[发明专利]一种基于加权霍夫投票的多视角车辆检测方法

说明书

本发明提供了一种基于加权霍夫投票的多视角车辆检测方法，包括以下步骤：步骤A：定义训练样本图像集；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；步骤C：计算每个正样本对不同视角子类的贡献权重；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；步骤E：在测试图像中确定车辆检测框；本发明利用LLE和k‑means实现车辆不同视角子类的自动划分，利用该划分定义了霍夫投票过程中正样本集合在不同视角下的投票权重，结合投票权重，进行精确定位的霍夫投票，从而实现多视角下车辆的准确检测；相较于现有技术，本发明大大提高了检测速度，并且有效的利用不同视角子类间的共享信息，从而进一步提高了车辆检测的准确性。

技术领域

本发明涉及视频交通环境下车辆检测领域，尤其涉及一种基于加权霍夫投票的多视角车辆检测方法。

背景技术

随着汽车日益成为日常生活中最重要工具，车辆检测也成为了智慧城市中智能交通系统的重要组成部分，但在现实场景中，多视角的车辆检测依然是车辆检测的难点问题，这是由于车辆移动时或者拍摄位置不同时，将导致车辆在图像中以不同视角呈现，车辆外观特征出现了很大的差异，从而导致了车辆检测准确率的急剧下降。

现有技术中针对多视角的车辆检测主要分为三大类，第一：利用手工方法或基于样本长宽比(Aspect Ratio)将图像训练集划分成不同子类，每个子类包含某一范围的视角变化，并为每个子类独立的建立检测模型；第二：基于自动子类划分的方法，或在学习检测器过程中嵌入无监督聚类过程；第三：在模型中嵌入3D视角信息，并估计目标视角；上述三类方法从不同角度解决了多视角车辆检测问题，但各自均存在明显的缺陷或局限性，如忽略多视角目标的特征共性或3D视角信息很难采集等，从而导致多视角车辆检测检测结果不准确。

发明内容

本发明的目的在于提供一种基于加权霍夫投票的多视角车辆检测方法，能够有效的解决由于现有技术忽略多视角目标的特征共性或忽略3D视角信息而导致多视角车辆检测检测结果不准确的问题。

为了实现上述目的，本发明采用以下技术方案：

一种基于加权霍夫投票的多视角车辆检测方法，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；

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；

步骤E：在测试图像中确定车辆检测框。

所述的步骤B包括以下步骤：

步骤B1：利用LLE算法将正样本集合D⁺中HOG特征表达的正样本图像嵌入到二维空间；

步骤B2：在二维空间选择由样本点分布形成的环状的中心点，基于样本点到该中心点的相对角度，将所有样本规则化到一个圆形上；

步骤B3：利用k-means算法对圆上样本进行聚类，正样本集合D⁺划分为K个视角子类。

所述的步骤C具体采用以下方法：