[发明专利]一种智能车前方车辆的检测方法

权利要求书

1.一种智能车前方车辆的检测方法，其特征在于，包括以下步骤：

S1：采集前方视频图像，对图像进行高斯滤波去燥处理；

S2：采用LoG算子对图像进行边缘检测，得到边缘检测图；

S3：根据边缘图通过像素由上往下的区域生长方法，生长过程中碰到边缘像素即停止，提取出部分的路面像素，计算路面像素的平均值m和标准方差σ，以m-3σ作为阈值对图像进行二值化，二值化后的图为车底阴影图像；

S4：前方车辆检测假设阶段，计算水平图像，水平图像信息与阴影图像相融合，得到水平阴影图像，加入一定的限制条件提取出车辆假设子图像，最后把车辆假设子图像归一化成64*64像素；

S5：对正样本、负样本和车辆假设子图像计算分层HOG对称特征，将此特征用于假设车辆子图像的验证；

S6：前方车辆检测验证阶段，利用采集的2500个正样本和2500个负样本训练出一个分层HOG对称特征的分类器，将假设阶段得到的车辆假设子图像通过分类器的验证得到检测结果。

2.根据权利要求1所述的智能车前方车辆的检测方法，其特征在于，计算水平图像的具体方法如下：

1)将原灰度图像(设灰度图像为G)与水平矩阵H，如下式，进行卷积得到图像(设此图像为R)，

2)水平图像(设为HR)是由图像R的像素值除以原图像G的像素值得到的，如下式：

其中，HR(x,y)、R(x,y)G(x,y)为图HR、R、G中的(x,y)点的像素灰度值，将HR二值化得到水平图像。

3.根据权利要求1所述的智能车前方车辆的检测方法，其特征在于，所述水平阴影图像的求取方法为：水平图像和彻底阴影图像求“与”操作得到水平阴影图像。

4.根据权利要求1所述的智能车前方车辆的检测方法，其特征在于，所述限制条件主要包括以下内容：

1)图像的上面1/3部分不会有车辆，把假设区域设定在采集到的图像的下面2/3部分；

2)在水平阴影图像中，车底阴影的宽度最小为15个像素个数，且车底阴影的宽度小于整个图像宽度的1/2；

3)在水平阴影图像中，图像的连通区域块的宽高比大于1.5。

5.根据权利要求1所述的智能车前方车辆的检测方法，其特征在于，分层HOG对称特征的计算方法如下：

1)计算梯度，HOG的X、Y轴的梯度计算公式如下：

其中，f(x,y)表示源图像中(x,y)像素点的灰度值；

梯度赋值的计算和角度计算如下：

其中，G(x,y)为(i,j)点的幅值，θ(i,j)为(i,j)点的相角；

2)构建细胞单元的方向直方图，按照梯度方向不同将图像中的每个点分为8个bin通道，细胞单元中的每一个像素点都为某个基于方向的直方图投票，得到细胞单元的方向直方图；

3)细胞单元组合成区间块，将整个图像分为2*2个细胞单元区，每个块包含2*2个细胞单元，故底层HOG特征的长度为4*8＝32维；

4)由底层HOG特征的32维向量经过对称计算，得到16维对称向量；

5)图像分成2*2的4个单元，每个单元8个bin通道，得到底层32维HOG向量；

6)图像4*4个单元，每个块区域为2*2个单元，块步长为一个单元长度，共计(4-1)*(4-1)＝9个块区域，得到第二层9*32＝288维HOG向量；

7)将底层32维HOG向量、第二层288维HOG向量和16维对称向量串接起来得到366维的分层HOG对称向量。