【摘要】 -官网 本发明涉及计算机图像处理领域，公开了一种基于多分类器的物体检测系统，包括：分类器训练单元，用于根据训练集合训练获得N个分类器，其中N＞1；分类器选择单元，用于根据计算量和分类性能从所述N个分类器中选择P个分类器融合获得分类器集合，其中1＜P≤N；分类器分布单元，用于将所述P个分类器分布到多个不同的计算资源上分别对未知图像进行检测获得P个分类器结果；检测结果融合单元，用于对所述P个分类器结果进行融合获取物体检测结果。本发明还提供了一种对应的方法。本发明针对图像中的多个不同特征分别训练多个分类器，并选择适合分布式运算的分类器分布到不同的计算资源对图像分别检测，提高了物体检测的速度。 【专利类型】发明授权 【申请人】腾讯科技(深圳)有限公司 【申请人类型】企业 【申请人地址】518057 广东省深圳市高新科技园南区高新南一道飞亚达高科技大厦5-10层 【申请人地区】中国 【申请人城市】深圳市 【申请人区县】南山区 【申请号】CN200810066161.5 【申请日】2008-03-21 【申请年份】2008 【公开公告号】CN101251896B 【公开公告日】2010-06-23 【公开公告年份】2010 【授权公告号】CN101251896B 【授权公告日】2010-06-23 【授权公告年份】2010.0 【IPC分类号】G06K9/62 【发明人】王建宇; 王亮 【主权项内容】1.一种基于多分类器的物体检测系统，其特征在于，包括：分类器训练单元，用于根据训练集合训练获得N个分类器，其中N＞1；分类器选择单元，用于根据计算量和分类性能从所述N个分类器中选择P个分类器融合获得分类器集合，其中1＜P≤N；分类器分布单元，用于将所述P个分类器分布到多个不同的计算资源上分别对未知图像进行检测获得P个分类器结果；检测结果融合单元，用于对所述P个分类器结果进行融合获取物体检测结果； 所述分类器选择单元通过构建分类器校验集合Ψ＝{(ψj，lj)|j＝1，...，M}，并将最小化，获得包括P个分类器的分类器集合，其中Ψj表示一个校验样本，lj表示该样本所对应的类别标识，Ti表示第i个分类器fi的计算复杂度，Cij＝∫(fi(ψ)-l)(fj(ψ)-l)p(ψ)dψ表示第i个和第j个分类器的相关程度，p(Ψ)为样本的分布。 【当前权利人】深圳市腾讯计算机系统有限公司 【当前专利权人地址】广东省深圳市南山区高新区科技中一路腾讯大厦35层 【专利权人类型】有限责任公司(台港澳法人独资) 【统一社会信用代码】9144030071526726XG 【引证次数】3.0 【他引次数】3.0 【家族引证次数】3.0 【家族被引证次数】13
