[发明专利]一种用于车载视觉系统的目标检测方法

说明书

本发明涉及一种用于车载视觉系统的目标检测方法，按照目标在视觉图像中呈现的姿态，构建训练样本库，对训练样本库样本提取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；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输出。本发明适用于车载视觉系统应用环境中的多种目标检测，如车辆、行人、非机动车等；采用基于近似通道特征金字塔的多模型目标检测算法，大大提升了目标检测性能，同时大大缩短了目标检测时间；通过对重叠检测窗口的置信度进行加权修正，避免了对被遮挡目标的删除。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种用于车载视觉系统的目标检测方法。

背景技术

车载视觉系统在智能交通，汽车自动驾驶，汽车辅助驾驶以及智能机器人等领域中都有着非常广泛的应用前景。从技术层面考虑，基于车载视觉的目标检测方法主要包括特征提取、分类器设计、目标检测及检测结果抑制等部分。

车载视觉系统通过安装在行驶车辆上的前视摄像头摄取道路前方的自然场景图像，输入系统中的目标检测模块完成处理。由于自然场景复杂多变，其比非自然场景下的目标检测更具挑战，难点主要包括易受光照变化、背景变化、目标尺寸和形状变化等影响。

应用于交通场景的目标检测领域国内外学者做出了大量研究，比如通过对车辆的二值轮廓对称特征、灰度对称特征、垂直边缘特征、车底阴影左右边界特征等多视觉特征进行融合，进行后方车辆的检测。又如针对单一特征误检率高的问题，提出了基于决策理论的多特征融合车辆检测方法。

上述方法对于环境变化大、多种角度进入的目标检测,性能准确度低。

发明内容

鉴于上述的分析，本发明旨在提供一种用于车载视觉系统的目标检测方法，提升了目标检测性能，并缩短了目标检测时间。

本发明的目的主要是通过以下技术方案实现的：

一种用于车载视觉系统的目标检测方法，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；

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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，所述近似尺度列表isA在所述尺度列表scales中等间隔选取。