[发明专利]一种基于先验信息的车辆轮胎安全检测方法

摘要

本发明公开了一种基于先验信息的车辆轮胎安全检测方法，在本发明中首先通过提取HOG特征和SVM训练，得到轮胎分类模型，即分类器，对图像进行检测，找出多个感兴趣区域。然后，在找出的感兴趣区域的基础上，进行直线角度检测，以每个感兴趣区域分别与其余的i‑1个感兴趣区域作直线，计算直线与水平方向的夹角α，保留直线与水平方向的角度α符合要求的感兴趣区域为轮胎区域。本发明通过SVM分类器分类，加入先验信息的判断，利用直线角度检测，对感兴趣区域进行直线角度检测，做出进一步判断，能有效的消除图像上不匹配的感兴趣区域，锁定轮胎的位置，从而去除噪声。本发明采用的方法简单、有效，能适应在多种情况在对轮胎的识别，具有实用性。

主权项

一种基于先验信息的车辆轮胎安全检测方法，其特征在于，包括HOG+SVM训练分类器的方法和基于先验信息的轮胎检测的方法；所述HOG+SVM训练分类器的方法包括如下：步骤一:选取若干幅大小一致的正负样本彩色图像，正样本为轮胎图像，负样本为较杂乱的背景图像，进行HOG特征提取；所述HOG特征提取是统计梯度直方图特征，即利用图像大量局部梯度方向来表示整体图像的特征；将HOG特征中M个单元组成一个块,每个块中有N维特征向量，块滑动扫描整幅图像；最后将一幅图像所有“块”的HOG描述符组合在一起，形成最终的特征向量，该特征向量就描述了该样本图像的内容；步骤二：利用实验方法选取最优SVM算法参数，所述算法参数包括核函数、‑g、‑c、‑b参数，建立分类模型，即为分类器；所述基于先验信息的轮胎检测的方法中加入先验信息判断，即在求得感兴趣区域的基础上做直线角度检测，具体步骤如下：步骤三：对图像进行检测，利用“滑动窗口+分类器”对整幅图像进行扫描，扫描窗口大小为训练时分类器样本图像的大小，滑动步长为nxn；假设检测到了i个感兴趣区域，记为{a₀,a₁,a₂,…,a_i‑1}；步骤四：建立每个感兴趣区域分别与其余i‑1个感兴趣区域的直线方程，并计算直线与水平方向的夹角α，将此夹角α与设定的临界值比较，若大于临界值则不操作，否则保留此直线对应的感兴趣区域，即为车辆轮胎区域。