基于结构相似度的车辆检测方法

摘要

本发明基于结构相似度的车辆检测方法，涉及图像的结构分析，步骤是：第一步，车辆假设区域的标记：获取路面自由驾驶区域、设置路面感兴趣区域、生成路面对称区域、标记路面车辆假设区域；第二步，车辆假设区域的验证：车辆结构相似度特征的提取和训练、提取车辆假设区域的车辆结构相似度特征、对车辆假设区域的车辆结构相似度特征进行验证；该方法降低了车辆检测系统的成本，提高了车辆检测系统的效率和识别精度，具有普遍的适用性。

主权项

基于结构相似度的车辆检测方法，其特征在于具体步骤如下：第一步，车辆假设区域的标记：车辆假设区域是指路面上可能存在车辆的区域，该区域的生成过程和方法如下：(1)获取路面自由驾驶区域：将车载摄像机采集到的道路交通情况图像由RGB空间转化到灰度空间，采用的公式(1)如下：Gray＝0.299R+0.587G+0.114B        (1)，利用路面区域的平整一致的特性，将获得的灰度图像利用Canny边缘检测算法对整幅图像提取边缘，将边缘图像中每一列的像素点自底向上进行扫描，直到遇到边缘像素点为止，将未扫描过的区域去除，剩下的区域设置为自由驾驶区域，Canny算子模板如下公式(2)所示，其中S_x为水平算子,S_y为垂直算子，$S_x=\left[\begin{array}{cc}-1& 1\\ -1& 1\end{array}\right]{,S}_y=\left[\begin{array}{cc}1& 1\\ -1& -1\end{array}\right]---\left(2\right);$(2)设置路面感兴趣区域：在上述(1)步获取路面自由驾驶区域后，在道路交通图像上去除该区域，将剩余的部分设置为路面感兴趣区域；(3)生成路面对称区域：对上述(2)步设置的路面感兴趣区域提取水平边缘和垂直边缘，利用车辆具有良好的对称性，且是关于中心轴对称，关于两边垂直边缘不对称这一特征，利用Sobel边缘检测算子对路面感兴趣区域进行边缘提取，采用3×3模板获取边缘信息，Sobel边缘检测算子模板如公式(3)所示，其中G_x为水平算子，G_y为垂直算子，$G_x=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right],G_x=\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]---\left(3\right),$在用Sobel边缘检测算子提取完边缘图像后，对生成的边缘图像利用滑动窗口对该区域的边缘图像像素进行行扫描，窗口初始大小为40×40像素，每扫描一遍上述(2)步的路面感兴趣区域，窗口大小提高1.2倍，共扫描6次，利用如下公式(4)计算对称度，将对称度较高的点拟合成对称轴，由此生成路面对称区域，$S\left(i\right)=\underset{k=1}{\overset{C}{\Sigma }}\underset{j=bottom}{\overset{top}{\Sigma }}|G(i,j-k)-G(i,j+k)|---\left(4\right),$式中G(i,j‑k)和G(i,j+k)为原始图像中以k为半径关于(i,j)点对称的像素点灰度值，i和j为对称轴的横纵坐标，C为计算对称轴时所考虑的宽度，bottom和top表示滑动窗口的垂直坐标的最小值和最大值，由区域窗口大小来决定，S值越小就表示此位置对称度越大；(4)标记路面车辆假设区域：上述道路交通情况图像中车辆宽度与车辆实际宽度存在等比的变化关系，通过统计车辆在这些图像中的宽度范围，将宽度阈值范围之内的上述(3)步生成的路面对称区域标记为路面车辆假设区域，否则排除该区域；第二步，车辆假设区域的验证：车辆假设区域的验证是采用模式识别的方法完成，首先提取训练样本的结构相似度特征，然后利用这些特征训练分类器，进而对车辆假设区域进行验证，具体步骤如下：(5)车辆结构相似度特征的提取和训练：在离线情况下，对公共车辆数据库GTI中的数据样本进行裁剪，并采用双线性插值算法实现图像的尺寸归一化，经过归一化的车辆图像大小为64×64像素，对处理好的车辆图像提取结构相似度特征，将车辆图像分块，用结构相似度算法SSIM计算每块中心细胞与其他相邻的8个细胞的结构相似度，由此获取特征向量并组合成块内特征向量，再将整幅图像内的所有块的特征向量整合，形成一幅图像的最终车辆结构相似度特征数据，其中块大小为24×24像素，细胞大小为8×8像素，移动步长大小为8×8像素，特征维度为432维，由此提取车辆结构相似度特征，再将提取到的车辆结构相似度特征数据输入SVM训练分类器；(6)提取车辆假设区域的车辆结构相似度特征：对第一步标记的车辆假设区域，利用双线性插值算法进行尺度归一化处理，统一归一化为64×64像素，再利用上述步骤(5)中的车辆结构相似度特征的提取方法提取该区域的车辆结构相似度特征；(7)对车辆假设区域的车辆结构相似度特征进行验证：使用离线训练好的SVM分类器对步骤(6)提取的车辆假设区域的车辆结构相似度特征进行验证，如果识别为车辆，则标记该车辆位置，如果识别为非车辆，则删除该假设区域，进而验证下一个车辆假设区域，由此完成车辆检测。