[发明专利]基于LC特征和统计特征的车辆拥挤度检测方法

说明书

技术领域

本发明属于基于机器视觉的检测技术领域，涉及一种车辆拥挤度检测方法，特别涉及一种采用LC特征和统计特征技术实现车辆拥挤度的分类识别。

背景技术

目前基于视频图像的车辆检测方法有了一定的研究成果，但仍存在如下难点：

1、车辆阴影问题

在对运动着的车辆进行跟踪和检测时，总会有或长或短的阴影，这些阴影可能会是车辆形状发生变化，甚至使两辆或多辆车粘连，而在分割时，阴影一般也会随着车辆目标一起被提取出来，进而使车辆的检测和跟踪出现误差。

2、背景变化问题

实际的场景总是复杂的，场景中总会存在各种干扰性物体，像树叶、树枝的摇摆、变动的人流，非机动车辆的混合行驶等，这些不应作为目标物体的而存在的物体的运动，会给车辆的检测带来很大的麻烦。

3、车辆相互遮挡问题，

在同一帧图片中，两辆车车距较短，或者是两种不同型号的车并排行驶或相互尾随，这样在对车辆进行目标提取时，容易被当作一个目标整体来处理，往往使采集到的车辆信息不完整，从而影响检测的准确性。

4、外界光照的变化

天气不同，时间段不同，其光线也会不同，而光线则会影响图像灰度值的变化，从而会对检测结果产生一定的影响。

因此，LC特征和统计特征技术，设计一种基于LC特征和统计特征的车辆拥挤度检测方法，能够较好解决车辆阴影和车辆相互遮挡难题。并对其他应用领域的目标跟踪也有很好的指导借鉴意义，具有一定的应用价值。

发明内容

本发明所要解决的技术问题是，设计一种基于LC特征和统计特征的车辆拥挤度检测方法。

本发明所采用的技术方案是：将图像分成若干个子块，计算多个尺度下每一个子块的Curvelet对比度特征和能量特征，获取局部特征；对其进行K均值聚类，统计每个子类在每幅图像出现的概率，并引入加权因子构造车辆模型的特征向量；建立统计特征和车辆标记之间的映射关系。依据映射关系实现车辆数目的估计。本发明可应用于目标跟踪等场合。

本发明的目的在于采用LC特征和统计特征实现车辆拥挤度检测。

附图说明

附图1是：采用LC特征和统计特征的车辆拥挤度检测方法方案图

具体实施方式

下面结合附图对本发明作进一步详细说明。

具体过程如下：

1获取局部特征

将图像分成若干个子块，计算多个尺度下每一个子块的Curvelet对比度特征和能量特征；

2建立统计特征和车辆标记之间的映射关系

对局部特征其进行K均值聚类，统计每个子类在每幅图像出现的概率，并引入加权因子构造车辆模型的特征向量；建立统计特征和车辆标记之间的映射关系。

第k类在第j幅图像出现概率可表示为

g_j＝[g_j(1)，g_j(2)，…，g_j(k)]^T

引入的加权因子为

w(k)=log|N|p∈N]]>

构造的物理特征向量为

g_j＝[g_j(1)·w(1)，g_j(2)·w(2)，…，g_j(k)·w(k)]^T

采用100帧图像训练SVM，确定网络参数，从而建立统计特征和车辆标记之间的映射关系。

3车辆拥挤度的识别

依据映射关系估计车辆数目，从而实现车辆拥挤度的分类识别。

本发明的优点在于，LC特征和统计特征实现车辆拥挤度检测，提高了车辆拥挤度检测的准确度和快速性。