[发明专利]基于本征图像分解的车辆检测算法

权利要求书

1、一种基于本征图像分解的车辆检测算法，其特征在于包含如下步骤：首先在对数域上，对原始输入图像进行求导滤波，将其转化到梯度域；在梯度域上，计算当前图像的梯度图和背景图像的梯度图之差，得到运动前景图像的梯度图；用本征图像分解的方法对前景图像的梯度图进行处理，得到光影图像的梯度图和目标图像的梯度图；提取出目标图像的梯度图中梯度幅度大于阈值T的像素点，作为运动目标点；针对某一区域，若运动目标点的数目超过该区域内像素点总数目的一定比例，则认为该区域内有车辆通过。

2、如权利要求1所述的基于本征图像分解的车辆检测算法，其特征在于，提取背景图像部分中背景图像的梯度图的具体获取方法是：首先将提前保存的用于提取背景的图像(n帧)全部转换到对数域；再对对数域的每幅图像进行二维的求导滤波；将求导滤波后的每幅图像中同一像素点的值放在一起构成一个一维向量，对每个这样的一维向量进行中值滤波，得到梯度域的背景图像的估计图。

3、如权利要求1或2所述的基于本征图像分解的车辆检测算法，其特征在于，本征图像分解方法是：建立基于空间颜色信息和时域颜色信息的联合分类器，对运动前景图像中的每个像素点进行分类，从而得到最终的运动目标。

4、如权利要求3所述的基于本征图像分解的车辆检测算法，其特征在于，基于空间颜色信息和时域颜色信息的联合分类器定义为：

1)在归一化RGB颜色空间中，为归一化颜色空间的红色分量，的水平方向梯度和垂直方向梯度分别表示为和得到在点(x，y)处的梯度

dR~(x,y)=R~x(x,y),if|R~x(x,y)|>|R~y(x,y)|R~y(x,y),otherwise]]>

2)对于归一化后的绿色分量采用与同样的方法得到在点(x，y)处的梯度

3)将点(x，y)处的颜色特性值V(x，y)定义为：

V(x,y)=max{|dR~(x,y)|,|dG~(x,y)|}]]>

则，基于空间颜色信息的分类器定义为：

基于时域颜色信息的分类器定义为：

其中相邻两帧图像在同一像素点(x，y)处的归一化颜色组成分别为和

4)根据前述两个分类器，联合检测器定义为：

T₁和T₂均为常数。