公开(公告)号：CN102163281A

公开(公告)日：2011-08-24

申请号：CN201110104892.6

申请日：2011-04-26

Applicant: 哈尔滨工程大学

Inventor： 李智慧 ,  邵春艳 ,  李香

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明提供的是一种基于AdaBoost框架和头部颜色的实时人体检测方法，包括训练及检测两个步骤；(1)根据模板提取多尺度HOG特征；(2)采用AdaBoost-Boosting方法训练人体检测模型；(3)提取头部颜色直方图特征；(4)采用AdaBoost方法训练头部判别模型；(5)基于滑动窗口方法的人体检测；(6)对于每个检测窗口，先提取HOG特征，根据人体检测模型判别是否是人体；(7)对于判别为人体的窗口，提取头部直方图特征，判断是否包含头部；包含头部的窗口确定为包含人体的窗口，在图像中相应位置画出矩形。本发明采用的特征单元是原HOG特征的Block，而且是多尺度的Block，并结合了特征模板，提高了检测效果；增加了头部特征判别以提高检测率。

公开(公告)号：CN110097117A

公开(公告)日：2019-08-06

申请号：CN201910357895.7

申请日：2019-04-30

Applicant: 哈尔滨工程大学

Inventor： 李智慧 ,  王帅 ,  刘咏梅

IPC: G06K9/62

Abstract: 本发明公开了一种基于线性判别分析与多元自适应样条的数据分类方法，本发明是一种将降维与分类相结合的方法，首先通过线性判别分析方法确定最有效的分类特征，然后通过多元自适应回归样条(Multivariate adaptive regression splines,MARS)实现输入变量区间分割，将非线性分类转为线性分类问题，最后通过感知机实现分类，本发明实现了多输出分段线性分类，通过多元自适应回归样条的方式实现递归分割，通过感知机方式实现线性分类使得训练集的分类误差最小，预测时间在毫秒级以下，该算法有快速准确的特点。

公开(公告)号：CN105046282B

公开(公告)日：2018-10-26

申请号：CN201510534715.X

申请日：2015-08-27

Applicant: 哈尔滨工程大学

Inventor： 李智慧 ,  刘咏梅 ,  赵鑫 ,  马玉志

IPC: G06K9/62 ,  G06K9/00

Abstract: 本发明属于基于机器学习方法的目标检测领域，具体涉及一种基于手形块特征和AdaBoost分类器的手部检测方法。本发明包括：(1)模型训练；(2)手部检测本发明提出一种新的手部检测特征，叫作手形块特征。该特征是一种矩形块特征，模拟手部的形状而设计的，可体现手部形状的特点。该特征形状简单，不同尺度的块、块的不同参数会形成很高的特征维数，所以采用AdaBoost算法作为分类器，从中选择有效特征，构成级联分类器，从检测率与检测速度两方面提高手部检测效果。

公开(公告)号：CN104952076B

公开(公告)日：2017-10-31

申请号：CN201510340934.4

申请日：2015-06-18

Applicant: 哈尔滨工程大学

Inventor： 刘咏梅 ,  李智慧

IPC: G06T7/11

Abstract: 本发明属于聚类技术的图像分割领域，具体涉及一种基于分块相似性度量的图像分割方法。本发明读入一幅自然场景图像，图像大小为M×N，确定欲分割的类别数目K，根据固定划分方式将图像划分为若干个面积相等的矩形区块，每个区块的大小为m×n；在固定划分的基础上对图像进行重叠划分，即将固定划分的块边界线，每次向右并向下移动过l个像素点，直到与原来的固定划分的块边界线重合为止；使每个像素点属于原来的固定划分中的一个区块，包含于不同的区块。本发明提出了一种基于分块相似性度量的图像分割方法，将像素之间的位置关系考量隐含在小区块中，对重叠划分出来的区块进行聚类分割，有效地改善了对像素进行聚类的分割效果。

公开(公告)号：CN104952076A

公开(公告)日：2015-09-30

申请号：CN201510340934.4

申请日：2015-06-18

Applicant: 哈尔滨工程大学

Inventor： 刘咏梅 ,  李智慧

IPC: G06T7/00

CPC classification number: G06T7/11

Abstract: 本发明属于聚类技术的图像分割领域，具体涉及一种基于分块相似性度量的图像分割方法。本发明读入一幅自然场景图像，图像大小为M×N，确定欲分割的类别数目K，根据固定划分方式将图像划分为若干个面积相等的矩形区块，每个区块的大小为m×n；在固定划分的基础上对图像进行重叠划分，即将固定划分的块边界线，每次向右并向下移动过l个像素点，直到与原来的固定划分的块边界线重合为止；使每个像素点属于原来的固定划分中的一个区块，包含于不同的区块。本发明提出了一种基于分块相似性度量的图像分割方法，将像素之间的位置关系考量隐含在小区块中，对重叠划分出来的区块进行聚类分割，有效地改善了对像素进行聚类的分割效果。