[发明专利]一种基于加权霍夫投票的多视角车辆检测方法

权利要求书

1.一种基于加权霍夫投票的多视角车辆检测方法，其特征在于，包括以下步骤：

步骤A：定义训练样本图像集图像大小为128×64；其中，f_i为图像特征表达，在进行多视角划分时采用HOG特征，训练视觉单词和霍夫投票时采用多通道像素特征；y_i∈{-1,+1}为训练样本标签，y_i＝-1时I_i为背景样本，y_i＝+1时I_i为目标样本；N为训练样本集大小；

步骤B：对训练样本图像集中的正样本集合进行视角子类划分，其中，N⁺表示正样本个数；

步骤C：计算每个正样本对不同视角子类的贡献权重；

所述的步骤C采用以下方法：

在LLE嵌入空间中，定义第k个视角子类样本集的聚类中心为o_k，k∈{1,2,...,K}，正样本集合D⁺中正样本图像Γ_j在该LLE嵌入空间的表达为f`_j，则正样本Γ_j对视角子类k的贡献权重w_jk定义为:

其中，d(f′_j,o_k)为LLE嵌入空间中f′_j和o_k间的距离；为了保证计算的正确性，需要对正样本图像Γ_j在各视角子类下的贡献权重w_jk进行归一化，以确保权重和值为1，即

步骤D：利用加权霍夫投票方法确定图像块在候选位置的投票分值；

所述的步骤D包括以下步骤：

步骤D1：定义与图像块p_t匹配的视觉单词为L，L中包含正样本图像块偏移向量的集合为E_L，通过统计L中包含正样本图像块所占比例得出分类概率C_L，则图像块p_t在候选位置h的投票分值为：

其中，E_L中每个投票单元e对候选位置h的投票利用高斯Parzen窗估计，|E_L|表示集合大小，q_t为图像块p_t的中心位置；在视觉单词L生成后，其对应的分类概率C_L已确定，图像块p_t在候选位置h的投票分值主要取决于偏移向量集合E_L中的投票单元e，利用霍夫投票分值线性累加特性，可将V(h|p_t)的定义由累加E_L中各投票单元对候选位置h投票分值的形式改写为累加与E_L中投票单元相关联的正样本图像Γ_j对候选位置h投票分值的形式，即：

其中，

其中，δ为高斯Parzen窗口的标准差，表示E_L中的投票单元e来自于正样本集合D⁺中正样本图像Γ_j；则遍历测试图像G中图像块p_t在候选位置h的最终投票分值为：

步骤D2：由于正样本集合D⁺中各样本图像视角差异过大，会导致最终投票生成的霍夫图混乱，亮点不够集中，无法准确确定候选位置h，因此本方案在定义的投票模型中引入视角变量k∈{1,2,...,K}把投票限定在相同视角下，以保证对候选位置h投票的视角一致性，即：

该式计算流程如下：首先利用步骤B所述的多视角子类划分方法为正样本集合D⁺中每张样本图像标记一个视角子类k∈{1,2,...,K}；然后利用上述公式计算每张样本图像的视角贡献权重w_jk,j∈{1,2,...,N⁺}；最终标定了视角和视角贡献权重的正样本集合D⁺，则被重新定义为：

其中，W为w_jk构成的大写为N⁺×K的权重矩阵；

步骤E：在测试图像中确定车辆检测框。