[发明专利]一种前方车辆检测方法

权利要求书

1.一种前方车辆检测方法，其特征在于，具体实施步骤如下：

步骤1:建立正负样本库；采集大量有车辆存在和无车辆的视频图片，将图像中的车辆部分提取出来作为车辆训练正样本库，挑选视频图片中没有车辆的图片形成负样本库；

步骤2:训练数学模型，采用机器学习方法进行车辆检测；

步骤3:车辆识别；

步骤4：采用先验信息确认，降低干扰；

步骤5:车辆对称性验证，利用汽车边缘信息，判断车辆存在性；

车辆对称性验证的具体处理步骤如下：

选定车辆，确定候选车辆区域；

车辆区域左右边界向外扩展一定宽度，得到车辆区域的左右边缘分别为Col_left和Col_right；

在车辆候选区域内采用Sobel边缘增强方法进行增强，提取出车辆边缘图像；

将车辆边缘图像向水平方向投影，即将属于同一列的边缘图像进行累加，得到车辆水平投影数据；

将车辆投影数据进行累加，得到累加数值设为T,以Col_left作为起点对车辆投影数据进行逐列累加；

如果累加值超过T/2时，则停止累加；得到对应此时的图像列坐标为Col_median,计算|Col_median-(Col_right+Col_left)/2|的值是否小于设定偏差阈值th；

如果|Col_median-(Col_right+Col_left)/2|<th,可以判定此区域有车辆存在，否则车辆不存在。

2.如权利要求1所述的前方车辆检测方法，其特征在于，步骤1中正样本为10000-20000个，负样本为50000-100000个。

3.如权利要求1-2任一所述的前方车辆检测方法，其特征在于，步骤2中采用机器学习方法具体为基于机器学习的识别方法首先采用特征提取方法得到车辆特征信息，然后采用模式识别方法进行识别。

4.如权利要求3所述的前方车辆检测方法，其特征在于，特征提取方法为基于HOG的方法或基于类Haar特征方法。

5.如权利要求3所述的前方车辆检测方法，其特征在于，模式识别方法主要有基于支持向量机(SVM)、基于神经网络或基于adaboost的方法。

6.如权利要求1-2、4-5任一所述的前方车辆检测方法，其特征在于，步骤2采用基于类Haar特征+adaboost的方法进行训练，得到数学模型。

7.如权利要求3所述的前方车辆检测方法，其特征在于，步骤2采用基于类Haar特征+adaboost的方法进行训练，得到数学模型。

8.如权利要求1-2、4-5任一所述的前方车辆检测方法，其特征在于，步骤3中采用级联adaboost进行识别，逐层排除非车辆区域。

9.如权利要求6所述的前方车辆检测方法，其特征在于，步骤3中采用级联adaboost进行识别，逐层排除非车辆区域。

10.如权利要求1所述的前方车辆检测方法，其特征在于，车辆区域左右边界向外扩展宽度分别为15个像素，偏差阈值th设定为15。