[发明专利]对象检测方法和系统

说明书

技术领域

本发明涉及一种对象检测方法和装置。具体而言，本发明涉及一种在车辆自主驾驶过程中采用位移矢量特征、空间邻接性特征与跟踪信息进行对象集合的分析，以实现自学习来不断增强特征区域与特征值，进而提高检测性能的对象检测方法和系统。

背景技术

随着视频检测的广泛使用，人们对在视频图像中检测对象的精度有了越来越高的要求。而且随着人们对自动驾驶技术的需要，如何可靠地获取3D道路环境对于车辆的自主驾驶十分重要。3D道路环境识别任务主要包括路面估计，消失点计算，目标检测等，其中，目标对象检测作为最为重要的部分，对自主车的控制有着直接的影响。

针对各种对象在图像中体现的各种特性，人们提出了各种对象检测方法。美国专利申请US005937079A提出了一种用于立体图对象检测的方法，该专利通过立体图像估计来检测对象。在其他结构类别中为像素确定对应的是差值并且以给定频率增量汇集在视差直方图中。属于该直方图的个顶分组点区域的像素组随后被认为是将被检测的对象。在该专利申请中，当在给定的分组点区域内存在多个对象或者存在等距离存在多个对象时，通过视差直方图不能确定对象。

美国专利US7801330B2披露了一种从视频流中进行目标检测和跟踪的方法。该方法包括接收视频，检测视频中的运动像素，基于所检测到的运动像素检测视频中的线段和运动块，基于所检测的线段或运动块是识别视频中的目标，基于所识别的目标跟踪视频中的目标，以及管理视频中的被跟踪的目标。在该专利中，在每帧中检测线段或运动块进行匹配。

从现有技术看，当前的目标检测方法主要有两类：（1）基于帧内信息的检测方法；（2）基于帧间信息的检测方法。第一类方法利用空间的分布特征对相信的点进行聚类以检测目标。这类方法对于简单场景下的检测非常有效，但对于复杂场景下相邻目标的分割效果不好，并且容易将大目标错误的分成若干个小目标。第二类方法通过过帧间的匹配以得到相对运动信息来进行目标检测。这类方法通常计算量非常大，并且对于像素点位移的确定不太稳定。

基于帧内信息在视差图上进行目标检测是一种广泛使用的目标检测方法。但是目前的该方法中还存在一些问题：由于相机的参数未能非常精确的获得，因而视差计算得到的结果也不十分准确。同一个目标上的视差值的方差非常大，以致于难于区分相邻的目标.如图1A和1B所示，其中从图1A的灰度图中看出来属于两个目标的行人和车辆在视差图1B中被识别为同一目标。在图1B中的矩形框是检测到的目标区域。。在稀疏视差图中，水平双目相机所获得视差图中的目标的水平边缘几乎没有视差值，因此容易将同一个目标分割为不同的小目标。如图2A和2B所示，由于水平双目相机获得视差图在车辆的中间部分无法获得正确的匹配结果，因此车辆尾部的中间水平边缘部分没有视差，因此该车辆被识别为两个部分。如图2B所示，其中两个矩形框是检测到的目标区域。

发明内容

本发明主要针对这两个问题，采用所提出的新方法进行解决。

根据本发明的一个方面，提供了一种目标检测方法，包括：获取当前场景的当前图像帧；基于当前图像帧之前连续多帧图像的历史序列中历史信息，预测当前图像帧的特征区域；基于根据具体应用所需而提取的特征，针对当前图像帧中所预测的特征区域，相对于上一帧的特征区域进行特征区域匹配；基于当前图像帧中被匹配上的特征区域之间的位移矢量、空间邻接性以及跟踪信息，对当前图像帧的特征区域进行目标集合分析，从而获得待检测目标的特征区域的集合，并将所获得的目标集合作为检测对象输出；基于所述提取特征以及空间邻接性对未匹配的点进行聚类；以及采用目标集合分析的结果以及聚类结果更新当前图像帧的特征区域以及区域的特征以便针对下一帧图像重复上述步骤。

根据本发明的目标检测方法，所述进行目标集合分析步骤包括：对于当前图像帧中已匹配上的特征区域，基于特征区域的在当前图像帧之前连续多帧中的相对位移状态，计算处已匹配上的特征区域的位移矢量；基于在当前图像帧之前连续多帧的历史信息所显示的跟踪轨迹，校正当前图像帧中所计算的特征区域的位移矢量；以及针对当前图像帧，基于特征区域的校正后的位移矢量、特征区域彼此之间的空间邻接性以及跟踪信息，进行特征区域的合并，以获得目标集合。因此，根据本发明的方法使用运动信息和用于分段的空间连接信息能够有效地区分相邻的对象。