[发明专利]一种基于快速搜索的单车道车辆检测方法

说明书

本发明公开了一种基于快速搜索的单车道车辆检测方法，标记一定数量的车道监控图像样本，密集提取SIFT点聚类得到单词表；然后利用正负样本的直方图特征训练一个线性的支持向量机模型，进而得到每个单词的得分；对于待检测的车道图像，搜索其中得分大于偏执项相反数的矩形区域为检测到的车辆。在搜索过程中，根据车道车辆的先验知识，选择性地搜索部分区域，大大降低搜索的次数。同时使用正负积分图，大大提高区域得分的计算效率。

技术领域

本发明属于模式识别领域，涉及一种基于快速搜索的单车道车辆检测方法。

背景技术

在有些应用场景下，比如可变车道的自动控制系统当中，需要识别某个目标车道的车流量，这个需求可以通过单车道的车辆检测来完成。经过几十年的技术迭代，目前最优的车辆检测技术多依赖于深度卷积神经网络，但是复杂的卷积计算和不断堆叠的网络深度需要巨大的计算资源。当把这些基于深度卷积神经网络的车辆检测算法应用于可变车道自动控制系统中时，会带来一些技术难题：算法的实现对很多工具箱的依赖使其很难嵌入到前段控制器当中；另外高昂的计算复杂度依赖于性能强大的硬件资源，而GPU等设备的引入会带来硬件成本的大幅度增加，使得新产品难以普及。因此针对路口车道环境的特殊结构，设计技术上更加优化的检测算法，使其可以嵌入前端控制器进行快速的处理，具有重要的意义。

发明内容

为了解决上述问题，本发明提出一种基于快速搜索的单车道车辆检测方法。标记一定数量的车道监控图像样本，密集提取SIFT点聚类得到单词表，然后利用正负样本的直方图特征训练一个线性的支持向量机模型，进而得到每个单词的得分。对于待检测的车道图像，搜索其中得分大于偏执项相反数的矩形区域为检测到的车辆。在搜索过程中，根据车道车辆的先验知识，选择性地搜索部分区域，大大降低搜索的次数。同时使用正负积分图，大大提高区域得分的计算效率。

本发明中主要采用的技术方案为，一种基于快速搜索的单车道车辆检测方法，具体步骤如下：

步骤S1：将摄像头安装在目标车道正上方的标识牌上，收集若干幅图像，并手动将其中的车辆位置用矩形框标记；

步骤S2：对所有收集的每一幅图像以步长s＝5密集提取SIFT特征，并聚类成k＝100个类别，取每一个类中心构成单词表{C₁,C₂,…,C_k}；

步骤S3：用步骤S1中标记的车和非车的图像区域构造正负样本，并分别用步骤S2中的单词表计算每个样本的直方图特征；

步骤S4：用正负样本的直方图特征训练支持向量机分类器，并由训练结果得到每个单词的得分；

步骤S5：构造待检测车道区域外接矩形的得分表；

步骤S6：构造待检测车道区域外接矩形的正负积分表I⁺,I^-；

步骤S7：对于任一帧待检测图像，用快速搜索的方法检测该区域内的车辆；

步骤S8：用非极大抑制对以上检测结果进行筛选，得到最终的检测结果；

作为本发明的优选，所述步骤S3的具体步骤如下：

步骤S3.1：用每幅图像中标记的每个车的矩形区域作为一个正样本；

步骤S3.2：对于每一个正样本，在所在图像内随机选取一个同等大小且与之无重合的区域作为负样本；

步骤S3.3：对每个样本内的每个SIFT点，计算其与每个单词的距离，并将其归类为距离最近的单词，然后统计归类到每个单词的点的个数，得到该样本的直方图特征表示；

作为本发明的优选，所述步骤S4的具体步骤如下：

步骤S4.1：解如下的二次规划问题，得到W和b：