[发明专利]基于结构相似度的车辆检测方法

说明书

技术领域

本发明的技术方案涉及图像的结构分析，具体地说是基于结构相似度的车辆检测方法。

背景技术

汽车在极大地方便人类生活的同时也带来了大量问题，如交通安全问题、经常性的交通拥挤和环境污染。全球每年发生的道路交通事故给人们的生命和财产造成巨大损失，如何有效地提高汽车行驶安全性已经成为各国政府和研究机构共同面对的问题。统计事故表明，司机面临的主要危险来自路面的其他车辆，研究发展车辆辅助驾驶系统(Driver Assistance System,DAS)具有重要意义。

车辆检测是辅助驾驶系统中的重要组成部分，现有的车辆检测方法存在的主要问题是由于交通场景复杂，很难在保证识别率的前提下达到实时性的要求。因此，研究复杂交通场景的车辆实时识别具有重要的科研意义。

美国内华达大学Sun团队使用Gabor滤波器，在不同尺寸下检测图像的水平边缘和垂直边缘得到车辆假设，提出了一种设计Gabor滤波器的通用方法，即以SVM的分类精度为评价标准，运用遗传算法优化Gabor滤波器参数，得到一组性能最佳的滤波器，但由于需要搜索不同尺寸和距离的车辆带来了巨大的计算量，所需的硬件设备性能要求较高，而识别性能低于人们的期望。韩国全南国立大学的Song团队利用虚拟顶点视图和垂直对称性得到车辆假设，提取Haar-like小波特征，训练AdaBoost分类器，但该方法对边缘特征和线特征较为敏感，当前向车辆距离较远时，容易产生误识别。另外，当图像或视频的背景环境中出现建筑物、云彩和花卉等繁杂物体时，分类器会产生一定的误识别。CN102682455A公开了一种基于单目视觉的前方车辆检测方法，该方法通过对采集到的图像进行预处理，求取路面平均灰度阈值，分割出车底阴影的位置作为假设区域，再利用滤波处理，对车底阴影线条融合，继而提取图像的目标信息作为当前帧的结果，再与前一帧结果进行匹配，根据匹配结果对当前帧进行分类判决。该方法算法上可行，但对于非阳光直射天气下车底阴影位置偏移，以及复杂道路环境下路面包含非车辆阴影信息未予考虑，不具有普遍的适用性。

发明内容

本发明所要解决的技术问题是：提供基于结构相似度的车辆检测方法，利用车辆本身具有的结构连续性，采用结构相似度算法，将提取到的特征数据输入SVM中训练分类器，由此完成车辆检测。该方法降低了车辆检测系统的成本，提高了车辆检测系统的效率和识别精度，具有普遍的适用性。

本发明解决该技术问题所采用的技术方案是：基于结构相似度的车辆检测方法，具体步骤如下：

第一步，车辆假设区域的标记：

车辆假设区域是指路面上可能存在车辆的区域，该区域的生成过程和方法如下：

(1)获取路面自由驾驶区域：

将车载摄像机采集到的道路交通情况图像由RGB空间转化到灰度空间，采用的公式(1)如下：

Gray＝0.299R+0.587G+0.114B(1)，

利用路面区域的平整一致的特性，将获得的灰度图像利用Canny边缘检测算法对整幅图像提取边缘，将边缘图像中每一列的像素点自底向上进行扫描，直到遇到边缘像素点为止，将未扫描过的区域去除，剩下的区域设置为自由驾驶区域，Canny算子模板如下公式(2)所示，其中S_x为水平算子,S_y为垂直算子，

(2)设置路面感兴趣区域：

在上述(1)步获取路面自由驾驶区域后，在道路交通图像上去除该区域，将剩余的部分设置为路面感兴趣区域；

(3)生成路面对称区域：

对上述(2)步设置的路面感兴趣区域提取水平边缘和垂直边缘，利用车辆具有良好的对称性，且是关于中心轴对称，关于两边垂直边缘不对称这一特征，利用Sobel边缘检测算子对路面感兴趣区域进行边缘提取，采用3×3模板获取边缘信息，Sobel边缘检测算子模板如公式(3)所示，其中G_x为水平算子，G_y为垂直算子，

在用Sobel边缘检测算子提取完边缘图像后，对生成的边缘图像利用滑动窗口对该区域的边缘图像像素进行行扫描，窗口初始大小为40×40像素，每扫描一遍上述(2)步的路面感兴趣区域，窗口大小提高为1.2倍，共扫描6次，利用如下公式(4)计算对称度，将对称度较高的点拟合成对称轴，由此生成路面对称区域，