一种基于车载视觉的盲区内电动车自动检测方法

摘要

本发明公开了一种基于车载视觉的盲区内电动车自动检测方法，该方法首先获取样本数据并提取样本特征数据，通过训练模块对特征数据进行训练，生成Adaboost级联分类器；通过基于假设产生和假设验证的方式对输入图像数据进行在线检测，输入到训练好的分类器中，完成对电动车的定位；本发明旨在提高道路交通安全，减少盲区事故的发生，该方法在保证检测准确率的前提下，提高检测效率。

主权项

一种基于车载视觉的盲区内电动车自动检测方法，其特征在于，该方法包括以下步骤：（1）样本数据的获取与特征提取，该步骤包括以下子步骤：（1.1）采用视频监控摄像头采集盲区真实道路状况信息，处理获取不同种类、不同视角和尺寸的电动车图像；（1.2）图像尺寸归一化，电动车图像作为正样本数据，非电动车等背景图像作为负样本数据；（1.3）电动车特征提取：定义一组特征参数来描述电动车，作为区分电动车和非电动车的依据；采用基于积分通道的类哈尔特征作为描述电动车的特征集，即通过梯度、色彩等特征构建特征通道图像，再在这些通道图像中利用积分图像的方法来计算类哈尔特征；（2）利用获得的电动车数据以及基于积分通道的类哈尔特征通过Adaboost算法，训练得到一个可以快速检测电动车的Adaboost级联分类器，该步骤包括以下子步骤：（2.1）获取包含电动车的图像数据，称为正样本图像；（2.2）获取不包含电动车的图像数据，称为负样本图像；（2.3）对正负样本图像分别计算预先定义好的电动车特征，得到正负样本特征；（2.4）再对步骤（2.3）中得到的电动车特征进行标记，表明该特征来自电动车特征还是非电动车特征，从而产生用于训练分类器的特征参数样本；其中电动车样本（正样本）标记为+1，非电动车样本（负样本）标记为0；（2.5）利用Adaboost算法训练得到电动车检测级联分类器；（3）利用训练得到的分类器实现输入视频帧图像的在线检测，该步骤包括以下子步骤：（3.1）通过安装在车辆上的摄像头，实时获取车辆盲区内道路的视频图像；（3.2）对获取到的视频进行一帧一帧的处理；对每一帧输入图像，计算其特征通道图像并获取电动车可能存在区域，该区域定义为特征通道图像的ROI区域；（3.3）计算每个特征通道图像在滑动窗口内的类哈尔特征；（3.4）采用滑动窗口的方法遍历特征通道图像的ROI区域；（3.5）将步骤（3.3）中得到的类哈尔特征输入训练得到的分类器，该分类器判断输入的特征中的哪些特征属于电动车特征，哪些特征属于非电动车特征；（3.6）最后用非极大值抑制算法产生最匹配的滑动窗口，确定电动车的位置，或者判断输入的图像中无电动车。