一种基于部分模型的车辆检测方法

摘要

本发明涉及车辆检测技术领域，特别是一种基于部分模型的车辆检测方法。该方法包括以下步骤：根据易遮挡的程度从车辆对象上提取两个部分，用于组成车辆模型；利用融合多种特征的混合图像模板分别建模这两个部分；利用训练图像学两个部分对应的混合图像模板及这些模板的图像似然概率，同时学两个部分之间的位置和尺度关系的概率分布；从测试交通图像中检测两个部分的候选者，利用部分之间的位置和尺度关系组合车辆候选者，实现车辆检测。本发明具有适应适度车辆变形、多种天气条件等优点，可以应用于处理复杂交通场景中的车辆遮挡。

主权项

一种基于部分模型的车辆检测方法，其特征在于：主要包括部分选择、部分建模、模型学习和车辆检测；所述的部分选择，根据易遮挡的程度从车辆对象上提取部分(a)和部分(b)两个部分，用于组成车辆模型；部分(a)是在车窗附近不易被遮挡的区域，部分(b)是在车牌周围容易被遮挡的区域；所述的部分建模，利用融合多种特征的混合图像模板建模所述两个部分；所述的模型学习，利用训练图像学习所述两个部分的混合图像模板及两部分之间的位置和尺度关系；所述的车辆检测，利用迭代过程检测测试交通图像中的一个或多个车辆，在每个迭代步骤中首先利用模板匹配检测出两部分的候选者，然后利用两部分之间的位置和尺度关系组合部分候选者，实现车辆检测；所述的模型学习，包括以下步骤：步骤S3‑1，从实际交通图像中截取车辆图像作为训练图像，训练图像数量不少于1幅；步骤S3‑2，利用消息映射法从所述训练图像中学习部分(a)和部分(b)对应的混合图像模板中的所有图像块及部分(a)和部分(b)对应的混合图像模板的图像似然概率；步骤S3‑3，利用所述训练图像学习部分(a)和部分(b)之间的位置和尺度关系的概率分布；所述的车辆检测，利用一个迭代过程从测试交通图像中检测出一个或多个车辆，包括以下步骤：步骤S4‑1，利用所述部分(a)和部分(b)的混合图像模板对测试交通图像进行模板匹配，提取所述部分(a)和部分(b)的候选者；步骤S4‑2，利用所述部分(a)和部分(b)的位置和尺度关系将部分(a)和部分(b)的候选者组合出一个或多个车辆候选者，并计算这些车辆候选者对应的车辆检测概率；步骤S4‑3，提取带有最大车辆检测概率的车辆候选者；步骤S4‑4，将所述步骤S4‑3中的最大车辆检测概率与车辆检测阈值进行比较，若此车辆检测概率大于等于车辆检测阈值，则相应的车辆候选者为一个被检测车辆对象；然后利用抹去此被检测车辆对象的测试交通图像进行下一个迭代步骤，重复步骤S4‑1，S4‑2，S4‑3，S4‑4；若此车辆检测概率小于车辆检测阈值，则整个迭代过程停止，车辆检测过程结束；所述混合图像模板由一个或多个图像块组成，图像块分为边缘块、纹理块、颜色块和平整度块，所述混合图像模板包含的图像块是这些类型中的一种或多种；所述边缘块是由特定方向的Gabor小波基元来表示；所述纹理块是由图像区域的梯度直方图表示；所述颜色块由图像区域的颜色直方图表示；所述平整度块由叠加图像区域内一个或多个方向的Gabor滤波器的响应值得到的值表示；所述部分(a)或部分(b)的混合图像模板的图像似然概率为：$p\left(I_{{\Lambda }_i}\right|p_i)=q\left(I\right){\Pi }_{j=1}^{N_i}\frac{\exp \left\{{\lambda }_{ij}f\left(I_{{\Lambda }_{ij}}\right)\right\}}{Z_{ij}},$其中p₁和p₂分别为所述部分(a)和部分(b)的混合图像模板，是测试图像I中对应部分图像区域的图像，是图像中对应第j个图像块位置的图像，N_i是p_i中图像块的数量，q(I)是一个参考分布，λ_ij是p_i中第j个图像块的系数，是p_i中第j个图像块和图像之间的距离，Z_ij是归一化常数。