[发明专利]基于多目标跟踪与级联分类器融合的车辆检测

说明书

技术领域

本发明涉及图像处理和计算机视觉领域，具体说来，涉及一种基于多目标跟踪与级联分类器融合的车辆检测方法。

背景技术

近年来随着我国交通运输事业的蓬勃发展，智能交通系统(ITS)的研究和应用越来越得到重视。准确、实时、完整的交通信息采集是ITS的基础，而车辆检测器则是对动态交通信息进行实时采集的基础设施。随着软硬件技术的飞速发展，各种类型的车辆检测器迅速崛起。主要有感应线圈检测器、磁力检测器、微波检测器、超声波检测器、红外线检测器和视频检测器等，目前我国道路监控系统中，使用最多的是感应线圈车辆检测器、视频车辆检测器和微波车辆检测器3种。

感应线圈检测器是地埋型检测器，可直接提供车辆出现、车辆通过、车辆计数及车道占有率等交通流信息。一般道路均可设置，主要应用在收费站、互通式立交前后、隧道区段、城市道路、停车场等场合。感应线圈检测器前期投入较少、可靠性高，但维护、重新安装困难，需封闭车道、破坏路面，从长期来看运营成本较高，这也是制约其继续快速发展的一个致命因素。

微波检测器是一种工作在微波频段的雷达探测器，能检测车流量、速度、车道占有率和车型等交通流基本信息的非地埋式检测器，中心频率为10.525GHz，工作方式为主动型。在恶劣气候下性能出色，可全天候工作；可以侧向方式检测多车道；可检测静止的车辆；直接检测速度。但是当道路具有铁质的分隔带时，或路侧有障碍物时检测精度下降；检测器安装条件要求较高，侧向安装时需要后置距离；测速精度低。

视频车辆检测技术是将视频图像处理和计算机图形识别技术相结合的新型数据采集技术，近年来发展迅速，代表了未来交通流信息检测领域的发展方向。它是用视频摄像机作为传感器，在视频范围内设置虚拟线圈，即检测区，车辆进入检测区时使背景灰度值发生变化，而产生检测信号，通过软件的分析和处理，得到交通量、平均车速、占有率、排队长度等交通参数。还可以利用计算机视觉技术对车辆进行定位、识别和追踪，并对检测对象的交通行为进行分析和判断，最终完成各种交通流数据的采集。视频车辆检测器广泛应用于高速公路和城市道路，目前主要应用在道路条件复杂的地段，如高速公路立交、匝道、隧道，城市道路的交叉路口等。随着视频图像处理和计算机图形识别技术的不断提高、应用领域的扩大以及硬件成本的降低，视频车辆检测器的总体造价随之下降，加之后期运营成本较低，其应用范围将不断扩大。但是目前的视频检测技术中大多是单独使用前景检测技术，使得检测的准确度受环境复杂度的影响很大，而分类器的使用在很大程度上解决了这个问题。

发明内容

本发明提供了一种基于多目标跟踪与级联分类器融合的视频车辆检测方法，本方法可以实现准确的车辆检测。

为了解决车辆检测准确度的问题，本发明的具体实施步骤为：

(1)分类器训练，经过CART决策树筛选的多种Haar-like特征进行训练；

(2)基于多尺度滤波的新目标检测；

进一步，步骤(1)中选取合适比例的正负样本进行分类器训练是指：将恰当数量的正样本和负样本从样本库中随机选取出来，然后提取正负样本的15种Haar-like特征，通过CART决策树筛选出鲁棒的特征进行分类器训练，得到一个20级的级联分类器。

进一步，步骤(2)中基于多尺度滤波的新目标检测是指：将视频当前帧中运动目标检测出，然后通过对目标团块进行多尺度滤波，将过滤后的新目标添加到跟踪器。

本发明的优点在于采用基于多目标跟踪与级联分类器融合的车辆检测方法，该方法在跟踪到当前帧中所有目标后增加了分类器判定，从而在提高了检测的精确度。另外本方法的算法复杂度比较低，能更好的适应目前计算机视觉系统的应用。

附图说明

图1为本发明实施例的实施流程示意图；

图2为正样本实例图；

图3为负样本实例图；

图4为需要提取的特征模式图；

图5为计算特征示例图；

图6为RAST(x,y)的定义图

图7为旋转45°的矩形正负权值划分示例图

图8为训练分类器第一级示例图；

图9为检测结果示例图；

具体实施方式