发明名称 |
一种基于多尺度模型的车辆检测方法 |
摘要 |
本发明涉及到车辆检测技术领域,特别涉及到一种基于多尺度模型的车辆检测方法。本发明包括多尺度模型建模、多尺度模型学和车辆检测三个步骤;所述多尺度模型建模是利用两个以上不同的混合图像模板构建;所述的多尺度模型学是从实际交通图像中汲取车辆图像作为训练图形,学所述混合图像模板的边缘块、纹理块、颜色块、平整度块和图像似然概率;所述车辆检测是利用所述混合图像模板对交通图像进行模板匹配,从而检测出车辆对象。本发明具有适应多种天气条件、一定程度的车辆变形等优点,特别是能准确检测与摄像机不同距离的车辆;可以应用于视频中车辆的检测。 |
申请公布号 |
CN103473566B |
申请公布日期 |
2016.09.14 |
申请号 |
CN201310379385.2 |
申请日期 |
2013.08.27 |
申请人 |
东莞中国科学院云计算产业技术创新与育成中心;中国科学院自动化研究所 |
发明人 |
王飞跃;李叶 |
分类号 |
G06K9/64(2006.01)I |
主分类号 |
G06K9/64(2006.01)I |
代理机构 |
北京科亿知识产权代理事务所(普通合伙) 11350 |
代理人 |
汤东凤 |
主权项 |
一种基于多尺度模型的车辆检测方法,其特征在于:包括多尺度模型建模S1、多尺度模型学习S2和车辆检测S3三个步骤;所述多尺度模型建模S1是利用两个以上不同的混合图像模板构建;所述的多尺度模型学习S2是从实际交通图像中汲取车辆图像作为训练图形,学习所述混合图像模板的边缘块、纹理块、颜色块、平整度块和图像似然概率;所述车辆检测S3是利用所述混合图像模板对交通图像进行模板匹配,从而检测出车辆对象;所述的多尺度模型建模S1是利用不少于两个的不同的混合图像模板{T<sub>i</sub>,i=1,2,...,N,N≥2}组成多尺度模型,T<sub>1</sub>,T<sub>2</sub>,...,T<sub>N</sub>分别表示在不同车辆‑摄像机距离下的车辆对象,T<sub>1</sub>,T<sub>2</sub>,...,T<sub>N</sub>具有不同尺度和不同特征;T<sub>1</sub>表示的车辆对象离摄像机的距离最近,T<sub>1</sub>包含一个或多个边缘块、纹理块、颜色块和平整度块的图像块;随i的增大,T<sub>i</sub>表示的车辆对象离摄像机越远且车辆对象逐渐被模糊成平整区域,T<sub>i</sub>中其他类型的图像块逐渐变为平整度块;T<sub>N</sub>表示的车辆对象离摄像机最远,T<sub>N</sub>仅包含一个或多个边缘块和平整度块;所述的多尺度模型学习S2,包括以下步骤:步骤S2‑1,从实际交通图像中截取车辆图像作为训练图像,训练图像的数量不少于1幅;步骤S2‑2,利用消息映射法从所述所有训练图像中学习T<sub>1</sub>,T<sub>2</sub>,...,T<sub>N</sub>中的所有边缘块、纹理块、颜色块、平整度块及T<sub>1</sub>,T<sub>2</sub>,...,T<sub>N</sub>的图像似然概率;所述的车辆检测S3,包括:利用T<sub>1</sub>,T<sub>2</sub>,...,T<sub>N</sub>对测试交通图像进行模板匹配,检测出一个或多个车辆候选者;计算这些车辆候选者的车辆检测得分;将这些车辆候选者的车辆检测得分与车辆检测阈值进行比较,若车辆检测得分大于等于车辆检测阈值,则相应的车辆候选者为被检测的车辆对象。 |
地址 |
523808 广东省东莞市松山湖高新技术产业开发区松科苑14号楼 |