[发明专利]基于车辆局部对称性和阴影特征融合的车辆检测方法

说明书

本发明公开了一种基于车辆局部对称性和阴影特征融合的车辆检测方法，通过建立三维逆投影面，得到每一帧图像的逆投影图，能够较好恢复到车辆的局部对称性特征；在白天，通过采集不同时段下，不同车辆样本的阴影特征，学习混合高斯模型确定阴影特征，结合阴影特征，检测车辆。本发明的方法对白天车辆检测具有实时高效的特点，具有广阔的应用前景。

技术领域

本发明属于视频检测领域，涉及一种基于车辆局部对称性和阴影特征融合的车辆检测方法。

背景技术

近年来，社会经济的快速发展使得私家汽车数量急剧的增加，智能交通系统作为一种实时的、高效的交通管理系统以其能够有效解决交通拥堵问题得到世界的认可。车辆检测方法在智能交通系统的研究中占有相当重要的地位，车辆检测是研究智能交通领域的第一步。

目前，白天车辆检测作为车辆检测的一个部分，针对场景复杂造成的遮挡和粘连问题，这就极大加深了检测的难度。针对这个难题，相关研究人员主要从两个方面进行研究，一方面是通过改善硬件设施摄像机的布置来避免车辆遮挡和粘连问题；另一方面就是针对白天车辆检测算法进行研究，一些学者考虑到车辆目标可以认为是多部件组成或者多个特征的一个整体，车辆的显著性部件有车灯，车牌照，车轮，车窗和阴影等，车辆部件的特征有圆形度，对称性等，通过检测不同的车辆特征来代替检测车辆整体目标。而上述车辆特征的检测区别性较大，往往不能够有一个统一的检测模型和检测算法。

发明内容

针对上述现有技术中存在的问题或缺陷，本发明的目的在于，提供一种基于车辆局部对称性和阴影特征融合的车辆检测方法，该方法能够准确检测到检测区域中的车辆。

为了实现上述目的，本发明采用如下技术方案：

基于车辆局部对称性和阴影特征融合的车辆检测方法，包括以下步骤：

步骤1，获取检测区域的路面图像，设置三维逆投影面；基于三维逆投影面，对路面图像进行逆投影变换得到逆投影图；

步骤2，提取逆投影图中所有的SURF特征点p₁,p₂,…,p_i,…p_n，其中p_i表示第i个SURF特征点，n表示SURF特征点的总数；

步骤3，针对每一个SURF特征点，在SURF特征点中找到与其相对称的SURF特征点，两个相对称的SURF特征点形成特征点对；针对同一个SURF特征点形成的所有特征点对形成一个对称组，针对所有的SURF特征点形成多个对称组C₁，C₂，…C_k，…C_M，其中，C_k表示第k个对称组，M表示对称组的总数；

步骤4，根据步骤3得到的多个对称组C₁，C₂，…C_k，…C_M，确定每个对称组对应的疑似车辆中心线，采用的方法如下：

步骤4.1：计算所有对称组C₁，C₂，…C_k，…C_M中，所有特征点对的连线的中心位置坐标；

步骤4.2：统计所有中心位置坐标的x坐标值的统计直方图，该统计直方图中存在至少一个峰值，每个峰值对应一个对称组；

步骤4.3：针对对称组C₁，C₂，…C_k，…C_M中的第k个对称组C_k，1≤k≤M,k的初始值为1，找到与对称组C_k对应的峰值，找到该峰值对应的中心位置坐标的x轴坐标值，该中心位置坐标的x轴坐标值确定的线即为初始车辆中心线x_vehicle；