[发明专利]一种基于部件空间关系的车辆检测方法

说明书

本发明公开了一种基于部件空间关系的车辆检测方法，属于图像识别领域。所述发明包括建立高斯混合模型，获得透视变换矩阵，构建逆投影面，根据所述透视变换矩阵将所述视频图像中的信息进行逆投影，获得逆投影图，从所述逆投影图中确定所述车牌部件和所述车灯部件，如果所述逆投影图中的所述车牌部件和所述车灯部件的个数和不小于预设值，则在确定所述车牌部件和所述车灯部件为一辆车的部件后确定车辆数目。本发明通过在车辆检测过程中引入高斯混合模型，与现有技术相比，能够克服遮挡以及光照条件差对目标检测算法的影响，提高了车辆识别的准确性。

技术领域

本发明属于图像识别领域，特别涉及一种基于部件空间关系的车辆检测方法。

背景技术

随着城市的快速发展，交通堵塞、事故和违法行为极大的挑战交通管理系统。过去的三十年间，我们目睹了智能交通系统(Intelligent Traffic System，ITS)的兴起、发展和应用，以及对我们的生活和社会的重要意义。在这个大背景下，计算机视觉和车辆检测成为ITS中的两个重要方面。车辆检测是交通参数检测的基础，常用的检测方法有地感线圈法、微波雷达法、视频检测法等，这些方法中基于视频的检测方法不仅安装方便，价格低廉，而且能够为交通分析提供更多的信息，如交通流量分析、车型分类、车速检测、事件检测以及现场实时视频的捕获和传输存储等。如今先进的交通管理系统采用计算机视觉技术完成车辆检测。

随着ITS的不断发展，各个国家都加大在智能交通领域的研究力度，基于计算机视觉的车辆检测方法为ITS的发展做了很多贡献，多种车辆检测方法应运而生，如基于模型的方法、基于局部特征的方法以及基于机器学习的方法等。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

但是在ITS中关于车辆检测仍有许多问题。车辆外表和行为的多样性使得训练一个统一的检测模型比较困难。复杂的城市环境、坏天气、光线变化和弱/强的光照条件将会很大程度上降低检测性能。特别对于交通拥堵时存在车辆互相遮挡的情况，这样使得多个车辆很容易被融合为一个车辆，对车辆的准确识别带来了困难。

发明内容

为了解决现有技术的问题，本发明提供了一种基于部件空间关系的车辆检测方法，所述基于部件空间关系的车辆检测方法，包括：

获取视频图像，确定所述视频图像内车辆样本的车牌部件与车灯部件之间的距离值及角度值，根据所述距离值和所述角度值结合算法建立代表车牌部件和车灯部件之间空间关系的高斯混合模型；

使用直接线性变换对所述视频图像进行标定，获得透视变换矩阵；

构建逆投影面，根据所述透视变换矩阵将所述视频图像中的信息进行逆投影，获得逆投影图；

根据颜色转换模型，结合梯度算法，从所述逆投影图中确定所述车牌部件和所述车灯部件；

如果所述逆投影图中的所述车牌部件和所述车灯部件的个数和不小于预设值，则获取所述车牌部件和所述车灯部件在所述高斯混合模型中的似然度，如果所述似然度的数值大于似然度阈值，则确定所述车牌部件和所述车灯部件为一辆车的部件，进而确定车辆数目。

可选的，所述使用直接线性变换对所述视频图像进行标定，获得透视变换矩阵，包括：

在世界坐标系中选取六个已知坐标的标定点，其中四个所述标定点位于水平面，另两个所述标定点的高度值不为零；

获取所述六个已知坐标的标定点在图像坐标系中的图像坐标，通过最小二乘法获取所述世界坐标系和所述图像坐标系之间的透视变换矩阵。

可选的，所述构建逆投影面，根据所述透视变换矩阵将所述视频图像中的信息进行逆投影，获得逆投影图，包括：

在所述逆投影面上选取方格单元，确定每个所述方格单元在所述视频图像上对应的样本像素点；