[发明专利]基于多目标跟踪与级联分类器融合的车辆检测

权利要求书

1.一种基于多目标跟踪与级联分类器融合的车辆检测方法，其特征在于该方法的具体步骤为：

步骤(1)，分类器训练，经过CART决策树筛选的多种Haar-like特征进行训练；

步骤(2)，基于多尺度滤波的新目标检测。

2.根据权利1所述的基于多目标跟踪与级联分类器融合的车辆检测方法，其特征在于步骤(1)中分类器训练，基于多种经过CART决策树筛选的Haar-like特征进行训练，具体步骤如下：

S2.1：建立正负样本描述文件。

S2.2：根据公式(1)(2)提取样本的15种haar-like特征，并进行分类器训练。

PixA=ii8+ii4-ii5-ii7PixB=ii9+ii5-ii6-ii8feature=PixA-PixB=(ii8-ii7)+(ii6-ii5)-(ii5-ii4)-(ii9-ii8)---(1)]]>

公式中Pix_A和Pix_B分别为区域A和区域B的像素值，ii_m表示积分图像块顶点的值，feature是特征值。

RSAT(x,y)为点(x,y)左上角45°区域和左下角45°区域的像素和,计算旋转45°的矩形特征值就是计算位于十字行矩形RSAT(x,y)之差。

3.根据权利1所述的基于多目标跟踪与级联分类器融合的车辆检测方法，其特征在于步骤(3)中基于多尺度滤波的新目标检测，具体步骤如下：

S3.1：建立背景模型进行前景检测。

S3.2：根据检测出的前景进行新团块检测。

S3.3：根据S3.1和S3.2中的前景图像，将前景团块进行多尺度窗口滤波，窗口最小尺度为团块宽高的1/2，最大为团块大小，窗口的尺度变换为1.1。

S3.4：将通过过滤的团块标定位新目标添加到跟踪器。