[发明专利]一种基于车辆倒车镜的车辆检测方法

权利要求书

1.一种基于车辆倒车镜的车辆检测方法，其特征在于，在训练阶段，首先采集车辆倒车镜及非车辆倒车镜样本，归一化处理后进行训练得到车辆倒车镜矩形特征及弱分类器；利用Adaboost算法识别车辆倒车镜的强分类器；经多次训练得到车辆倒车镜检测分类器；检测阶段中，首先计算实时环境下采集图像的积分图；利用训练好的车辆倒车镜强分类器对图像当中若干个窗口进行检测，若检测成功则该处出现车辆，根据车辆倒车镜大小检测车辆大小，若检测不成功则该处无车辆，标记后精确获得车辆出现位置。

2.根据权利要求1所述的基于车辆倒车镜的车辆检测方法，其特征在于，训练阶段的具体步骤如下：

S101、采用摄像头采集若干个车辆倒车镜及非车辆倒车镜样本，对样本进行尺度和光照归一化处理；

S102、对采集好的关于倒车镜的车辆样本进行训练，构造能够进行车辆倒车镜矩形特征及弱分类器；

S103、利用步骤S102得到的弱分类器和改进的Adaboost算法进行训练，得出能够识别车辆倒车镜的强分类器；

S104、重复步骤S102和S103的训练过程得到结构简单且多层的分类器；

S105、将步骤S104中得到的分类器进行级联，得到一个完整的车辆倒车镜检测的分类器用于车辆倒车镜检测。

3.根据权利要求2所述的基于车辆倒车镜的车辆检测方法，其特征在于，步骤S101中，引入车辆倒车镜的正面特征，包括两个大小相似的矩形特征，将倒车镜正面的模型分为四个拐角特征进行检测。

4.根据权利要求2所述的基于车辆倒车镜的车辆检测方法，其特征在于，步骤S102具体为：构造Haar-like特征用于提供车辆检测的模型，反应实时采集图像的局部灰度变化；计算矩形区域的特征值；挑选出矩形的特征值并构成与其相对应的弱分类器。

5.根据权利要求4所述的基于车辆倒车镜的车辆检测方法，其特征在于，对于一个能够鉴别车辆倒车镜图像的弱分类器h_j(x)，如果计算相关车辆倒车镜的特征值处于一个上限值upper limit和一个下限值lower limit之间，即被训练成强分类器的最佳分类器，具体为：

6.根据权利要求2所述的基于车辆倒车镜的车辆检测方法，其特征在于，步骤S103中，采用多分类法对Adaboost算法进行优化，首先根据采集到的车辆倒车镜或车辆的模型将最原始的弱分类器h_j(x)∈{0,1}进行算法错误率估计，为：根据估计的错误率将样本空间分类。

7.根据权利要求6所述的基于车辆倒车镜的车辆检测方法，其特征在于，在使用Adaboost算法进行训练时，车辆或车辆倒车镜为v₁，近似于车辆或车辆倒车镜为v₂，与车辆或车辆倒车镜不相似为v₃；根据设定分类，训练能够识别v₁以及v₂的强分类器；同时对v₃部分的分类器进行训练，找出与车辆或车辆倒车镜相差最大错误率的分类器，在实时进行车辆或者车辆倒车镜检测中去除v₃部分的子图像，对v₁以及v₂部分进行检测。

8.根据权利要求1所述的基于车辆倒车镜的车辆检测方法，其特征在于，检测阶段具体为：

S201、对实时环境下采集到的图像进行一定的处理和放大，提取图像中若干个子窗口；

S202、计算各个子窗口图像当中的积分图；

S203、利用训练好的车辆倒车镜的强分类器对图像当中若干个窗口进行检测，先检测子窗口中是否含有车辆倒车镜，有则说明该处出现车辆，再使用训练出来的车辆分类器进行车辆的检测并根据倒车镜的分类器特征得出检测车辆的大小，检测不成功则说明该处无车辆；

S204、将检测好的车辆倒车镜位置标记，进行合并和划线并在此基础上，根据原有的车辆检测模型精确标出车辆出现位置。

9.根据权利要求8所述的基于车辆倒车镜的车辆检测方法，其特征在于，步骤S202中，遍历好的子图像积分图包括：

倾角为0度的积分图，特征原型派生出的特征数为：

积分图Sum(x,y)表示点(x,y)在左上方的所有像素的和，定义为：

其中，I(X,Y)为采集的原图像上的一个像素值；

倾角为45度的积分图，特征原型派生出的特征数为：

积分图Sum(x,y)定义为：

表示点(x,y)在正上方的所有像素的和两种积分图的像素及特征值。