[发明专利]基于多子图融合与显著性分析的车辆检测装置及系统

说明书

基于多子图融合与显著性分析的车辆检测装置及系统，属于车辆识别检测领域，技术要点是：多个子图象显著性分析模块：对多个子图象进行显著性分析形成显著性分析图；加权融合模块：对多个子图象的显著性分析图加权融合，以确定出含有目标车辆的候选区域；校正模块：对所述候选区域进行边界校正并进行精确判断。

技术领域

本发明属于车辆识别检测领域，涉及一种基于多子图融合与显著性分析的车辆检测装置及系统。

背景技术

作为FCW(前方碰撞预警，Front Collision Warning)中重要的一环，基于视觉传感器的移动车辆检测成为众多同行研究的焦点之一。目前的基于视觉传感器的移动车辆检测方法，在处理大逆光情况时往往难以将目标车辆检出，因为此时不论是车底阴影还是车尾灯等信息都与周围环境存在较低的对比度，传统预处理的手段往往不再适用；而对于滑动窗口的检测手段，则需要大量训练代价并伴有高虚警的风险。因此，大逆光情况往往是各种新兴车辆检测方法挑战的场景之一。

发明内容

为了解决上述问题，本发明提出如下技术方案：基于多子图融合与显著性分析的车辆检测装置，存储有多条指令，所述指令适于处理器加载并执行：

对多个子图象进行显著性分析形成显著性分析图；

对多个子图象的显著性分析图加权融合，以确定出含有目标车辆的候选区域；

对所述候选区域进行边界校正并进行精确判断。

有益效果：本发明提出一种基于多个子图像信息融合的车辆检测方法，利用大逆光情况下，虽然目标车辆在整体图像中的对比度很弱，但是总会存在一定的邻域区间，使得在该邻域区间内，目标车辆的对比度相对较强，从而在该子区域内将车辆目标与背景分离开来；然后将多个子图信息融合起来，进行后续的边界修正与精确目标检测。

附图说明

图1车辆检测总体流程图；

图2利用多子图融合检测图像中车辆目标的流程。

具体实施方式

如图(1)所示，本发明使用经过采样的图像Y通道信息进行车辆目标的检测。首先经过基于图像分层的显著性分析来进行预处理，得到筛选后的含有目标车辆的候选区域；然后，对含有目标车辆的候选目标区域进行边界修正；之后，将修正后的含有目标车辆的候选区域送给分类器进行精确判断；之后，根据多帧联合机制与图像去重合机制处理后得到最终的目标车辆区域。

(一)基于多子图融合的显著性预处理

首先，本发明根据目标物体在原始图像中可能出现的位置与尺寸，将原始图像划分为若干子区域，这些子区域中可能存在目标物体与周围环境相对强烈的对比。这些子区域可以存在重叠区域，重叠区域需要进行进一步的权重归一化；

然后，对分别计算各个子图像中每个像素值到其他像素值的距离之和(这里使用欧式距离，但不限于欧式距离)，作为衡量该点像素对比度的一种度量。

在计算各个子图像中每个像素与其他像素之间的距离之和后，记录各个子图像中这些距离之和的最大值与最小值。因为可能存在子图像中的各个像素的对比度比较低，其最大值与最小值相同，这类子区域在候选的显著性特征值计算中没有作用，所以对这类子图像之间跳过；

下一步，利用前面的各个像素点的距离之和(这里使用欧式距离，但不限于欧式距离)取一定的指数运算，作为该点的显著性特征值。这里所取的指数值与需检测的目标物体在图像中的对比度强烈程度有关，故此需要具体问题具体设定。

然后，将原始图像与特征图像分别映射到0-255的范围内。

进一步，将用显著性分析图减去拉伸图像，得到各个子图像的突出的目标图像。