[发明专利]基于在线面积估计和多特征决策融合的车辆检测方法

权利要求书

1.基于在线面积估计和多特征决策融合的车辆检测方法，包括以下步骤：(1)道路交通图像采集；(2)对采集到的图像进行预处理；其特征在于还包括如下步骤：

(3)车辆感兴趣区域(ROI)的提取：对采集到的道路交通图像序列，首先采用基于尺度映射的混合高斯背景模型法进行前景和背景分离，得到二值化前景图像，然后在得到的二值化前景图像中提取前景团块，获取相应的前景团块属性信息，包括前景团块质心纵坐标、前景团块面积、前景团块的外接矩形的左顶点坐标和长宽，定义检测方法开始运行之后的设定时间Tinit为训练期，并将在该训练期内所提取到的前景团块属性信息输入在线面积估计模型的训练模块，通过训练得到合适在线面积估计模型，然后利用该模型对训练期后提取到的前景团块进行筛选，最后将筛选通过的前景团块逆映射回原图像，便可得到车辆ROI；

(4)基于多特征决策融合的车辆检测：构建多个车辆特征分类器，利用这多个车辆特征分类器对步骤(3)中得到的车辆ROI分别进行车辆检测，然后将各个车辆特征分类器的检测结果进行决策融合，从而得到最终的检测结果。

2.根据权利要求1所述的基于在线面积估计和多特征决策融合的车辆检测方法，其特征在于步骤(3)中基于尺度映射的混合高斯背景模型法包括：首先对采集到的道路交通图像序列中每一帧图像进行一次下采样得到一个较低分辨率的图像序列，将得到的较低分辨率的图像序列进行混合高斯背景模型建模，并进行前景和背景分离，得到二值化前景图像，并进行前景团块提取，然后再经过后续的在线面积估计模型进行前景团块的筛选之后，再对筛选得到的前景团块进行尺度逆映射以得到最终的车辆ROI。

3.根据权利要求1所述的基于在线面积估计和多特征决策融合的车辆检测方法，其特征在于步骤(3)中所述在线面积估计模型的训练模块用于：首先将训练期内获取到的前景团块属性信息中的前景团块质心纵坐标以及前景团块面积这两个属性信息以键值对的形式进行组织，前景团块质心纵坐标为键，前景团块面积为值，且允许一个键同时对应多个值，从而得到一个初步的训练样本集合，再利用均值-方差法对该初步的训练样本集合进行在线样本自动筛选，从而得到最终的训练样本集合，然后利用最小二乘法进行在线面积估计模型训练，从而得到在线面积估计模型。

4.根据权利要求3中所述的基于在线面积估计和多特征决策融合的车辆检测方法，其特征在于步骤(3)中在线面积估计模型对前景团块进行筛选包括：首先获取前景团块属性信息中的前景团块质心纵坐标y和前景团块面积S_real，然后利用在线面积估计模型计算得到在前景团块质心纵坐标为y的情况下的前景团块面积的估计值S_est，然后利用公式|S_real-S_est|<3DT_i进行筛选，其中3DT_i为阈值，其中DT_i为上述经过筛选之后剩下的前景团块中前景团块质心纵坐标按升序排序时第i个前景团块质心纵坐标对应的前景团块面积的方差，满足该公式的前景团块通过筛选。