[发明专利]基于辅助驾驶的路况图像模型训练方法、系统和智能终端

权利要求书

1.一种基于辅助驾驶的路况图像模型训练方法，其特征在于，所述方法包括：

获取图像区域内的正样本目标图像和负样本目标图像；

获取正样本图像区域和负样本图像区域的特征向量，并得到n种特征向量，其中，n为正整数；

对得到的特征向量进行拼接，并进行特征归一化处理；

在n中所述特征向量中随机提取m项，并形成样本特征组合模型，其中m为小于或等于n的正整数；

对所述特征组合模型进行模型训练和评估。

2.根据权利要求1所述的路况图像模型训练方法，其特征在于，所述正样本目标图像中只能包含单一的完整的正样本目标；所述负样本目标图像中只能包含单一的完整的负样本目标。

3.根据权利要求1所述的路况图像模型训练方法，其特征在于，所述对各目标图像进行特征提取，具体包括：

根据目标图像的大小以及形状比例的如下公式，提取目标图像的形状特征：

其中，w为目标图像的宽度，h为目标图像的高度，r为目标图像的宽高比。

4.根据权利要求1所述的路况图像模型训练方法，其特征在于，所述对各目标图像进行特征提取，具体包括：

按以下公式提取所述目标图像的灰度特征，所述灰度特征包括灰度均值和灰度方差：

其中，m为灰度均值，P_i(x,y)表示坐标(x，y)处的灰度值，N表示图像内像素点个数；

其中，P_i(x,y)表示坐标(x，y)处的灰度值，m表示灰度均值，N表示图像内像素点个数，s表示方差。

5.根据权利要求1所述的路况图像模型训练方法，其特征在于，所述对各目标图像进行特征提取，具体包括按以下步骤提取所述目标图像的LBP特征向量：

将检测窗口划分为多个16×16的子区域；

对于每个子区域中的一个像素点作为中心像素，将相邻的各个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0，从而获取窗口中心像素点的LBP值；

计算每个子区域的直方图，并对该直方图进行归一化处理；

将得到的每个子区域的直方图进行连接成为一个特征向量，以得到所述目标图像的LBP特征向量。

6.根据权利要求1所述的路况图像模型训练方法，其特征在于，所述对各目标图像进行特征提取，具体包括按以下步骤提取所述目标图像的HOG特征向量：

对输入的目标图像进行颜色空间的归一化处理；

根据以下公式计算目标图像中每个像素的梯度大小和方向：

目标图像中像素点(x,y)的梯度为：

Gx(x,y)＝H(x+1,y)-H(x-1,y)

Gy(x,y)＝H(x,y+1)-H(x,y-1)

其中，H(x,y)表示像素点(x，y)处的像素值，Gx(x,y)表示像素点(x，y)处的水平方向梯度，Gy(x,y)表示像素点(x，y)处的垂直方向梯度；

像素点(x，y)处的梯度幅值和梯度方向分别为G(x,y)和α(x,y)：

将目标图像划分成多个子区域，并统计每个子区域的梯度直方图，以得到各子区域的特征值；

将每几个子区域组成一个向量区域，一个向量区域内所有子区域的特征值串联起来得到该向量区域的HOG特征值；

将所述目标图像的所有向量区域的HOG特征值串联，以得到目标图像的HOG特征向量。