200 代理人 梅洪玉 (51)Int.Cl. G06K 9/62(2006.01) 权利要求书2页 说明书7页 附图4页 (54)发明名称 一种基于多特征融合的判别型级联外观模 型的目标匹配方法 (57)摘要 一种基于多特征融合的判别型级联外观模 型的目标匹配方法，包括如下步骤：基于MIL进行 训练样本集合的在线获取，并利用样本进行特征 训练和学习；对目标模版提取多种特征融合形成 健壮特征描述子，多次实验组合确定描述子权 重，利用改进的B氏距离进行相似性度量；使用 Top-rank指标对RGB直方图和HOG等融合特征进 行匹配性能评估；基于Adaboost算法进行不断学 习和训练，经过理论推导和实验验证，分类器的 误差率以指数级下降，直至稳定收敛；对训练样 + - 本数据集X＝{X |X ∈{X ,X }}作为输入进行训 i i A 练，得到跨视角样本组合的判别型外观模型H 3 (x)；在线更新样本集合的标签并用于在线学习， 1 4 4 再利用得到的示例的概率对粒子滤波的先验估 9 1 7 计结果进行重加权。 0 1 N C CN 107194413 A 权　利　要　求　书 1/2页 1.一种基于多特征融合的判别型级联外观模型的目标匹配方法，其特征包括如下步 骤： 步骤一：基于MIL进行训练样本集合的在线获取，利用正负样本集合概念对目标模板进 行特征学习和特征选择，并对目标模板提取多种特征融合形成健壮特征描述子； 步骤二：多次实验组合确定描述子权重，利用改进的B氏距离进行相似性度量，相似性 特征向量进行加权求和，由公式(4)得到示例x 的判别函数h(x )；使用Top-rank指标对 ij ij RGB直方图和HOG融合特征进行匹配性能评估； h(x )＝βs +βs +βs     (4) ij 1 RGB 2 LBP 3 HOG 在公式(4)中，β表示相似性特征向量s的权值；β表示相似性特征向量s 的权重，β表 i 1 RGB 2 示相似性特征向量s 的权重，β表示相似性特征向量s 的权重； LBP 3 HOG 步骤三：基于Adaboost算法进行不断学习和训练，经过理论推导和实验验证，分类器的 误差率以指数级下降，直至稳定收敛； + - 步骤四：对训练样本数据集X＝{X |X∈{X ,X }}作为输入进行训练，对训练样本数据集 i i