= | | ^E | 12+h(score(E)) +ExGN(E)h(-score(x)),
[0013] 其中，^表示樣本的權(quán)重向量，h(x)=max(0, 1-x)表示hinge損失函數(shù)，score(E) 表示正樣本E的得分，N(E)表示負樣本的集合，score(x)表示負樣本x的得分。
[0014]優(yōu)選地，score(E)根據(jù)以下等式來計算：
【主權(quán)項】
1. 一種分類器訓(xùn)練方法，其特征在于，包括： 獲取多個訓(xùn)練樣本，其中，每個訓(xùn)練樣本對應(yīng)于一個分類器； 通過最小化預(yù)定的目標函數(shù)對分類器進行訓(xùn)練，從而獲得每個分類器； 使用成績?nèi)诤戏椒ㄐＵ總€分類器，從而使每個分類器的得分相兼容。
2. 根據(jù)權(quán)利要求1所述的分類器訓(xùn)練方法，其特征在于，所述預(yù)定的目標函數(shù)是： L( ^ E) = | | ^E | 12+h(score(E)) +ExGN(E)h(-score(x)), 其中，^表示樣本的權(quán)重向量，h(x)=max(0, 1-x)表示hinge損失函數(shù)，score(E)表 示正樣本E的得分，N(E)表示負樣本的集合，score(x)表示負樣本x的得分。
3. 根據(jù)權(quán)利要求2所述的分類器訓(xùn)練方法，其特征在于，score(E)根據(jù)以下等式來計 算：
其中，EMed,ep. ..，en)表不樣本，表不樣本的全局模板，ei表不樣本的局部模板， ?。╡j表示特征函數(shù)，(^(4)表示當(dāng)前局部模板相對于全局模板的左上角位移d的特征向 量，3i、屯和bE為參數(shù)， 其中
丨Xpdy) = (XpyJ-OUvyJ+Vi)，（x0,y0)表 示全局模板的左上角坐標，（Xi，yi)表示當(dāng)前局部模板的左上角坐標，Vi表示（Xi，yi)相對于 (x〇，y〇)的位移。
4. 根據(jù)權(quán)利要求3所述的分類器訓(xùn)練方法，其特征在于，通過Latent支持向量機獲得 最優(yōu)的Pi、屯和bE。
5. 根據(jù)權(quán)利要求1所述的分類器訓(xùn)練方法，其特征在于，通過擬合sigmoid分布來校正 每個分類器。
6. 根據(jù)權(quán)利要求5所述的分類器訓(xùn)練方法，其特征在于，通過使用以下等式來校正每 個分類器： 丄、
LV v y IU， 其中，s(x|AE，BE)表示校正之后的每個分類器的得分，score(x)表示校正之前的每個 分類器的得分，AE和BE是通過獨立訓(xùn)練獲得的參數(shù)。
7. 根據(jù)權(quán)利要求3所述的分類器訓(xùn)練方法，其特征在于，所述特征函數(shù)是Harr特征函 數(shù)或HOG特征函數(shù)。
8. -種目標檢測、分割或分類方法，其特征在于，包括： 通過針對多個分類器中的每個分類器計算輸入樣本的得分并對每個輸入樣本的得分 進行校正，來獲得彼此兼容的分類器； 通過仿射變換將相應(yīng)的分類器的輪廓映射到輸入樣本來獲得目標對象的輪廓； 基于相應(yīng)的分類器的類別確定目標對象的類別。
9. 根據(jù)權(quán)利要求8所述的目標檢測、分割或分類方法，其特征在于，通過以下等式計算 輸入樣本的得分：
K， 其中，score(E)表示正樣本E的得分，EMemep. . .，en)表示樣本，表示樣本的全局 模板，61表示樣本的局部模板，（He)表示特征函數(shù)，表示當(dāng)前局部模板相對于全 局模板的左上角位移d的特征向量，0p屯和bE為參數(shù)， 其中
（dxpdy) = (XpyD-QUvyJ+Vi)，（x〇，y〇)表 示全局模板的左上角坐標，（Xi，yi)表示當(dāng)前局部模板的左上角坐標，Vi表示（Xi，yi)相對于 (x〇，y〇)的位移。
10. 根據(jù)權(quán)利要求8所述的目標檢測、分割或分類方法，其特征在于，通過使用以下等 式來校正每個輸入樣本的得分：
其中，s(x|AE，BE)表示校正之后的每個輸入樣本的得分，score(x)表示校正之前的每 個輸入樣本的得分，AE和BE是通過獨立訓(xùn)練獲得的參數(shù)。
11. 根據(jù)權(quán)利要求9或10所述的目標檢測、分割或分類方法，其特征在于，將與最高得 分對應(yīng)的分類器確定為相應(yīng)的分類器。
12. 根據(jù)權(quán)利要求9或10所述的目標檢測、分割或分類方法，其特征在于，所述特征函 數(shù)是Harr特征函數(shù)或HOG特征函數(shù)。
13. 根據(jù)權(quán)利要求8所述的目標檢測、分割或分類方法，其特征在于，通過以下等式進 行仿射變換： P' =UP+V， 其中，P={Pl，p2,. . .，pn}表示相應(yīng)的分類器的輪廓，U和V分別表示尺度變換和坐標位 置偏移，P'表示目標對象的輪廓。
14. 一種目標檢測、分割或分類裝置，其特征在于，包括： 分類器確定單元，被配置為通過針對多個分類器中的每個分類器計算輸入樣本的得分 并對每個輸入樣本的得分進行校正，來確定彼此兼容的分類器； 分割單元，被配置為通過仿射變換將相應(yīng)的分類器的輪廓映射到輸入樣本來獲得目標 對象的輪廓； 分類單元，被配置為基于相應(yīng)的分類器的類別確定目標對象的類別。
15. 根據(jù)權(quán)利要求14所述的目標檢測、分割或分類裝置，其特征在于，分類器確定單元 被配置為通過以下等式計算輸入樣本的得分：
其中，score(E)表示正樣本E的得分，EMemep. . .，en)表示樣本，表示樣本的全局 模板，61表示樣本的局部模板，（He)表示特征函數(shù)，表示當(dāng)前局部模板相對于全 局模板的左上角位移d的特征向量，0p屯和bE為參數(shù)，
其中 ixpdyi) = (XpyD-OUo^+Vi)，（x0,y0)表 不全局模WH、」zn丄用m衣/」、=|日丨」/^1部模板的左上角坐標表不（Xi，yi)相對于 (x〇，y〇)的位移。
16. 根據(jù)權(quán)利要求14所述的目標檢測、分割或分類裝置，其特征在于，分類器確定單元 被配置為通過使用以下等式來校正每個輸入樣本的得分：
其中，s(x|AE，BE)表示校正之后的每個輸入樣本的得分，score(x)表示校正之前的每 個輸入樣本的得分，AE和BE是通過獨立訓(xùn)練獲得的參數(shù)。
17. 根據(jù)權(quán)利要求15或16所述的目標檢測、分割或分類裝置，其特征在于，分類器確定 單元被配置為將與最高得分對應(yīng)的分類器確定為相應(yīng)的分類器。
18. 根據(jù)權(quán)利要求15或16所述的目標檢測、分割或分類裝置，其特征在于，所述特征函 數(shù)是Harr特征函數(shù)或HOG特征函數(shù)。
19. 根據(jù)權(quán)利要求14所述的目標檢測、分割或分類裝置，其特征在于，分割單元被配置 為通過以下等式進行仿射變換： P' =UP+V， 其中，P={Pl，p2,. . .，pn}表示相應(yīng)的分類器的輪廓，U和V分別表示尺度變換和坐標位 置偏移，P'表示目標對象的輪廓。
【專利摘要】公開一種分類器訓(xùn)練方法、目標檢測、分割或分類方法和裝置。所述分類器訓(xùn)練方法，包括：獲取多個訓(xùn)練樣本，其中，每個訓(xùn)練樣本對應(yīng)于一個分類器；通過最小化預(yù)定的目標函數(shù)對分類器進行訓(xùn)練，從而獲得每個分類器。
【IPC分類】G06K9-62
【公開號】CN104809465
【申請?zhí)枴緾N201410031141
【發(fā)明人】張麗丹, 劉志花, 任海兵, 趙川
【申請人】北京三星通信技術(shù)研究有限公司, 三星電子株式會社
【公開日】2015年7月29日
【申請日】2014年1月23日