[发明专利]基于图像信息统计的场景识别方法

权利要求书

1.一种基于图像信息统计的场景识别方法，其特征在于所述的方法包括如下步骤：

步骤A、摄像机采集图像，并以RGB图像输入识别单元；

步骤B、识别单元将当前RGB图像转换为灰度图像，并分别由灰度图像计算得到Hog特征、直方图Hist特征与LBP特征；

步骤C、将HOG特征、直方图Hist特征与LBP特征分别归一化处理，通过下式得到最终的特征向量F：

F= HogNrom+LBP+HistNorm

上式中，HogNrom= Hog/(CsizeÍCsize)，其中CsizeÍCsize为图像细胞单元Cell的尺寸；HistNorm=Hist/(WÍH)，其中W与H为图像的宽度和高度；

步骤D、特征向量F通过八种分类器得到Result1-8，其中，Result = Max（result[8]），且满足Result＞1的最终结果Result[i]；所述Result[i]为Result1-8中之一，且如Result[i]≥1，则赋值1，且如Result[i]＜1，则赋值为0。

2.根据权利要求1所述的基于图像信息统计的场景识别方法，其特征在于：所述步骤D中通过SVM分类器将特征向量F分为Result1-8。

3.根据权利要求1或2所述的基于图像信息统计的场景识别方法，其特征在于：所述Result1-8分别为黑天无路灯、黑天有路灯、阴天或黄昏、白天低亮、白天高亮、隧道、后方有大面积远光过曝、天际线上有强光的场景。

4.根据权利要求1所述的基于图像信息统计的场景识别方法，其特征在于：所述Hog特征通过如下步骤得到：

通过下式计算每个像素的水平方向和竖直方向的梯度，以及计算每个像素位置的梯度大小和方向：

上式中，Gx(x,y) 和Gy(x,y) 分别表示当前像素点（x,y）处的水平方向和垂直方向梯度值；

通过下式计算像素点（x,y）处的梯度幅值和梯度方向；

统计细胞单元（Cell）的梯度方向直方图；

统计块（Block）的梯度方向直方图；

统计窗口（Window）的梯度方向直方图；

最后统计整幅图像的梯度方向直方图，如Window的大小和图像的大小相同，即Window的Hog特征就是整幅图像的Hog特征。

5.根据权利要求1所述的基于图像信息统计的场景识别方法，其特征在于：所述LBP特征通过如下方式得到：

在3Í3的窗口内，以窗口中心像素为阈值，将相邻的8个像素的灰度值与其进行比较，如周围像素值大于中心像素值，则该像素点的位置被标记为1，反之则为0；通过3Í3领域内的8个点经比较可产生8位二进制数，即得到该窗口中心像素点的LBP值。

6.根据权利要求1或4所述的基于图像信息统计的场景识别方法，其特征在于：所述直方图Hist特征通过如下步骤得到：

提取灰度直方图特征，然后去掉我们去掉最亮的5%和最暗5%计算出startP和endP点，然后通过Avg =G/256计算得到直方图Hist特征。

7.根据权利要求6所述的基于图像信息统计的场景识别方法，其特征在于：所述步骤C中HogNrom，再串联上Avg/256、StartP/256、EndP/256后，再执行F= HogNrom+LBP+HistNorm。