[发明专利]基于多子图融合与显著性分析的车辆检测方法

权利要求书

1.一种基于多子图融合与显著性分析的车辆检测方法，其特征在于，对多个子图象进行显著性分析形成显著性分析图，对多个子图象的显著性分析图加权融合，以确定出含有目标车辆的候选区域；对所述候选区域进行边界校正并进行精确判断。

2.如权利要求1所述的基于多子图融合与显著性分析的车辆检测方法，其特征在于，将多个子图像加权叠加形成的显著性特征图与原始图像分别映射到0-255之间，做差进行二值化处理，得到各个子图分别突出的车辆目标候选区域的并集。

3.如权利要求2所述的基于多子图融合与显著性分析的车辆检测方法，其特征在于，其具体方法为：

根据目标物体在原始图像中可能出现的位置与尺寸，将原始图像划分为若干子区域，子区域存在重叠区域，对重叠区域权重归一化；

对分别计算各个子图像中每个像素值到其他像素值的距离之和作为衡量该点像素对比度的度量；

在计算各个子图像中每个像素与其他像素之间的距离之和后，记录各个子图像中这些距离之和的最大值与最小值；

使用各个像素点的距离之和指数运算，作为该点的显著性特征值；

将原始图像与特征图像分别映射到0-255的范围内；

用显著性分析图减去拉伸图像，得到各个子图像的突出的目标图像；

根据各个子图像中得到的显著性分析图中显著性特征值的归一化系数，作为各个子图像的显著性特征值映射回整体图像中时的加权参数；

对上面的目标图像进行二值化，获得突出的显著性对象的二值图像。

4.如权利要求1所述的基于多子图融合与显著性分析的车辆检测方法，其特征在于，对含有目标车辆的候选目标区域进行边界修正的方法如下：

根据前面的处理结果，将二值化的图中中长度满足要求的候选线作为目标车辆的底边候选线，然后以底边候选线的长作为边长画正方形候选区域，对各个矩形候选区域进行边界检查，不符合的矩形候选区域去除；

对底边进行上浮与左右扩充操作，与原底边形成一个感兴趣区域，对上面新的感兴趣区域进行尺度判断；

如果尺度小于等于最小宽度，则需要将感兴趣区域映射返回到原图像中，在原图像的感兴趣区域中求取竖直方向的sobel梯度；否则直接在抽样图像中求取感兴趣区域的竖直sobel梯度；

将sobel梯度图投影到水平方向得到GGY图；

根据竖直梯度计算车的左右边界。

5.如权利要求4所述的基于多子图融合与显著性分析的车辆检测方法，其特征在于，根据竖直梯度计算车的左右边界的方法如下：首先将前面计算得到的竖直梯度求取绝对值，然后求得的绝对值投影到水平方向；之后在水平方向的左右各1/2区域内求取邻域内的最大值并返回最大值的坐标，将最大值的坐标定为左右边界的候选之一；然后，再在水平方向的左右各1/2区域内求取邻域内的最大值并返回最大值的坐标，将最大值的坐标定为左右边界的候选之一。