[发明专利]一种基于超像素分割的车辆轮廓提取方法

说明书

本发明公开了一种基于超像素分割的车辆轮廓检测方法，实现少量处理器性能开销下的车辆轮廓提取方法，提高车辆具体信息提取的准确性；针对车辆轮廓提取问题，通过超像素背景差分，结合区域亲和度分类的方法，实现快速车辆轮廓提取，具有准确率高、速度快的特点，避免了轮廓提取消耗大量处理能力的问题，解决了快速车辆轮廓提取的问题。

技术领域

本发明涉及一种基于超像素分割的车辆轮廓检测方法，尤其涉及利用图像识别技术对道路场景中车辆图像进行处理得到车辆轮廓的方法。

背景技术

车辆检测是车辆违章检测系统的基础，而车辆轮廓提取则是车辆类型判断和汽车颜色判断等车辆细节判断的基础。随着国内汽车保有量的不断上升，公安对嫌疑车辆的查找也更加困难，因此车辆违章检测系统的要求也随之提高，而通过颜色和车型对车辆进行分类，能更好的将嫌疑车辆的范围缩小，大大减少了人工查看和比对的工作量。但现有的轮廓提取方法占用大量系统处理能力，严重影响了原有违章系统的功能。针对车辆轮廓高效提取问题，提出了一种基于超像素分割的车辆轮廓提取方法。

为了解决车辆轮廓提取问题，国内外学术界、工业界提出了很多方案。其中与本发明较为接近的技术方案包括：吴国伟(基于Sobel算子的车辆轮廓边缘检测算法[J].河南科技大学学报:自然科学版,2009,30(6):38-41.)该方法结合车辆本身的实际情况，在传统soble算子的基础上，增加了6个方向的模板，并结合去噪算法对车辆边缘进行检测，比传统的soble算子有更好的边缘提取效果，且计算量小，运算速度较快；但该方法将车辆所有的边缘提取出来，却不能判断是否为车辆的外边缘，在实际场景中应用有限。纪筱鹏(基于轮廓特征及扩展Kalman滤波的车辆跟踪方法研究[J].中国图象图形学报,2011,16(2):267-272.)该方法基于轮廓特征拐点的车辆分割，通过匹配轮廓特征拐点序列，实现多车辆分割，并通过Kalman滤波对车辆进行跟踪；该方法能较好的满足实时性要求，但该方法分割出来的车辆轮廓较为粗糙，且未将图像中车辆的阴影分割出去，影响车辆颜色判断和车型判断，不能较好的应用在违法检测的系统上。张大奇(基于序列图像运动分割的车辆边界轮廓提取算法[J].交通运输工程学报,2009(3):117-121.)该文章提出了一种基于序列图像的车辆边界轮廓提取算法，可以得到真正的车辆区域及其边界轮廓；但该算法仅适用于车辆沿平直公路行驶，且车辆前后保持大致充分距离的情况，不适用于交通违章系统，且该算法需要加入并行计算才能满足实时性要求。

综上所述，当前车辆轮廓提取方案中存在如下不足：

(1)方法使用中并未考虑到实际工程中的运行效率问题，轮廓提取算法占用大量CPU处理能力，算法效率不能满足实际需求；

(2)多数满足实时运算要求的方法不能提取较为准确的车辆轮廓；

(3)部分方法对检测场景要求较高，算法泛化性较差；

车辆轮廓提取是车辆细节判断的基础，决定了车辆颜色判断和车型判断的准确性，但由于交通场景复杂多变，且实际场景中该部分功能不能占用过多的处理器运算性能，快速准确的车辆轮廓提取算法一直是一个难点。而本发明中提出基于超像素分割的车辆轮廓提取策略，针对复杂道路场景中的运动车辆轮廓提取，能有较好的效果，且仅占用少量CPU处理能力，较好的满足了实际场景的运行需求。

发明内容

为了解决车辆轮廓提取问题，本发明提供了一种基于超像素分割的车辆轮廓提取方法；为了解决其技术问题所采用的方案包含如下步骤：

步骤1：提取当前场景的背景图像，记为F_BG；

步骤2：通过相机采集当前交通场景的图像，记为F；

步骤3：利用基于HOG+SVM的车辆检测方法获得车辆区域R；