[发明专利]一种基于车型粗分类的远视场景车辆检测方法

权利要求书

1.一种基于车型粗分类的远视场景车辆检测方法，包括如下步骤：

步骤1：训练分类器，采集远视场景中的大型车辆和小型车辆车窗的正、负样本，分别提取每一张正负样本的HOG特征，使用SVM分类器训练得到大型车和小型车的车窗分类器；

步骤2：预处理，从道路监控视频中手动标定远视场景中大型车辆检测区域，然后在大型车辆检测区域中手动标定小型车检测区域；分别标定大型车辆和小型车辆车窗高度、宽度和面积的最小阈值；

步骤3：读取图像序列，获取当前帧中的大型车辆检测区域M；图像序列数最大值为Count；

步骤4：对M进行背景建模，得到前景二值图；

步骤5：对步骤4中的前景二值图进行筛选得到候选车辆，然后对候选车辆进行车型粗分类；

步骤6：车辆检测，利用训练好的车窗分类器对相应车型的候选车辆进行检测

步骤7：判断当前帧数是否小于图像序列数最大值，若小于转到执行步骤3，否则结束；步骤5具体为：

步骤5.1：先对步骤4中的前景二值图进行中值滤波和膨胀操作，得到处理后的前景二值图G；

步骤5.2：截取G中的小型车辆检测区域得到前景二值图GS，找到GS中所有连通区域的最小外接矩形，构成小型车车窗外接矩形集合SWL＝{swl_i|i＝1,2,3,...,n}，n表示外接矩形个数，使其同时满足式(1)、(2)：

swl_i.W＞SCar.W且swl_i.H＞SCar.H (1)

swl_i.S＞SCar.S (2)

式中，swl_i表示第i个小型车车窗外接矩形，swl_i.H、swl_i.W、swl_i.S分别表示swl_i的高度、宽度和面积；SCar.H、SCar.W、SCar.S分别表示小型车辆车窗矩形最小高度、最小宽度和最小面积的阈值；

步骤5.3：找到G中所有连通区域的最小外接矩形，构成大型车车窗外接矩形集合BWL＝{bwl_i|i＝1,2,3,...,m},m表示外接矩形个数，使其同时满足式(3)、(4)：

bwl_i.W＞BCar.W且bwl_i.H＞BCar.H (3)

bwl_i.S＞BCar.S (4)

式中，bwl_i表示第i个大型车车窗外接矩形，bwl_i.H、bwl_i.W、bwl_i.S分别表示bwl_i的高度、宽度和面积,BCar.H、BCar.W、BCar.S分别表示大型车辆车窗外接矩形最小高度、宽度和面积的阈值；

步骤5.4：记跟踪车辆外接矩形集合TL＝{tl_i|i＝1,2,3,...,p}，其中p为跟踪车辆总数，若bwl_i满足式(5)或式(6)，则判定bwl_i为虚假候选大型车辆，进一步从BWL中剔除该矩形；重复这一过程，直至遍历BWL中所有外接矩形；

式中，tl_j∩bwl_i表示矩形tl_j和bwl_i相交区域，表示相交区域的面积；tl_j.X、tl_j.W分别表示矩形tl_j的左上角点X坐标和宽度；bwl_i.X、bwl_j.W分别表示矩形bwl_i的左上角点X坐标和宽度；tl_j.center.Y表示矩形中心点的Y坐标，G.Buttom表示大型车辆检测区域矩形底部Y坐标。

2.如权利要求1所述的基于车型粗分类的远视场景车辆检测方法，其特征在于：步骤6具体为：

步骤6.1：截取BWL在大型车辆检测区域中对应的外接矩形子图，用大型车辆车窗分类器对截取的子图进行检测，得到精确定位的大型车辆车窗外接矩形集合NTLB＝{ntlb_i|i＝1,2,...,r}，其中r表示检测到的车窗个数，ntlb_i表示第i个大车车窗外接矩形；

步骤6.2：截取SWL在小型车辆检测区域中对应外接矩形子图，用小型车辆车窗分类器对截取的子图进行检测，得到精确定位的小型车辆车窗外接矩形集合NTLS＝{ntls_i|i＝1,2,...,q}，其中q表示检测到的车窗个数，ntls_i表示第i个小车车窗外接矩形；

步骤6.3：若NTLB中任意矩形ntlb_i满足式(7)，则认为该矩形为新检测到的大型车辆，将其加入TL，否则将其剔除；

式中，ntlb_i∩tl_j表示矩形ntlb_i和tl_j相交区域，表示相交区域的面积；

步骤6.4：若NTLS中任意矩形ntls_i满足式(8)，则认为该矩形为新检测到的小型车辆，将其加入TL，否则将其剔除；

式中，ntls_i∩tl_j表示矩形ntls_i和tl_j相交区域，表示相交区域的面积。