[发明专利]车辆检测方法及装置

说明书

技术领域

本发明涉及视频监控技术和智能交通技术领域，具体涉及一种车辆检测方法与装置。

背景技术

车辆检测是智能交通视频监控的一个重要研究方向。目前关于车辆检测的研究中，所检测的车辆多数为前面或者后面的视角，这种单视角车辆检测已经比较成熟。然而车辆的本身表现以及车辆在不同角度的表现有很大的不同，例如，车辆斜对着摄像头的特征点相对于车辆正对摄像头的特征点通常会发生变化，导致使用单视角车辆检测的方法不适用于多视角车辆检测，使得检测的准确率比较低。此外，快速而准确地检测出目标是许多应用的基础，其中最关键的第一步是特征点检测，然而，目前的检测算法中在特征点检测中比较耗时，降低了检测效率。

发明内容

本发明提供一种快速的适用于多视角车辆检测的方法和装置。

根据本发明的第一方面，本发明提供一种车辆检测方法，包括：对输入的待检测图像，利用基于加速分割检测特征FAST提取特征点；将提取出的特征点作为初始中心点，根据聚类算法确定出最终的一个或多个聚类中心点；根据预定区域范围，以每个所述聚类中心点为中心得到相应的区域，该区域对应检测出的车辆的区域。此外，基于该方法，本发明还提供了一种车辆检测装置。

根据该第一方面，本发明通过基于FAST进行特征点检测，并利用聚类算法确定出可能存在车辆的区域，由于FAST特征点检测是公认的比较快速的特征点检测方法，从而可降低检测所消耗的时间，使得能够快速确定出可能存在车辆的区域。

根据本发明的第二方面，本发明提供一种车辆检测方法，包括：粗检测步骤：对于输入的待检测图像，利用基于加速分割检测特征FAST提取特征点，将提取出的特征点作为初始中心点，根据聚类算法确定出最终的一个或多个聚类中心点，以每个所述聚类中心点为中心并根据预定区域范围得到相应的区域，该区域为可能存在车辆的区域；角度分类步骤：利用预先训练的多个角度分类器对所有所述可能存在车辆的区域进行车辆朝向的判断，得到所述可能存在车辆的区域的车辆朝向角度信息；级联检测步骤：对每个含有车辆朝向角度信息的可能存在车辆的区域，根据其角度信息选择对应的预先训练的级联分类器进行检测以确定是否包含车辆。此外，基于该方法，本发明还提供了一种车辆检测装置。

根据该第二方面，本发明通过先进行粗检测以快速确定出可能存在车辆的区域，提高了检测速度，然后再区分车辆朝向方向、并检测每个角度下的图像数据是否存在车辆，由此进行精确的车辆检测，从而实现了对多角度车辆检测的快速而准确的检测。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，其中相同参考标号表示相同部分。

图1为本发明一种实施例的车辆检测方法的流程示意图；

图2为本发明一种实施例的车辆检测方法中采用聚类算法后得到的示意图；

图3为本发明另一种实施例的车辆检测方法的流程示意图；

图4为一种举例中特征点及其邻域的示意图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。

[实施例1]

如图1所示，本实施例提供了一种车辆检测方法，包括如下步骤S101~S105。

步骤S101：对输入的待检测图像，利用FAST（Features From Accelerated Segment Test，基于加速分割检测特征）提取特征点。

在该步骤中，输入的待检测图像可以来自监控视频中每一帧视频图像，该视频图像可以经过例如转化后为灰度图像。其中监控视频为利用安装在道路上方或路侧的静态摄像机产生。

FAST特征点检测只利用周围像素比较的信息就可以得到特征点。一般地，其检测候选特征点周围一圈的像素值，如果候选特征点周围邻域内有足够多的像素点与该候选特征点的灰度值差别勾搭，则认为该候选特征点为一个特征点，可以用数学表达式表示为：

N=∑|I(x)-I(p)|>ε_d

其中，I(p)为圆心p的灰度，I(x)为圆周上任一点x的灰度，ε_d为灰度值差的阈值，如果N大于该阈值ε_d，则认为p为特征点。本实施例中该阈值ε_d为预设的经验值，也可以通过计算的方式给出，其它实施例中将对采用计算的方式进行描述，这里不作详述。