基于阴影假设和分层HOG对称特征验证的前车检测方法

摘要

本发明公开了一种基于阴影假设和分层HOG对称特征验证的前车检测方法，通过人工选取由车载相机拍摄的图像，归一化计算图像库的分层HOG对称特征，并经过极限学机（ELM）的训练得到分类器；然后对由车载相机采集的视频图像进行阴影化处理，得到假设的车辆子图；最后把得到的假设子图通过分类器进行判断得到检验结果。该发明方法能够准确、实时的检测出前方车辆，并且对光照强度变化有很强的鲁棒性。

主权项

一种基于阴影假设和分层HOG对称特征验证的前车检测方法，其特征在于，包括以下几个步骤：步骤1：构建用于训练的样本库，并对样本库进行归一化处理；所述用于训练的样本库是指从装载在车辆上方的摄像头拍摄的前方道路视频中提取的图像组成的图像库；所述的图像库包括两类，第一类为图像中含有车辆信息的图像，第二类为图像中不包含车辆信息的图像，每幅图像归一化处理为64*64像素大小；步骤2：分别计算归一化处理后的样本库中每幅图像的分层HOG对称特征向量；步骤3：用极限学习机(ELM)来训练步骤得到所有图像的分层HOG对称特征向量，获得两类图像的分类模型；步骤4：从车载相机所获得的视频图像中，依次提取每帧图像的车底水平阴影图像，获得车辆假设子图；步骤5：对步骤4获得的车辆假设子图归一化处理为64*64像素大小，并计算归一化处理后的图像的分层HOG对称特征向量，将分层HOG对称特征输入到步骤3所得到的分类模型中检验，以分类模型的输出结果判断车辆前方是否为存在车辆，完成前方车辆检测；若输出结果属于第一类图像，则说明前方存在车辆，反之，则说明前方不存在车辆。