[发明专利]一种尺度自适应的实时车辆检测方法

说明书

本发明公开了一种尺度自适应的实时车辆检测方法，属于模式识别领域。该方法首先通过人工选取车辆及非车辆的图片，并分别标记为正、负样本；然后将任意一个正负样本用Haar特征进行表征，生成Haar特征向量H_i，采用Adaboost算法对H_i进行训练，即可训练得到车辆分类器C；接着通过图像采集装置采集车辆前方的图像，通过分类器C的反馈值调整检测区域范围，实现尺度自适应检测；最后通过对检测窗口进行尺度自适应变化及轮询遍历后，检测出一幅感兴趣区域图像中所有存在车辆。本发明减少了检测窗口的搜索次数，提高了车辆检测算法的实时性并保证准确率。

技术领域

本发明属于模式识别领域，具体涉及一种尺度自适应的实时车辆检测方法。

背景技术

伴随着城市化的进展和汽车的普及，交通事故的发生剧增，造成了大量的人员伤害和经济损失。如何保障好车辆在公路上的安全、快速的行驶，避免追尾等交通事故的发生，成为汽车领域的重要课题。而传统的被动安全已经远远不能避免交通的事故发生，汽车主动安全的概念应运而生，而道路上的前车检测已成为汽车主动安全技术研究的一个热点。视觉传感由于具有信息量大、成本低廉的特点，在汽车主动安全领域有着广泛的应用。

车辆检测技术是指利用图像传感手段对图像中的车辆搜寻和判定，获得图像中车辆的多种属性(如位置、速度、形状、外观)的过程。它是汽车主动安全领域，尤其是实现追尾预警(Forward Collision Warning，FCW)以及自动紧急刹车(Automatic EmergencyBraking，AEB)功能的关键技术之一。

目前，基于Adaboost的车辆检测方法较为成熟。但是，由于算法耗时相对较长，使得车辆检测效率不足，导致无法满足产业化需求。因此，如何提高车辆检测算法的准确性、鲁棒性和实时性，提高车辆检测效率一直是亟待解决的问题。

通过研究，发现检测窗口的搜索次数过多是造成检测效率低下的一个重要原因。基于此，本发明提出了一种尺度自适应的目标检测算法，目的是减少检测窗口的搜索次数，以提高车辆检测算法的实时性并保证准确率。

发明内容

本发明的目的在于提供一种尺度自适应的实时车辆检测方法，通过对ROI区域内的首次车辆检测的输出结果迭代更新下一次检测时的检测窗口位置，从而减少检测窗口的搜索次数，提升检测速度。该方法检测的准度高，实时性好，具有工程实用价值。

本发明详细技术方案如下：

一种尺度自适应的实时车辆检测方法，包括以下步骤：

步骤1，人工选取车辆及非车辆的图片，并分别标记为正、负样本；

步骤2，将任意一个正负样本S_i用Haar特征进行表征，生成Haar特征向量H_i，

i＝1,2,...,n；

步骤2-1，选取Haar特征；

步骤2-2，不同类型、尺度和位置的Haar特征计算数值构成了某个样本的一个多维Haar特征列向量H_i，i＝1,2,...,n；

步骤3，采用Adaboost算法对Haar特征向量H_i进行训练，即可训练得到车辆分类器C；

步骤4，通过图像采集装置采集车辆前方的图像；

步骤5，通过分类器C的反馈值调整检测区域范围，实现尺度自适应检测；

步骤5-1，初始感兴趣区域ROI提取，初始感兴趣区域ROI的取值范围由图像采集装置的安装角度确定；

步骤5-2，检测窗口的起始位置选在初始感兴趣区域ROI的左上角处，以该位置作为首次检测车辆的位置；