[发明专利]一种低分辨率情况下的车辆成像方法

权利要求书

1.一种低分辨率情况下的车辆成像方法，其特征在于包括以下步骤：

步骤一，设备安装与视频采集：将摄像机安装在单方向行驶的路面正上方6至8米处，俯视角30至45度，水平倾斜范围0至5度，工控机置于路旁杆位处，和摄像机以网线相连接，摄像机拍摄下方单方向行驶的车辆，记录为视频文件，所述摄像机为在线模式下的视频源，所述工控机为离线模式下的视频源；

步骤二，映射关系学习：将离线视频文件分割为图像序列，截取车辆样本，归一化到同一大小，记为高分辨率车辆样本x，通过缩放矩阵H得到小型的图像，记为低分辨率车辆样本y，使用非负矩阵分解优化求解高分辨率编码的问题并分别计算得到高、低分辨率车辆的字典φ、

步骤三，分类器学习：取低分辨率车辆样本y，使用稀疏贝叶斯学习方法解得低分辨率编码，并根据映射关系计算得高分辨率编码，以此高分辨率编码为特征，以随机森林为分类方法训练分类器；

步骤四，车辆检测：将在线视频文件分割为图像序列，每一帧图像都缩放至若干级别，级别0为原始图像，级别1为级别0图像的0.9倍缩小图，以此类推，得到4至6个级别，对每个级别图像遍历截取待检测区域，计算此待检测区域的低分辨率编码，通过映射关系得到高分辨率编码，以此高分辨率编码为特征，输入到分类器中，判定是否为车，若为车则记录位置。

2.根据权利要求1所述的一种低分辨率情况下的车辆成像方法，其特征在于：所述映射关系学习中，

x＝φa+e_x

其中φ和分别是高、低分辨率车辆的字典，x和y分别是高、低分辨率车辆样本，e_x、e_y、n是误差，a和分别是高、低分辨率编码，结合公式

y＝Hx+n

得到

其中e_y是不能由张成的部分，所以两边乘以得到

通过计算

是a的最优值，求解高分辨率编码的问题转化为和p(a)的估计问题。

3.根据权利要求2所述的一种低分辨率情况下的车辆成像方法，其特征在于：所述p(a)的估计由

稀疏贝叶斯学习得到，其中a_i代表编码的某一维，γ_i是参数，p(a；γ)是高分辨率编码a服从均值为0、方差是的高斯分布，m是高分辨率编码的维度。

4.根据权利要求3所述的一种低分辨率情况下的车辆成像方法，其特征在于：所述的估计由如下方法得到：

令v＝He_x+n，通过估计p(v)得到其中v是高分辨率重建信号映射到低分辨率产生的总误差，

则其中得到

其中k是低分辨率车辆样本的维度，y_j是低分辨率车辆样本的第j维，a_j是高分辨率编码 的第j维，

u_v是高分辨率重建信号映射到低分辨率产生的总误差v的均值，K是高分辨率重建信号映射到低分辨率产生的总误差v的方差。

5.根据权利要求4所述的一种低分辨率情况下的车辆成像方法，其特征在于：所述使用非负矩阵分解优化求解高分辨率编码的问题的方法是：

令能够得到

定义代价函数E(a)，用迭代最速下降法求解上式，得到

其中λ控制着先验的权重，α是迭代步长，λ和α均为固定值，a_n表示迭代第n次时的数值，a_n-1表示迭代第n-1次时的数值；

迭代初始值a₀的选取，用低分辨率图插值得到高分辨率图，再用高分辨率车辆的字典φ张成，得到a₀。

6.根据权利要求1所述的一种低分辨率情况下的车辆成像方法，其特征在于：级别0为原始图像，级别1为级别0图像的0.9倍缩小图，以此类推，得到4至6个级别，在上述4至6个级别的缩小图像全部遍历完成后，记录本帧图像所有检测到的车辆信息；由数据库模块将一帧图像的检测结果结构化后进行存储，以供查询。