[发明专利]一种静态图片中车辆特征检测及识别的方法及系统

权利要求书

1.本发明的目的是提供了一种静态图片车辆特征的检测和识别的方法，并提供了一种针对互联网图片的车辆特征的检测和识别的系统，包括：对待检测网络图片进行车辆检测并判断车辆的姿态，在车辆的前面区域或后面区域进行车标检测从而识别车辆。

2.一、本发明实施提供了一种静态图片中车辆检测方法，包括训练及检测两部分。

3.训练阶段包括：通过制作车辆样本，对输入图片进行归一化处理；然后进行样本特征计算，对归一化后的图像构建图像金字塔；接下来，训练车辆模型，将样本的特征数据集传入训练分类器学习；通过学习产生车辆的根模型、部件模型和对应可变形部件模型的混合模型；检测阶段包括：加载待测图片：对输入图片进行归一化，即对输入图像的每个颜色分量进行gamma标准化；进行特征计算：对归一化后的待测图像构建图像金字塔；加载车辆模型，加载存储车辆模型的数据文件；最后进行车辆检测，在特征金字塔上扫描出与可变部件模型相匹配的区域实现车辆的检测定位。

4.二、本发明实施提供了基于AdaBoost框架的车标检测方法，包括训练及检测两部分。

5.训练阶段包括：制作车标样本，从网络上采集包含车标的图片，并标定车标所在位置，根据位置信息提取车标图像；样本特征计算，构造矩形特征，每一种矩形特征对应一种Haar特征；训练联级分类器，输入由上个步骤获得的训练样本并进行训练，最终将训练得到的强分类及其对应的多个弱分类器串联起来；检测阶段包括：加载待测图片：转为灰度图并进行直方图均衡化；加载车标分类器，包括强、弱分类器的阈值和所选特征对应的矩形特征信息；联级车标检测，检测图像首先通过前面的强分类器的检测，如果不是车标图像，那么会在前端被排除，只有车标图像才能最终通过各级强分类器的检测。

6.如权利要求1所述的训练阶段制作车辆样本和检测阶段加载待测图片的方法，其特征在于：对输入图像的每个颜色分量进行gamma标准化，以适应图像过暗或对比度较低的情况，采用的操作是对颜色分量进行取对数运算，并且对样本图片要事先用矩形对其中的车辆进行标注。

7.如权利要求2所述的训练阶段样本特征计算的方法，其特征在于：对归一化后的样本，在每一层上，以一定大小的窗口扫描，在每个窗口内计算HOG特征，形成特征金字塔。

8.如权利要求3所述的训练阶段训练车辆模型的方法，其特征在于：为了适应车辆的不同姿态和遮挡问题，对车辆模型建立了2个模板模型，其中一个为车辆前后视角的模型，另一个为车辆侧面模型。

9.如权利要求4所述的检测阶段车辆检测的方法，其特征在于：计算特征金字塔第l层特征与第i个模型滤波器的存储响应，将部件滤波器作距离转换，利用距离转换扩展附近位置的滤波器响应，并加入部件变形损失，提高检测精度；D_i,j(x,y)是第i个部件相对根位置的最大距离，其中根位置滤波响应放置在该部件对应的第l层(x,y)处，利用对应层根滤波器响应的总和加上经过转换和抽样的部件滤波器计算每一层根位置的响应；然后，计算部件的最佳偏移，利用根位置(x₀, y₀, l₀)在最优偏移中寻找相应的部件位置，实现目标变形部件的定位。

10. 如权利要求5所述的基于AdaBoost框架的训练阶段制作车标样本的方法，其特征在于：根据位置信息提取车标图像，根据车标的固有长宽比进行缩放，并通过直方图均衡化消除光照影响，作为该类车标的正样本，采用车辆图片其他不含车标的部位作为负样本。