[发明专利]车辆检测方法和系统

权利要求书

1.一种车辆检测方法，包括：

获取车辆前方的场景图像作为输入图像以及读取样本图像库中的样本图像；

提取每个所读取样本图像的二维的距离-方向边缘直方图特征以及提取输入图像二维的距离-方向边缘直方图特征；

将所述二维的距离-方向边缘直方图特征展开成一维特征向量；

对样本图像的一维特征向量进行聚类从而获得对应于样本图像的子类并对子类进行编号；

利用样本图像的正负样本来训练子类分类器；以及

将对应输入图像的一维特征向量归入与其距离最近的对应于样本图像的子类；以及

利用对应的子类分类器来判断输入图像内是否包含车辆。

2.如权利要求1所述的车辆检测方法，所述提取二维的距离-方向边缘直方图特征的步骤包括：

在样本图像和输入图像中，针对每个像素点，对样本图像和输入图像的每一个像素点进行边缘检测从而获得边缘图像；

在样本图像和输入图像中，针对边缘图像中的每个边缘点，计算其梯度向量，并基于所计算的梯度向量获得该边缘点的梯度方向角度；

计算对应图像中心点到经过边缘点且方向为垂直所计算的梯度方向角的直线的垂直距离；以及

对对应图像中所有边缘点的所计算的距离和方向进行统计，建立二维距离-方向边缘直方图，从而获得对应图像的二维距离-方向边缘直方图。

3.如权利要求2所述的车辆检测方法，所述对对应图像中所有边缘点的所计算的距离和方向进行统计，建立二维距离-方向边缘直方图，从而获得对应图像的二维距离-方向边缘直方图包括：

将图像距离中心点最远的距离按照一定的距离间隔分割为多个距离直方图组距，并按顺序对距离直方图组距进行连续编号；

将圆周角按照一定的角度间隔分割为多个方向直方图组距，并按顺序对方向直方图组距进行连续编号；

通过将每个边缘点的方向角度除以方向直方图组距并向下取整，获得该边缘点所属的方向直方图组距编号；

通过将每个边缘点的所计算的垂直距离除以距离直方图组距并向下取整，获得该边缘点所属的距离直方图组距编号；

基于边缘点的梯度向量，计算边缘点的梯度幅值；

与边缘点与图像中心点之间的距离成反比例地计算每个边缘点的归一化的距离权重因子；以及

通过边缘点的梯度幅值与所计算的距离权重因子之间的乘积来计算该边缘点的投票权值；

按照边缘点的投票权值在由方向直方图组距和距离直方图组距构成的方格中进行投票，从而获得每幅图像的二维距离-方向边缘直方图。

4.如权利要求3所述的车辆检测方法，将所述二维的距离-方向边缘直方图特征展开成一维特征向量的步骤包括：

对每个由方向直方图组距和距离直方图组距构成的方格进行连续编号后按照每个方格的投票量形成直方图。

5.如权利要求4所述的车辆检测方法，所述将对应输入图像的一维特征向量归入与其距离最近的对应于样本图像的子类步骤包括：

计算每个子类所包含的所有样本图像的一维特征向量的平均向量；

计算输入图像的一维特征向量与每个子类的所获得平均向量的距离，并比较所计算的距离；以及

将输入图像的一维特征向量归入与最小距离对应的子类，并将该子类的编号赋予该输入图像的一维特征向量。

6.一种车辆检测系统，包括：

图像输入单元，获取车辆前方的场景图像作为输入图像以及读取样本图像库中的样本图像；

特征向量提取单元，提取每个所读取样本图像的二维的距离-方向边缘直方图特征以及提取输入图像二维的距离-方向边缘直方图特征，并将所述二维的距离-方向边缘直方图特征展开成一维特征向量；

聚类单元，对样本图像的一维特征向量进行聚类从而获得对应于样本图像的子类并对子类进行编号；

子类训练单元，利用样本图像的正负样本来训练子类分类器；

子类划分单元，将对应输入图像的一维特征向量归入与其距离最近的对应于样本图像的子类；以及

验证单元，利用对应的子类分类器来判断输入图像内是否包含车辆。