[发明专利]一种实时反馈更新的车辆检测方法

摘要

本发明公开了一种实时反馈更新的车辆检测方法，包括离线学习过程、实时检测过程和在线学习过程，先利用离线学习过程得到的离线强分类器对实时检测过程的第1~K帧图片进行分类，得到检测目标；在线学习过程根据得到检测目标截取样本，利用在线强分类器进行车辆检测，得到检测目标；在线学习过程不断对在线强分类器进行更新。与现有技术相比，本发明提高了检测的精度，降低误检，漏检的概率，在根据光照、天气状况变化的情况下，依然保持高准确率。

主权项

1.一种实时反馈更新的车辆检测方法，其特征在于，包括以下步骤：S1离线学习过程，包括以下步骤：S1.1采集训练所用图像；S1.2对采集到的图像进行预处理；S1.3对步骤S1.2预处理后的图像采用FastICA方法提取图片特征；S1.4将步骤S1.3提取的图片特征作为训练集合，进行AdaBoost训练；S1.5训练结束，获得离线强分类器；S2实时检测过程，包括以下步骤：S2.1获取1~K帧视频图像；S2.2对获取到的视频图像进行预处理；S2.3对步骤S2.2得到的视频图像的第1~K帧图片采用FastICA方法提取图片特征；其中K为计算机一次处理的最大图片数；所述FastICA方法为：将每张正样本图片都表示为M个独立分量s_j的线性组合，其中M个独立分量s_j构成独立分量集合，j＝1,2,…,M,设定V＝A·S，其中A为未知的混合矩阵，v_i表示第i张图片向量化后所对应的行向量；i＝1,2,…,P_n，而S表示相互独立的元素所构成的向量；按照统计独立的原则，通过构造矩阵分离矩阵W使得Y＝WV，让Y逼近S；根据公式Y＝WV，通过随机梯度法调节，求得矩阵S的最优估计Y，从而提取出车辆图片的特征；S2.4对步骤S2.3提取的特征采用步骤S1.5得到的离线强分类器进行分类，得到检测目标；S3在线学习过程，包括以下步骤：S3.1令n=1；S3.2在实时检测过程的第(n-1)K+1~nK帧图片中，在与检测出来的目标的距离小于m个像素的范围截取n₁张图片作为训练的正样本，在与检测出来的目标的距离大于m个像素的范围随机截取n₂张图片作为训练的负样本；其中m、n₁、n₂由用户设定；S3.3对总共K·(n₁+n₂)张图片进行图片预处理；S3.4对步骤S3.3预处理后的正样本和负样本采用FastICA方法提取图片特征；S3.5将S3.4提取的图片特征作为训练集合，进行AdaBoost训练，得到在线强分类器；S3.6重新进入实时检测过程，对第nK+1帧到第2nK帧图片利用在线强分类器进行车辆检测，得到检测目标；S3.7令n=n+1，重复步骤S3.2~S3.7。