基于最大输出概率的车辆轮胎检测方法及装置制造方法及图纸

本发明专利技术提供了基于最大输出概率的车辆轮胎检测方法，该方法包括：获取样本图像的HOG特征向量，采用SVM分类器进行训练，获取训练好的分类器；采集场景图像；利用训练好的分类器进行检测，获取感兴趣区域及输出概率；获取基准区域，构建基准区域与感兴趣区域的直线，计算这些直线与水平方向的夹角，根据夹角确定轮胎区域，并输出结果。与现有技术相比，本发明专利技术可以快速检测出轮胎区域，且鲁棒性较好，可用于车辆定位中。

【技术实现步骤摘要】

本专利技术涉及图像处理、视频监控以及安防，特别涉及车辆轮胎检测的方法及装置。
技术介绍
近几年间，随着经济全球化，航运码头集装箱日吞吐量逐年增加，车辆被整体吊起的事情常有发生，严重的威胁着驾驶员的人身安全和财产安全。通过智能视频分析实现对车辆的定位和追踪技术可以有效的解决这个问题。目前车辆的定位方法主要包括基于车牌的车辆定位方法、基于车辆整体框架的车辆定位算法。由于车辆的轮胎具有很好的图像特征，因此基于车辆轮胎检测的车辆定位具有极大的意义。然而在实际检测过程中经常出现噪音较多的情况，给定位和追踪带来不便。怎样实现对车辆的精准定位，也就成了急需解决的问题。当前，解决这类问题，有一种较为流行的检测方式，采用支持向量机(Support Vector Machine，简称SVM)预测。首先选取合适的车辆特征建立车辆对象，然后用SVM算法训练出分类器，找出图像的感兴趣区域并做出预测。这种方法对分类器性能依赖非常大，建立的分类模型直接影响预测的结果，由于图像处理的复杂性，在保留的正确区域上，难以避免存在噪声区域。综上所述，目前迫切需要提出一种快速且鲁棒性好的能用于车牌定位的车辆轮胎检测方法及装置。
技术实现思路
有鉴于此，本专利技术的主要目的在于实现快速车辆轮胎的检测，且鲁棒性较好，可用于车牌定位中。为达到上述目的，按照本专利技术的第一个方面，提供了基于最大输出概率的车辆轮胎检测方法，该方法包括：第一步骤，选取样本图像，获取样本图像的HOG特征向量，并采用SVM分类器对获取的HOG特征向量进行训练，获取训练好的分类器；第二步骤，采集场景图像；第三步骤，利用训练好的分类器对场景图像进行检测，获取感兴趣区域及输出概率；及第四步骤，获取基准区域，构建基准区域与感兴趣区域的直线，计算这些直线与水平方向的夹角，根据夹角确定轮胎区域，并输出结果。所述第一步骤进一步包括：样本选取步骤，选取轮胎图像为正样本图像，非轮胎图像为负样本图像；HOG特征提取步骤，分别采用HOG特征提取算法提取正样本图像和负样本图像的HOG特征，获取HOG特征向量；SVM分类器训练步骤，采用SVM分类器对正样本图像和负样本图像的HOG特征向量进行训练，获取训练好的分类器。所述第三步骤进一步包括：候选区域获取步骤，采用宽度为Width、高度为Height、滑动步长为SN*SN的滑动矩形窗口，对场景图像进行扫描，获取一系列候选区域N1为候选区域的个数；感兴趣区域获取步骤，利用训练好的分类器，计算每个图像子块的Ii的输出概率Pi，i＝1，2，…，N1，若Pi≥Th_P，则将该候选区域Ii作为感兴趣区域，以此获取一系列感兴趣区域及感兴趣区域的输出概率N2为感兴趣区域的个数。所述第四步骤进一步包括：基准区域获取步骤，将输出概率最大的感兴趣区域标记为基准区域；区域位置坐标获取步骤，扫描基准区域，将扫描到的基准区域内的第一个像素点作为基准区域的位置坐标(x0,y0)；分别扫描剩余的感兴趣区域将扫描到的感兴趣区域的第一个像素点作为该感兴趣区域的位置坐标N3为剩余感兴趣区域的个数；直线角度计算步骤，计算基准区域的位置坐标与每个感兴趣区域aj的位置坐标(xj,yj)的直线角度感兴趣区域筛选步骤，若θj≤Th_θ，则保留该感兴趣区域aj，否则将该感兴趣区域aj滤除，即将感兴趣区域aj内的像素点设置为背景点；轮胎区域获取步骤，将基准区域和剩余的感兴趣区域标记为轮胎区域，并输出轮胎区域。按照本专利技术的另一个方面，提供了基于最大输出概率的车辆轮胎检测装置，该装置包括：分类器训练模块，用于选取样本图像，获取样本图像的HOG特征向量，并采用SVM分类器对获取的HOG特征向量进行训练，获取训练好的分类器；图像采集模块，用于采集场景图像；感兴趣区域及输出概率获取模块，用于利用训练好的分类器对场景图像进行检测，获取感兴趣区域及输出概率；及轮胎区域提取模块，用于获取基准区域，构建基准区域与感兴趣区域的直线，计算这些直线与水平方向的夹角，根据夹角确定轮胎区域，并输出结果。所述分类器训练模块进一步包括：样本选取模块，用于选取轮胎图像为正样本图像，非轮胎图像为负样本图像；HOG特征提取模块，用于分别采用HOG特征提取算法提取正样本图像和负样本图像的HOG特征，获取HOG特征向量；SVM分类器训练模块，用于采用SVM分类器对正样本图像和负样本图像的HOG特征向量进行训练，获取训练好的分类器。所述感兴趣区域及输出概率获取模块进一步包括：候选区域获取模块，用于采用宽度为Width、高度为Height、滑动步长为SN*SN的滑动矩形窗口，对场景图像进行扫描，获取一系列候选区域N1为候选区域的个数；感兴趣区域获取模块，用于利用训练好的分类器，计算每个图像子块的Ii的输出概率Pi，i＝1，2，…，N1，若Pi≥Th_P，则将该候选区域Ii作为感兴趣区域，以此获取一系列感兴趣区域及感兴趣区域的输出概率N2为感兴趣区域的个数。所述轮胎区域提取模块进一步包括：基准区域获取模块，用于将输出概率最大的感兴趣区域标记为基准区域；区域位置坐标获取模块，用于扫描基准区域，将扫描到的基准区域内的第一个像素点作为基准区域的位置坐标(x0,y0)；分别扫描剩余的感兴趣区域将扫描到的感兴趣区域的第一个像素点作为该感兴趣区域的位置坐标N3为剩余感兴趣区域的个数；直线角度计算模块，用于计算基准区域的位置坐标与每个感兴趣区域aj的位置坐标(xj,yj)的直线角度感兴趣区域筛选模块，用于若θj≤Th_θ，则保留该感兴趣区域aj，否则将该感兴趣区域aj滤除，即将感兴趣区域aj内的像素点设置为背景点；轮胎区域获取模块，用于将基准区域和剩余的感兴趣区域标记为轮胎区域，并输出轮胎区域。与现有的车辆轮胎检测技术相比，本专利技术的基于最大输出概率的车辆轮胎检测方法及装置可以快速的检测车辆的轮胎区域，鲁棒性较好。本专利技术的基于最大输出概率的车辆轮胎检测方法及装置可以用于车辆定位中。附图说明图1示出了按照本专利技术的基于最大输出概率的车辆轮胎检测方法的流程图。图2示出了按照本专利技术的基于最大输出概率的车辆轮胎检测装置的框架图。具体实施方式为使贵审查员能进一步了解本专利技术的结构、特征及其他目的，现结合所附较佳实施例详细说明如下，所说明的较佳实施例仅用于说明本专利技术的技术方案，并非限定本专利技术。图1给出了按照本专利技术的基于最大输出概率的车辆轮胎检测方法的流程图。如图1所示，按照本专利技术的基于最大输出概率的车辆轮胎检测方法包括：第一步骤S1，选取样本图像，获取样本图像的HOG特征向量，并采用SVM分类器对获取的HOG特征向量进行训练，获取训练好的分类器；第二步骤S2，采集场景图像；第三步骤S3，利用训练好的分类器对场景图像进行检测，获取感兴趣区域及输出概率；及第四步骤S4，获取基准区域，构建基准区域与感兴趣区域的直线，计算这些直线与水平方向的夹角，根据夹角确定轮胎区域，并输出结果。所述第一步骤S1进一步包括：样本选取步骤S11，选取轮胎图像为正样本图像，非轮胎图像为负样本图像；HOG特征提取步骤S12，分别采用HOG特征提取算法提取正样本图像和负样本图像的HOG特征，获取HOG特征向量；SVM分类器训练步骤S13，采用SVM分类器对正样本图像和负样本图像的HOG特征向量进行训练，获取训练本文档来自技高网...

【技术保护点】
基于最大输出概率的车辆轮胎检测方法，其特征在于，该方法包括：第一步骤，选取样本图像，获取样本图像的HOG特征向量，并采用SVM分类器对获取的HOG特征向量进行训练，获取训练好的分类器；第二步骤，采集场景图像；第三步骤，利用训练好的分类器对场景图像进行检测，获取感兴趣区域及输出概率；及第四步骤，获取基准区域，构建基准区域与感兴趣区域的直线，计算这些直线与水平方向的夹角，根据夹角确定轮胎区域，并输出结果。

【技术特征摘要】
1.基于最大输出概率的车辆轮胎检测方法，其特征在于，该方法包括：第一步骤，选取样本图像，获取样本图像的HOG特征向量，并采用SVM分类器对获取的HOG特征向量进行训练，获取训练好的分类器；第二步骤，采集场景图像；第三步骤，利用训练好的分类器对场景图像进行检测，获取感兴趣区域及输出概率；及第四步骤，获取基准区域，构建基准区域与感兴趣区域的直线，计算这些直线与水平方向的夹角，根据夹角确定轮胎区域，并输出结果。2.如权利要求1所述的方法，其特征在于，所述第一步骤包括：样本选取步骤，选取轮胎图像为正样本图像，非轮胎图像为负样本图像；HOG特征提取步骤，分别采用HOG特征提取算法提取正样本图像和负样本图像的HOG特征，获取HOG特征向量；SVM分类器训练步骤，采用SVM分类器对正样本图像和负样本图像的HOG特征向量进行训练，获取训练好的分类器。3.如权利要求1所述的方法，其特征在于，所述第三步骤包括：候选区域获取步骤，采用宽度为Width、高度为Height、滑动步长为SN*SN的滑动矩形窗口，对场景图像进行扫描，获取一系列候选区域N1为候选区域的个数；感兴趣区域获取步骤，利用训练好的分类器，计算每个图像子块的Ii的输出概率Pi，i＝1，2，…，N1，若Pi≥Th_P，则将该候选区域Ii作为感兴趣区域，以此获取一系列感兴趣区域及感兴趣区域的输出概率N2为感兴趣区域的个数。4.如权利要求3所述的方法，所述Width∈[32，128]，Height∈[32,128]，SN∈[2,6]，Th_P∈[0.65,0.8]。5.如权利要求1所述的方法，其特征在于，所述第四步骤包括：基准区域获取步骤，将输出概率最大的感兴趣区域标记为基准区域；区域位置坐标获取步骤，扫描基准区域，将扫描到的基准区域内的第一个像素点作为基准区域的位置坐标(x0,y0)；分别扫描剩余的感兴趣区域将扫描到的感兴趣区域的第一个像素点作为该感兴趣区域的位置坐标N3为剩余感兴趣区域的个数；直线角度计算步骤，计算基准区域的位置坐标与每个感兴趣区域aj的位置坐标(xj,yj)的直线角度感兴趣区域筛选步骤，若θj≤Th_θ，则保留该感兴趣区域aj，否则将该感兴趣区域aj滤除，即将感兴趣区域aj内的像素点设置为背景点；轮胎区域获取步骤，将基准区域和剩余的感兴趣区域标记为轮胎区域，并输出轮胎区域。6.如权利要求5所述的方法，所述Th_θ∈[0.05,0.15]，单位为弧度。7.基于最大输出概率的车辆轮胎检测装置，其特征在于，该装置包括：...

【专利技术属性】
技术研发人员：崔凯，
申请(专利权)人：北京智芯原动科技有限公司，
类型：发明
国别省市：北京;11