[发明专利]一种基于多特征与多帧信息融合的助力车检测方法

权利要求书

1.一种基于多特征与多帧信息融合的助力车检测方法，其特征在于实现步骤如下：

STEP1：从摄像头采集一帧图像，预处理后进入STEP2；

STEP2：采用自适应背景更新模型，利用STEP1采集到的图像获得最新的背景图像。若输入的是第一帧图像，则对背景图像进行初始化操作，建立背景图像；若不为第一帧，则结合上一帧获取的背景图像和输入的这一帧图像来更新背景图像，之后进入STEP3；

STEP3：利用STEP2得到的背景图像，采用背景差分的办法获取前景图像，即当前帧图像与背景图像相减，所得的差值构成的图像为前景图像。对所得前景图像进行阈值处理、形态学处理、前景目标融合方面的后处理以消除由噪声、干扰信号、摄像机抖动和大范围光线变化因素导致的图像噪点，经过这些后处理可获得较纯净的前景图像，再进入STEP4；

STEP4：在STEP3得到的前景图像中通过分割，检测到若干个运动物体A，所有运动物体均执行相同的处理过程，进入STEP5；

STEP5：提取STEP4检测出的运动物体A的多个特征信息，多个特征信息包括状态信息和运动信息，其中状态信息包括运动物体的大小、长宽比和占空比，运动信息包括速度；当运动物体A首次出现在图像中时，为运动物体A新建一块信息存储空间，并记录提取出的特征信息；进入STEP6；

STEP6：对STEP5提取到的运动物体A的多个特征信息进行融合，此步骤称为单帧图像多特征信息融合，进入STEP7；

STEP7：利用STEP6的多特征融合结果判断运动物体A是否为助力车，并存储运动物体A的单帧判决结果，记第i帧的判决结果为P_i(A)，进入STEP8；

STEP8：对运动物体A进行跟踪，判断运动物体A是否已经离开检测区域：若是，则进入STEP9，否则进入STEP10；

STEP9：对运动物体A的所有单帧判决结果进行融合，获得全局判决结果P(A)，并计算该判决结果即P(A)的置信度，此步骤称为多帧判决融合；进入STEP10；

STEP10：转到STEP1继续执行，直到输入的所有图像处理完毕。

2.根据权利要求1所述的基于多个特征与多帧信息融合的助力车检测方法，其特征在于：所述STEP6中单帧多特征信息融合采用基于支持向量机（SVM，Support Vector Machine）的单帧图像多特征信息融合方法，具体实现为：

（1）从视频中截取大量助力车图像，作为训练SVM所使用的正样本，再从视频中截取非助力车图像，数量为助力车图像数量的两倍，作为训练所使用的负样本；进入步骤（2）；

（2）针对步骤（1）得到的每一个样本图像，提取其中运动物体的多个特征信息，该运动物体的多个特征信息组成该运动物体的特征向量；进入步骤（3）；

（3）将步骤（2）得到的所有运动物体的特征向量输入SVM计算，得到一个向量，即用于判断运动物体是否为助力车的最优分类面向量；进入步骤（4）；

（4）针对每个检测到的运动物体，把其特征向量与步骤（3）得到的最优分类面向量进行向量的点乘，得到一个浮点数，若该浮点数大于预定阈值，则该运动物体为助力车，否则不是。

3.根据权利要求1所述的基于多特征与多帧信息融合的助力车检测方法，其特征在于：所述STEP6中单帧多特征信息融合采用基于级联分类器的单帧图像多特征信息融合，具体实现为：根据运动物体A的第一个特征信息，判断运动物体A是否为助力车，若能够根据第一个特征判断其不是助力车，则结束判断过程，否则继续根据第二个特征进行判断；以此类推，直到所有的特征信息都已经被使用。

4.根据权利要求1所述的基于多特征与多帧信息融合的助力车检测方法，其特征在于：所述STEP9对运动物体A的所有判决结果进行融合，获得全局判决结果P(A)，并计算P(A)的置信度的具体过程为：

（1）统计运动物体A从进入监视区域到离开监视区域之间被检测到的总帧数M，进入步骤（2）；

（2）统计运动物体A从进入监视区域到离开监视区域单帧判决结果是助力车的总帧数M_b，进入步骤（3）；

（3）若大于一定的阈值，则P(A)为“A是助力车”，否则“A不是助力车”，进入步骤（4）；

（4）若M大于某一设定的阈值N，则判断结果的置信度为1，否则为