一种基于多部件的车辆检测方法技术

本发明专利技术公开了一种基于多部件的车辆检测方法，首先根据车辆部件的显著程度和不同遮挡情况从车辆对象上提取6个部件，用于组成车辆部件模型；接着采用SVM训练各部件的部件模板和部件检测阈值；最后利用基于帧差法的背景建模得到运动区域；分别检测6个车辆部件，分析不同部件检测标记组合情况，验证车辆遮挡类型，实现车辆检测。本发明专利技术具有易实现、鲁棒性强、适应适度形变等优点，不仅能够检测正面遮挡车辆，也能检测一定角度范围内的侧面遮挡车辆，可应用于检测道路交通场景中的遮挡车辆。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，首先根据车辆部件的显著程度和不同遮挡情况从车辆对象上提取6个部件，用于组成车辆部件模型；接着采用SVM训练各部件的部件模板和部件检测阈值；最后利用基于帧差法的背景建模得到运动区域；分别检测6个车辆部件，分析不同部件检测标记组合情况，验证车辆遮挡类型，实现车辆检测。本专利技术具有易实现、鲁棒性强、适应适度形变等优点，不仅能够检测正面遮挡车辆，也能检测一定角度范围内的侧面遮挡车辆，可应用于检测道路交通场景中的遮挡车辆。【专利说明】
本专利技术涉及车辆检测方法领域，具体是。
技术介绍
随着国家新型城镇化建设的加速，涉及机动车的治安案件、交通事故激增，车辆检测成为城市监控系统重要的研究内容。然而，由于真实场景中复杂的成像条件，车辆检测面临诸多困难，其中遮挡问题尤为突出。复杂道路环境中存在多目标是造成车辆间相互遮挡的主要原因，遮挡使得目标信息缺失，容易造成目标漏检。 选择出车辆具有代表性的局部区域特征，通过对可见部件的检测，能够避免引入遮挡区域的外观差异，更好地完成目标检测任务。例如，Zhu等人于2010年发表在《Conference on Computer Vis1n and Pattern Recognit1n(计算机视觉和模式识别会议)〉〉上的论文 “Part and appearance sharing:Recursive composit1nal models formult1-view”(部分和外观共享:多视角的递归成分模型)针对车顶特征的不变性，使用边缘基元片段图论合成方法判定车顶标记，检测严重遮挡车辆。另外，多个车辆局部区域间通常包含结构信息，通过分析车辆部件之间的几何约束，合理评价部件结构布局，能够检测不同形变程度下的目标。例如，鹿文浩等人于2012年发表在《自动化学报》上的论文“基于部件的三维目标检测算法新进展”利用部件表象描述和部件几何关系能够解决部分遮挡、类内变化、复杂背景以及视角变化的问题。 基于上述原理，申请号为201310379473.2的中国专利申请中提出的一种基于部分模型的车辆检测方法，就根据易遮挡的程度从车辆对象上提取车窗附近区域和车牌附近区域这两个部分组成车辆模型，能够应用于处理正面视角下车辆的遮挡情况。但在实际监控视频中，车辆不一定是以正面视角恰好面对监控摄像机，以垂直监控摄像平面的直线为O度标准线，车辆可能以一定角度出现在监控摄像区域内，一般来说，角度范围在正负20度内。因此，对于可能出现的侧面遮挡情况，该方法不能很好地处理，容易造成遮挡车辆漏检。
技术实现思路
本专利技术的目的是提供，以克服现有技术的不足，降低漏检率。 为了达到上述目的，本专利技术所采用的技术方案为: ，其特征在于:包括以下步骤: (I)、车辆部件选择:根据车辆部件的显著程度和不同遮挡情况从车辆对象上提取6个部件，分别为车顶设为部件I，车前盖设为部件2，左车头设为部件3，右车头设为部件4，左侧倒后镜设为部件5，右侧倒后镜设为部件6，用于组成车辆部件模型； (2)、部件模板学习:通过选取合适的训练图像，确定车辆部件的尺寸和位置，基于分块梯度直方图特征表征车辆部件图像块，采用SVM训练各部件的部件模板和部件检测阈值； (3)、车辆检测:采用基于帧差法的背景建模得到运动区域，在缩放后的运动区域中分别检测6个车辆部件，分析不同部件检测标记组合情况，验证车辆遮挡类型，最终实现车辆检测并输出检测到的车辆总数。 所述的，其特征在于:所述步骤(2)中部件模板学习包括以下步骤: (2.1)、从实际卡口视频中截取车辆图像块作为训练图像，训练图像数越多得到的部件模板越准确，这里将车辆图像块归一化为统一尺寸； (2.2)、按照车辆图像块的尺寸，分别确定对应6个部件的尺寸和位置； (2.3)、采用分块梯度直方图特征描述车辆图像块，并根据部件位置，获取对应部件的特征描述子，采用SVM训练各部件模板Fi (i = 1,...,6)和部件检测阈值thparti(i =I，...，6)。 所述的，其特征在于:所述步骤(3)中车辆检测从视频帧图像中检测出一个或多个车辆，同时判断车辆遮挡类型，包括以下步骤: (3.1)、针对视频帧提取运动区域，进行车辆候选区域初筛选； (3.2)、假定可检测的车辆其部件2是可见的，因此首先在运动区域内进行部件2外观检测； (3.3)、在运动区域内，以部件检测阈值thpart2筛选部件2的候选位置； (3.4)、采用非极大值抑制筛选部件2的候选位置； (3.5)、在部件2的候选位置上记录部件检测标记detpart2，j = I ; (3.6)、根据可见部件2的候选位置确定车辆候选区域； (3.7)、在车辆候选区域中，分别进行部件1、3、4、5、6的部件检测过程，得到各部件的外观检测得分 Scoreparti (zx，y) (i = I, 3，4，5，6)； (3.8)、在各车辆候选区域中,确定部件1、3、4、5、6外观检测得分Scoreparti最高的部件候选位置； (3.9)、筛选部件1、3、4、5、6的候选位置,满足条件的部件,记录检测标记detparti，j=I (i = I, 3, 4，5，6)，否则标记为 O ； (3.10)、根据部件检测标记Detj = <detparti；J> (i = I,..., 6)验证车辆遮挡类型，迭代该过程，直至确定出所有车辆候选区域的车辆遮挡类型； (3.11)、根据各车辆候选区域中存在部件的位置和尺寸确定车辆检测边界框； (3.12)、显示这一帧图像中车辆检测边界框的位置，同时输出这一帧图像中车辆检测边界框的总数,完成车辆检测。 所述的，其特征在于:采用基于帧差法的背景建模得到运动区域，进行车辆候选区域的初筛选，包括以下步骤: (a)、取出卡口视频中的前2帧做初始背景建模； (b)、取出卡口视频中的下一巾贞做检测,采用巾贞差法确定运动二值掩膜Hiasknrotim ； (c)、采用形态学方式优化运动二值掩膜，得到去噪后的运动掩膜maskd_ise ； (d)、采用matlab中bwlabel函数对去噪后的运动掩膜进行连通性检测； (e)、按照运动区域标记取出各运动区域reg1rii ； (f)、根据运动目标的大小适当缩放运动区域，以便于模板匹配，用最小外接矩形框记录缩放后的运动区域Hiboxi ; (g)、每处理完一帧图像，利用该帧图像做背景更新。 所述的，其特征在于:部件1-6的检测过程即为部件模板和部件图像特征块的卷积相乘得到部件模板匹配得分: Scoreparti (zx，y) = Fi.Φ (zx；y, Partscalei), zx；y e Mbox, Mbox = ImboxJ, 其中，zx；y为运动区域Mbox内任意一点！Partscalei为部件尺寸；Φ (zx；y, Partscalei)表示中心在zx，y,大小为partscalei的部件特征块#表示部件外观模板；SCOreparti (zx；y)表示在位置zx，y处的部件模板匹配得分。 所述的，其特征在于:根据可见部件2的候选位置确定整个车辆候选区域。本文档来自技高网...

【技术保护点】
一种基于多部件的车辆检测方法，其特征在于：包括以下步骤：(1)、车辆部件选择：根据车辆部件的显著程度和不同遮挡情况从车辆对象上提取6个部件，分别为车顶设为部件1，车前盖设为部件2，左车头设为部件3，右车头设为部件4，左侧倒后镜设为部件5，右侧倒后镜设为部件6，用于组成车辆部件模型；(2)、部件模板学习：通过选取合适的训练图像，确定车辆部件的尺寸和位置，基于分块梯度直方图特征表征车辆部件图像块，采用SVM训练各部件的部件模板和部件检测阈值；(3)、车辆检测：采用基于帧差法的背景建模得到运动区域，在缩放后的运动区域中分别检测6个车辆部件，分析不同部件检测标记组合情况，验证车辆遮挡类型，最终实现车辆检测并输出检测到的车辆总数。

【技术特征摘要】

【专利技术属性】
技术研发人员：杨学志，吴克伟，薛丽霞，陈孝培，段伟伟，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34