[发明专利]一种车辆检测方法及其设备

说明书

技术领域

本发明涉及一种车辆检测方法及其设备。 

背景技术

近年来，车辆检测技术广泛应用于交通监控、汽车辅助驾驶系统和自动导航系统中，已经成为智能交通监控中的一个重要组成部分。现有的车辆检测技术主要是利用铺设在路面下的各种感应线圈检测车辆。 

环形线圈检测器是传统的交通检测器，是目前世界上用量最大的一种检测设备。车辆通过埋设在路面下的环形线圈，引起线圈磁场的变化，检测器据此计算出车辆的流量、速度、时间占有率和长度等交通参数，并上传给中央控制系统，以满足交通控制系统的需要。 

这种系统有以下缺点：线圈在安装或维护时必须直接埋入车道，这样交通会暂时受到阻碍；埋置线圈的切缝软化了路面，容易使路面受损，尤其是在有信号控制的十字路口，车辆启动或者制动时损坏可能会更加严重；感应线圈易受冰冻、路基下沉、盐碱等自然环境的影响；感应线圈由于自身的测量原理所限制，当车流拥堵，车间距小于3m的时候，其检测精度大幅度降低，甚至无法检测。 

而且，在这种系统中的感应线圈容易受到电磁干扰，而且系统庞大，成本极高，难以在各种复杂情况下广泛应用。 

发明内容

为了克服现有技术的不足，本发明提供了一种车辆检测方法及其设备。 

在第一方面，本发明提供了一种车辆检测方法，包括：采集路面图像/视频；提取所述路面图像/视频内的尺度不变特征变换(SIFT)特征；对尺度不变特征变换(SIFT)特征进行有序化处理，并通过网络传送到分类器，其中，所述分类器通过事先训练得出；以及所述分类器根据经过有序化处理的尺度不变特征变换(SIFT)特征对路面图像进行车辆检测。 

在第二方面，本发明提供了一种车辆检测系统，包括分类器以及车辆检测设备，所述分类器与所述设备通过网络相互连接。车辆检测设备包括：视频采集模块，用于采集路面图像/视频；尺度不变特征变换(SIFT)特征提取模块，用于提取所述路面图像/视频内的尺度不变特征变换(SIFT)特征；以及尺度不变特征变换(SIFT)特征有序化模块，用于对提取的尺度不变特征变换(SIFT)特征进行有序化处理，以待进行车辆检测。其中，所述分类器利用支持向量机通过事先训练得出。 

在本发明的一个实施例中，本发明第一方面中的有序化处理包括聚类分析，包括：判断所述路面图像上所有尺度不变特征变换(SIFT)特征的特征向量与各聚类的相似性，并且将所述特征表示为聚类的集合。 

在本发明的另一个实施例中，本发明第一方面中的相似性判断包括比较特征向量和聚类中心值的相似性；其中，所述聚类中心值通过事先对车辆图像样本进行聚类处理而得到。 

在本发明的又一个实施例中，本发明第一方面中的训练步骤包括：收集若干包含车辆的图像样本和若干不包含车辆的图像样本；提取所有图像样本内的尺度不变特征变换(SIFT)特征；对提取的尺度不变特征变换(SIFT)特征进行有序化处理；以及利用经过有序化处理后的尺度不变特征变换(SIFT)特征来训练分类器。 

在本发明的还一个实施例中，本发明第一方面中的有序化处理包括：过对车辆图像样本进行聚类处理而得到聚类中心值；通过计算图像样本上所有尺度不变特征变换(SIFT)特征向量与对应的每个聚类中心值的相似性，将图像特征表示为一个C维向量 其中，f_i为取值0或者1的二值变量，如果一个图像包含一个属于第i个聚类的特征向量则f_i＝1，否则f_i＝0；其中，C为事先确定的聚类数量。 

本发明用SIFT算子来描述车辆特征，并将检测设备嵌入常用的监控摄像头/摄像机，实现了一种低成本、易实现、并行之有效的车辆检测系统。 

附图说明

下面将参照附图对本发明的具体实施方案进行更详细的说明，在附图中： 

图1是根据本发明的一个实施例的车辆检测系统的框图。 

具体实施方式

图1是根据本发明的一个实施例的车辆检测系统的框图。 

如图1所示，该系统包括视频采集模块、初始化模块、SIFT特征提取模块、SIFT特征有序化模块、分类器。 

视频采集模块用于对道路情况进行拍摄并获取视频流图像。 

初始化模块用于对视频流图像进行初始化处理，以得到高质量的待检图像。 

SIFT特征提取模块用于从待检图像中提取车辆的SIFT特征。