[发明专利]车辆检测与分类系统及方法

说明书

【技术领域】

本发明涉及图像处理以及模式识别领域，具体地，涉及一种车辆检测系统和检测方法。

【背景技术】

随着汽车保有量的日益增加，道路交通事故这一重大社会危害日益引起了人们的重视。

中国专利200710175796.4提供了一种基于单频连续波雷达对车辆进行检测和分类的方法。该方法中以单频连续波雷达的时域雷达信号作为输入，进行时域分析得到随时间变化的多普勒频谱图，通过哈夫变换将多普勒频谱图像映射为车辆散射中心位置的参数图像。然后进行特征提取、筛选、压缩得到特征样本，最后利用Fisher准则金项链样本分类，得到车辆的车型分类。该方案实施起来比较复杂，成本较高，因此，亟需一种改进的车辆检测系统及检测方法。

【发明内容】

本发明一方面提供低成本的车辆检测与分类系统，该系统包括：图像获取模块，用于获取图像；图像识别模块，用于识别图像中的车辆；长度计算模块，用于至少基于所述图像获取车篷与整个车长的比值，将该比值作为第一特征参数；还用于至少基于所述图像以车篷的中垂线为车辆的前部与后部的分界线，获取车辆的前部长度与后部长度的比值，将该比值作为第二特征参数；级联Fisher线性分类器，用于至少基于所述第一特征参数、第二特征参数对所述车辆进行分类。

在一个优选方案中，所述车辆检测与分类系统还包括像素计算模块，所述像素计算模块至少基于所述图像，将车辆均分成前半部分与后半部分，分别计算所述前半部分和后半部分的像素累积和，将前半部分的像素累积和与后半部分的像素累积和的比值作为第三特征参数；所述级联Fisher线性分类器还至少基于所述第三特征参数对所述车辆进行分类。

在一个优选方案中，所述像素计算模块还将车辆的前半部分均分成前左部分与前右部分，分别计算前左部分和前右部分的像素累积和，将前左部分的像素累积和与前右部分的像素累积和的比值作为第四特征参数；所述级联Fisher线性分类器还至少基于所述第四特征参数对所述车辆进行分类。

在一个优选方案中，所述像素计算模块还至少基于所述图像，分别计算所述车辆与整个窗口的像素累积和，将车辆的像素累积和与窗口的像素累积和的比值作为第五特征参数；所述级联Fisher线性分类器还至少基于所述第五特征参数对所述车辆进行分类。

在一个优选方案中，所述级联Fisher线性分类器具有三级，分别用于将将车辆归类到轿车、客车、货车。

本发明的另一方面还提供一种车辆检测与分类方法，该方法包括以下步骤：获取图像，识别图像中的车辆；至少基于所述图像，获取车篷与整个车长的比值，将该比值作为第一特征参数；至少基于所述图像，以车篷的中垂线为车辆的前部与后部的分界线，获取车辆的前部长度与后部长度的比值，将该比值作为第二特征参数；至少基于所述第一特征参数、第二特征参数，使用级联Fisher线性分类器对所述车辆进行分类。

在一个优选方案中，还包括以下步骤：至少基于所述图像，将车辆均分成前半部分与后半部分，分别计算所述前半部分和后半部分的像素累积和，将前半部分的像素累积和与后半部分的像素累积和的比值作为第三特征参数；至少基于所述第三特征参数，使用级联Fisher线性分类器对所述车辆进行分类。

在一个优选方案中，还包括以下步骤：将车辆的前半部分均分成前左部分与前右部分，分别计算前左部分和前右部分的像素累积和，将前左部分的像素累积和与前右部分的像素累积和的比值作为第四特征参数；至少基于所述第四特征参数，使用级联Fisher线性分类器对所述车辆进行分类。

在一个优选方案中，还包括以下步骤：至少基于所述图像，分别计算所述车辆与整个窗口的像素累积和，将车辆的像素累积和与窗口的像素累积和的比值作为第五特征参数；至少基于所述第五特征参数，使用级联Fisher线性分类器对所述车辆进行分类。

在一个优选方案中，使用三级的Fisher线性分类器将车辆归类到轿车、客车、货车。

本发明对图像中的车辆进行识别和特征提取，并使用级联Fisher线性分类器对车辆进行分类，成本较低。

【附图说明】

图1是本发明一实施例提供的车辆检测与分类系统的框架示意图；

图2是本发明一实施例提供的车辆检测与分类方法的流程图。

【具体实施方式】

参考图1和图2，本发明一实施例提供的车辆检测与分类系统图像获取模块11、图像识别模块13、长度计算模块15、像素计算模块17以及级联Fisher线性分类器19。