[发明专利]一种用于车载视觉系统的目标检测方法

权利要求书

1.一种用于车载视觉系统的目标检测方法，其特征在于，包括以下步骤：

步骤S1、按照目标在视觉图像中呈现的姿态，将目标划分成N个区间，构建由N个训练子集组成的训练样本库，对训练样本库样本提取近似通道特征金字塔；

步骤S2、对提取的近似通道特征金字塔，采用基于soft-cascade的算法训练多尺度级联分类器模型；对于N个训练子集获得N个训练好的多尺度级联分类器模型；所述级联分类器的每一级由一个弱分类器构成，每一级的输出为该级之前所有弱分类器输出之和；

针对行人目标的4个角度的训练集，每个训练集选择3个尺度的分类器，每个分类器的高度和宽度分别为[25 10]、[50 20]和[100 40]，级联分类器的个数为4*3＝12个；

步骤S3、通过滑窗法，对加载的待检测图像使用训练好的多尺度级联分类器进行目标检测，在图像中获得目标的检测窗口；

步骤S301、对待检测图像提取近似通道特征金字塔，输入训练好的多尺度级联分类器模型，获得由分类器决定的特征图块patch；

步骤S302、根据设定的分类器宽高以及滑窗步长，在尺度特征图像上逐一遍历每个特征图块patch，对每个特征图块patch计算级联分类器中每个弱分类器的累加置信度h，所述置信度h是指当前特征图块patch为目标的概率值；

步骤S303、判断当前特征图块patch的置信度h是否超出设定的门限thr，是，则保留当前特征图块patch的位置及置信度h，其中位置信息为当前特征图块patch对应的左上角点和右下角点坐标，所述位置信息构成的窗口即为目标的检测窗口；否，则舍弃当前特征图块patch；

步骤S4、对获得的目标检测窗口进行窗口合并和筛选从而获得最终的目标检测结果并输出；

步骤S4包括以下子步骤：

步骤S401、对所有检测窗口按置信度从大到小排序，判断置信度最大的检测窗口与其他检测窗口的重叠率，对重叠率大于设定比例的其他检测窗口的置信度进行加权修正后，对置信度进行更新；

采用加权修正公式进行加权修正，式中，σ∈[0,1]，i＝1,…,n，n是检测窗口的个数；s_i表示当前窗口b_i的置信度，iou(M,b_i)表示置信度最大的检测窗口与当前的检测窗口之间的重叠率，M为当前置信度最大的检测窗口；

iou与s_i成反比，即与当前检测框重叠率越大的框为假目标的可能性越大，它对应的置信度衰减应该衰减的更严重；

步骤S402、保留置信度最大的检测窗口，对其他检测窗口再按步骤S401方法进行置信度更新，直到完成对所有检测窗口重叠率的判断和置信度的修正更新；

步骤S403、设定置信度阈值，保留置信度大于阈值的检测窗口，作为最终的目标检测窗口，输出窗口及对应的位置和置信度，删除置信度小于阈值的检测窗口，所述置信度阈值设置为0.6到0.8之间；

所述N个区间按照视觉图像中目标呈现的视角等间隔划分；

提取近似通道特征金字塔包括：

1)建立图像中的每个像素的基础特征；

2)设置金字塔参数生成尺度列表scales；

3)将生成的尺度列表scales中的所有尺度分为真实尺度列表isR和近似尺度列表isA，对真实尺度列表isR提取真实尺度特征，对近似尺度列表isA获得近似尺度特征；

4)按照尺度列表scales中的顺序，合并真实尺度特征和近似尺度特征，获得当前样本的近似通道特征金字塔；

所述基础特征包括a维LUV颜色通道特征、b维梯度幅值通道特征以及c维梯度方向直方图通道特征；

所述近似尺度列表isA在所述尺度列表scales中等间隔选取；

对于真实尺度列表isR中的尺度，提取图像中像素的基础特征得到所述真实尺度特征；所述近似尺度特征根据近似比例ratio，对真实尺度特征进行缩放获得；所述近似比例式中，scales(i)是需要近似的尺度值，scales(iR)是真实尺度值，λ为近似常数；

所述多尺度级联分类器模型训练中，根据车载视觉系统摄像头视场内目标的形状和大小设定对应分类器的宽、高和宽高比；分类器的最小尺寸大于目标最小检测尺寸，分类器的最大尺寸大于车载视觉系统摄像头视场内目标可能出现的最大尺寸。