[发明专利]一种道路车辆检测系统的验证方法

说明书

技术领域

本发明涉及图像处理和机器视觉技术领域，尤其涉及一种道路车辆检测系统的验证方法。

背景技术

在现代交通运输四通八达的今天，智能交通系统应运而生。其中，利用视频摄像头采集车辆行驶前方路况信息，在视频图像中进行车辆检测的技术是交通运输领域的一个研究热点。车辆检测结合实时的交通参数和数字图像处理技术,为驾驶员提供了感兴趣区域车辆的准确定位,反馈车辆前方的环境状况和威胁信息。车辆检测的效果决定了整个系统的性能高低，是对在道路上行驶的车辆面临的潜在安全威胁能否起到真正监控预警的直观评估。

近年来，学术界的各种车辆检测算法层出不穷。判断一种检测算法在检测系统中是否实用，标准应该包括：

1）能及时识别出前方位置的障碍物是否为车辆，准确锁定车辆的位置；

2）将感兴趣区域的所有目标车辆全部标定出来并统计，不遗失漏捕捉；

3）算法处理信息速度快，计算量较小，能满足实时性要求。

以上评估车辆检测的标准，就涉及到了检测率的问题。任何一个车辆检测系统，除了核心算法本身存在的不足外，外界环境因素的复杂性和不确定性均会使检测结果存在误差，如车辆漏检，误检等，都是不可避免的。

车辆检测系统的检测率，关乎系统监控的可靠性和有效性，是检验系统性能的重要统计指标。一般来说 ，为比较检测算法的效果，需要统计算法能检测到的车辆数量，统计结果分为已标记和未标记的。已标记的说明是被算法检查到的车辆目标，在这些已标记的目标中，有正确检测的，即检测到的是车辆，也存在误检现象。误检是把其他非车辆的障碍物也识别出来并作标记，此类现象为虚报。未标记部分，对于在目标范围内的车辆没被检测出来的，这种情况定义为漏检。

对于在道路上行驶的车辆来说，漏检现象会给驾驶员带来更大的安全隐患和威胁，应使系统尽可能降低漏检率甚至消除。而误检虽然不会带来显著的威胁，但会增加系统的整体开销，在一定程度上影响系统的处理速度和实时性，也应尽量降低。就目前来说，统计检测率等指标在检测算法运行前后全部都靠人工标记的方法进行，效率低下。当要统计多帧图像时工作量大，人工数数也可能存在差错。而各种检测算法致力于研究车辆识别的过程，在如何科学计算检测率方法方面仍是空白。

发明内容

基于现在车辆检测的指标统计问题上，为了科学评估车辆检测系统的质量，本发明提出了一种可准确统计漏检率、误检率和车辆检测率的道路车辆检测系统的验证方法。

一种道路车辆检测系统的验证方法，其包括以下步骤：

提供一标准训练视频，该标准训练视频中障碍物的个数为N（N为整数），所有障碍物的预设标定框的中心点依次为                                                ，而预设标定框内的灰度平均值分别为，；

利用所述道路车辆检测系统对所述标准训练视频进行检测，并从该系统中获得其检测结果数据，所述检测结果数据包括障碍物个数（N’为整数），所有障碍物标定框的中心点位置依次为和框内灰度平均值，；

设置一漏检计数器和一检测计数器，所有计数器的初值均为零；

进行漏检误检判断，包括以下步骤：

1)计算第（）个障碍物的标定框与检测结果数据中的第个标定框的中心点偏移的平方差：                         ；

2)若对第（）有，其中为一预设阈值，数值为150~250，则判断检测有较大偏差，存在真实障碍物漏检，漏检计数器加1；若能找到一个障碍物满足，则判断找到一个与第个障碍物相匹配的算法检测出的障碍物，将该障碍物标记为，其对应的标定框内灰度均值为，执行下一步骤；

3)计算框和框的平均灰度匹配度平方差：                          ；

4)若，其中为预设阈值，其数值为50~150，则认为检测有较大偏差，存在真实障碍物误检；否则，视为准确检测到正确的障碍物，将检测计数器加1；以及

判断完检测结果数据中所有的标定框后，输出统计检测率、漏检率和误检率。

本发明具有以下技术效果：

I、能够统计分离出算法检测出的障碍物中漏检和误检的部分，方便后续进行各项检测指标的计算；

II、为改良监控系统提供科学数据，能够在测试环境下反应车辆检测系统的检测质量。该种道路车辆检测系统的验证方法不仅适用于单帧图像，且适用于多帧图像。

附图说明

图1为道路车辆检测系统的验证方法的流程图。