本发明专利技术公开一种车辆识别方法、装置及车辆，其中，该方法包括：在设定时间内通过图像显著性方法对图像进行车辆粗检测定位以获取粗定位检测对象；采用机器学习车辆训练模型检测所述粗定位检测对象以获取精定位检测对象；通过车辆跟踪方法判断所述精定位检测对象是否为车辆；如果所述精定位检测对象是车辆，通过特征点定位方法定位所述车辆并得到所述车辆的轮廓。本发明专利技术提供的方法、装置及车辆，在进行车辆识别时兼顾车辆检测与跟踪算法在低速嵌入式设备上的准确率和实时性，降低ADAS进行车辆识别的成本。
【技术实现步骤摘要】
本专利技术涉及车辆领域，尤其涉及一种车辆识别方法、装置及车辆。
技术介绍
近年来ADAS(Advanced Driver Assistant System，高级驾驶辅助系统)市场增长迅速，ADAS的主要算法提供商例如中国本土的Minieye均把车辆检测和跟踪算法作为重点研发方向，现有技术中Minieye公司采用深度学习算法进行车辆检测和跟踪，得到车辆的位置信息、车辆检测准确率高，但Minieye公司的方法一般运行在GPU等高速设备上，并且在GPU上运行功耗高成本贵，如果在车辆上集成此类算法设备将大大增加车辆的成本，并且现有技术的深度学习方法还没有提供一种快速高效的算法可以在低速设备上运行。因此，有必要对现有的车辆识别算法进行改进，提供一种能在低速嵌入式设备上进行车辆检测与跟踪的方法以降低车辆ADAS设备的成本。
技术实现思路
本专利技术要解决的一个技术问题是如何提供一种能在低速嵌入式设备上进行车辆检测与跟踪的方法或装置。本专利技术提供一种车辆识别方法包括：在设定时间内通过图像显著性方法对图像进行车辆粗检测定位以获取粗定位检测对象；采用机器学习车辆训练模型检测所述粗定位检测对象以获取精定位检测对象；通过车辆跟踪方法判断所述精定位检测对象是否为车辆；如果所述精定位检测对象是车辆，通过特征点定位方法定位所述车辆并得到所述车辆的轮廓。进一步地，所述通过车辆跟踪方法判断所述精定位检测对象是否为车辆包括：通过特征点定位方法定位所述精定位检测对象；在特征点周围提取HOG特征，使用SVM进行分类，过滤所述精定位检测对象中遗留的误检对象；将过滤完的所述精定位检测对象的剩余对象确定为车辆。进一步地，如果所述精定位检测对象是车辆，通过特征点定位方法定位所述车辆并得到所述车辆的轮廓包括：通过特征点定位方法定位所述车辆的设定数目的特征点；根据所述设定数目的特征点重新描绘车体轮廓，其中，所述车体轮廓包括车尾和车侧面的部分。进一步地，该方法还包括通过跟踪所述车辆获取所述车辆行驶轨迹；其中，获取第i帧车辆的轮廓；获取第i+1帧车辆的轮廓；根据第i帧车辆的轮廓、第i+1帧车辆的轮廓获取所述车辆的轨迹。进一步地，所述采用机器学习车辆训练模型检测所述粗定位检测对象，得到精定位检测对象包括：通过Adaboost迭代算法、Haar分类器训练车辆模型，检测所述粗定位检测对象以得到精定位检测对象。本专利技术提供一种车辆识别装置，包括：粗定位模块，用于在设定时间内通过图像显著性方法对图像进行车辆粗检测定位以获取粗定位检测对象；精定位模块，与所述粗定位模块相连接，用于采用机器学习车辆训练模型检测所述粗定位检测对象以获取精定位检测对象；跟踪识别模块，与所述精定位模块相连接，用于通过车辆跟踪方法判断所述精定位检测对象是否为车辆；如果所述精定位检测对象是车辆，通过特征点定位方法定位所述车辆并得到所述车辆的轮廓。进一步地，所述跟踪识别模块用于通过特征点定位方法定位所述精定位检测对象；在特征点周围提取HOG特征，使用SVM进行分类，过滤所述精定位检测对象中遗留的误检对象；将过滤完的所述精定位检测对象的剩余对象确定为车辆。进一步地，所述跟踪识别模块还用于：通过特征点定位方法定位所述车辆的设定数目的特征点；根据所述设定数目的特征点重新描绘车体轮廓，其中，所述车体轮廓包括车尾和车侧面的部分。进一步地，跟踪识别模块还用于通过跟踪所述车辆获取所述车辆行驶轨迹；其中，获取第i帧车辆的轮廓；获取第i+1帧车辆的轮廓；根据第i帧车辆的轮廓、第i+1帧车辆的轮廓获取所述车辆的轨迹；进一步地，所述精定位模块还用于通过Adaboost迭代算法、Haar分类器训练车辆模型，检测所述粗定位检测对象以得到精定位检测对象。本专利技术还提供一种车辆，包括如上所述的车辆识别装置。本专利技术提供的车辆识别方法、装置及车辆，先粗略检测得到粗定位对象然后再进行精确定位，进而通过车辆跟踪进行车辆识别，在进行车辆识别时兼顾车辆检测与跟踪算法在低速嵌入式设备上的准确率和实时性，降低ADAS进行车辆识别的成本。附图说明图1示出本专利技术一个实施例的车辆识别方法的流程图。图2A-2F示出本专利技术一个实施例的车辆识别方法的参考示意图。图3示出本专利技术一个实施例的一种车辆识别装置的结构框图。图4示出本专利技术一个实施例的包含车载收音机控制装置的车辆的结构框图。具体实施方式下面参照附图对本专利技术进行更全面的描述，其中说明本专利技术的示例性实施例。图1示出本专利技术一个实施例的车辆识别方法的流程图。如图1所示，该方法包括以下步骤：步骤101，在设定时间内通过图像显著性方法对图像进行车辆粗检测定位以获取粗定位检测对象。具体地，该步骤为设定时间内如10ms的粗略检测，使用图像显著性算法快速定位出车辆大致位置，该步骤关键在于进行快速检测准确的得到粗定位对象，定位的位置可以允许有一定的偏差，将所有可能得对
象都检测出来。这一步的输入是一副图片或者视频中的一帧，输出是粗定位的车辆的位置如坐标或坐标范围，并且该步骤允许有一定数量的误检。步骤102，采用机器学习车辆训练模型检测所述粗定位检测对象以获取精定位检测对象。具体地，该步骤可以为详细检测，通过Adaboost迭代算法、Haar分类器训练车辆模型，检测所述粗定位检测对象以得到精定位检测对象。例如，采用Adaboost之类的机器学习方法训练车辆模型检测车辆，这一步的输入是图片或者视频中的一帧以及上一步的检测结果，输出则是更加精确的车辆位置信息，该步骤可以过滤掉粗检阶段产生的大部分的误检。Adaboost针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器，Haar分类器用到了Boosting算法中的Adaboost算法，把Adaboost算法训练出的强分类器进行了级联，并且在底层的特征提取中采用了高效率的矩形特征和积分图方法。步骤103，通过车辆跟踪方法判断所述精定位检测对象是否为车辆。在一个实施例中，通过特征点定位方法定位所述精定位检测对象；在特征点周围提取HOG(Histogram of Oriented Gradient，方向梯度直方图)特征，使用SVM(Support Vector Machine，支持向量机)进行分类，SVM是一个有监督的学习模型，通常用来进行模式识别、分类、以及回归分析，过滤所述精定位检测对象中遗留的误检对象；将过滤完的所述精定位检测对象的剩余对象确定为车辆。HOG特征是计算机视觉和图像处理中用来进行物体检测的特征描述子，它通过计算和统计图像局部区域的梯度方向直方图来构成特征。在一副图像中，局部目标的表象和形状能够被梯度或边缘的方向密度分布很好地描述，而梯度主要存在于边缘的地方。具体的实现方法是：首先将图像分成小的连通区域；然后采集细胞单元中各像素点的梯度的或边缘的方向直方图；最后把这些直方图组合起来就可以构成特征
描述器。把这些局部直方图在图像的更大的范围内进行对比度归一化，通过这个归一化后，能对光照变化和阴影获得更好的效果。与其他的特征描述方法相比，HOG具有以下优点：由于HOG是在图像的局部方格单元上操作，所以它对图像几何的和光学的形变都能保持很好的不变性，这两种形变只会出现在更大的空间领域上；其次，在粗的空域抽本文档来自技高网...
【技术保护点】
一种车辆识别方法，其特征在于，包括：在设定时间内通过图像显著性方法对图像进行车辆粗检测定位以获取粗定位检测对象；采用机器学习车辆训练模型检测所述粗定位检测对象以获取精定位检测对象；通过车辆跟踪方法判断所述精定位检测对象是否为车辆；如果所述精定位检测对象是车辆，通过特征点定位方法定位所述车辆并得到所述车辆的轮廓。
【技术特征摘要】
1.一种车辆识别方法，其特征在于，包括：在设定时间内通过图像显著性方法对图像进行车辆粗检测定位以获取粗定位检测对象；采用机器学习车辆训练模型检测所述粗定位检测对象以获取精定位检测对象；通过车辆跟踪方法判断所述精定位检测对象是否为车辆；如果所述精定位检测对象是车辆，通过特征点定位方法定位所述车辆并得到所述车辆的轮廓。2.根据权利要求1所述的方法，其特征在于，所述通过车辆跟踪方法判断所述精定位检测对象是否为车辆包括：通过特征点定位方法定位所述精定位检测对象；在特征点周围提取HOG特征，使用SVM进行分类，过滤所述精定位检测对象中遗留的误检对象；将过滤完的所述精定位检测对象的剩余对象确定为车辆。3.根据权利要求2所述的方法，其特征在于，如果所述精定位检测对象是车辆，通过特征点定位方法定位所述车辆并得到所述车辆的轮廓包括：通过特征点定位方法定位所述车辆的设定数目的特征点；根据所述设定数目的特征点重新描绘车体轮廓，其中，所述车体轮廓包括车尾和车侧面的部分。4.根据权利要求1所述的方法，其特征在于，还包括通过跟踪所述车辆获取所述车辆行驶轨迹；其中，获取第i帧车辆的轮廓；获取第i+1帧车辆的轮廓；根据第i帧车辆的轮廓、第i+1帧车辆的轮廓获取所述车辆的轨迹。5.根据权利要求1所述的方法，其特征在于，所述采用机器学习车辆训练模型检测所述粗定位检测对象，得到精定位检测对象包括：通过Adaboost迭代算法、Haar分类器训练车辆模型，检测所述粗定位检
\t测对象以得到精定位检...
【专利技术属性】
技术研发人员：赵东旭，
申请(专利权)人：智车优行科技北京有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。