一种基于多幅子图与图像显著性分析的车辆检测方法技术

本发明专利技术提出了一种基于多幅子图与图像显著性分析的车辆检测方法，包括如下步骤：S1，基于多幅子图融合的显著性预处理；S2，对含有目标车辆的候选目标区域进行边界修正；S3，将修正后的目标候选区域进行精确判断；S4，多帧联合与去重合；S5，输出目标窗口区域坐标，完成车辆检测。本发明专利技术时间复杂度低，实时性高，可以适应多种不同的诸如雨天或者夜间等场景。

【技术实现步骤摘要】
一种基于多幅子图与图像显著性分析的车辆检测方法
本专利技术涉及车辆检测领域，具体涉及一种基于多幅子图与图像显著性分析的车辆检测方法。
技术介绍
前方碰撞预警系统(ForwardCollisionWarning)，FCW能够通过雷达系统来时刻监测前方车辆，判断本车于前车之间的距离、方位及相对速度，当存在潜在碰撞危险时对驾驶者进行警告。FCW系统本身不会采取任何制动措施去避免碰撞或控制车辆。做为FCW中重要的一环，基于视觉传感器的移动车辆检测成为众多同行研究的焦点之一。目前的基于视觉传感器的移动车辆检测方法，在处理大逆光情况时往往难以将目标车辆检出，因为此时不论是车底阴影还是车尾灯等信息都与周围环境存在较低的对比度，传统预处理的手段往往不再适用；而对于滑动窗口的检测手段，则需要大量训练代价并伴有高虚警的风险。因此，大逆光情况往往是各种新兴车辆检测方法挑战的场景之一。
技术实现思路
为了解决上述问题，本专利技术提供了一种基于多幅子图与图像显著性分析的车辆检测方法。本专利技术提供的一种基于多幅子图与图像显著性分析的车辆检测方法，时间复杂度低，实时性高，可以适应多种不同的诸如雨天或者夜间等场景。本专利技术采用的技术方案如下：一种基于多幅子图与图像显著性分析的车辆检测方法，包括如下步骤：S1，基于多幅子图融合的显著性预处理；S2，对含有目标车辆的候选目标区域进行边界修正；S3，将修正后的目标候选区域进行精确判断；S4，多帧联合与去重合；S5，输出目标窗口区域坐标，完成车辆检测。上述的一种基于多幅子图与图像显著性分析的车辆检测方法，其中，所述步骤S1包括如下步骤：S11，将原始图像划分为若干子图；S12，针对每幅子图，获取与该子图对应的子区域显著性图像，并将其映射到0-255范围内得到子区域显著性分析图像；遍历子区域显著性分析图的每个像素点，获取在子区域显著性分析图中的每个像素点的子区域显著性分析图像像素值；S13，将子图映射到0-255的范围内得到子区域拉伸图像；S14，获取每个像素点的子区域目标图像像素值，所述子区域目标图像像素值＝子区域显著性分析图像像素值-子区域拉伸图像像素值；S15，根据各个像素点的子区域目标图像像素值得到子区域目标图像，将子区域目标图像进行二值化处理，得到突出了显著性物体的子区域二值图像。上述的一种基于多幅子图与图像显著性分析的车辆检测方法，其中，所述子图根据目标车辆在原始图像中可能出现的位置与尺寸进行划分，各个子图中至少存在一个子图使得在该子图内包括目标车辆与周围环境形成相对强烈的对比度。上述的一种基于多幅子图与图像显著性分析的车辆检测方法，其中，所述步骤S12包括如下步骤：S121，针对每个子区域原始图像，遍历该子区域原始图像，获取该子区域原始图像各个像素的频率，获取像素值的最大值与最小值；S122，计算每个子区域原始图像中每个像素点到其他像素点的频率的距离之和，做为衡量该点像素对比度的一种度量；S123，在每个子区域原始图像中利用步骤S22中各个像素点的频率的距离之和做指数运算，做为该像素点的显著性特征值；S124，根据子区域原始图像各个像素点的显著性特征值获取与子区域原始图像对应的子区域显著性图像；S125，遍历子区域显著性图像，获取子区域显著性特征值的最大值和最小值；S126，计算距离之和的变化幅度，即使用子区域显著性特征值的最大值减去子区域显著性特征值的最小值，将子区域原始图像映射到0-255的范围内；S127，将子区域显著性图像映射到0-255的范围内得到子区域显著性分析图像。上述的一种基于多幅子图与图像显著性分析的车辆检测方法，其中，所述步骤S122中的距离包括欧式距离。上述的一种基于多幅子图与图像显著性分析的车辆检测方法，其中，所述步骤S125还包括：当子区域显著性特征值的最大值和最小值相等时，舍弃对该子区域显著性图像的后续步骤。上述的一种基于多幅子图与图像显著性分析的车辆检测方法，其中，所述步骤S127还包括：将每个子区域显著性分析图中显著性特征值的归一化系数，做为该子区域原始图像的显著性特征值映射回原始图像中时的加权参数，所述原始图像中的各个包含目标车辆的子区域显著性图像被分别加权，然后再映射到0-255的范围内得到子区域显著性分析图像。上述的一种基于多幅子图与图像显著性分析的车辆检测方法，其中，所述步骤S2包括如下步骤：S21，将步骤S15得到的子区域二值图像中长度满足要求的候选线做为目标车辆的底边候选线，以所述底边候选线的长做为边长画正方形候选区域，对各个矩形候选区域进行边界检查，去除不符合的矩形候选区域；S22，对所述正方形候选区域的底边进行上浮与左右扩充操作后，与原所述正方形候选区域的底边形成一个感兴趣区域；S23，对所述感兴趣区域进行尺度判断：如果尺度小于等于最小宽度，则将感兴趣区域映射返回到原始图像中，在原始图像的感兴趣区域中求取竖直方向的sobel梯度；所述最小宽度为预先设定在抽样图像中可以分辨车辆的最小宽度；否则直接在抽样图像中求取感兴趣区域的竖直sobel梯度；S24，将sobel梯度图投影到水平方向得到梯度直方图；S25，根据竖直sobel梯度计算目标车辆的左边界坐标与右边界坐标。此处调节默认车的两侧即左右边界在候选区域的左右二分之一区域内，否则该方法无效。所以该方法是基于前面的底边界定的具有一定程度的准确性的前提下进行的。上述的一种基于多幅子图与图像显著性分析的车辆检测方法，其中，所述步骤S25包括如下步骤：S251，将步骤S23得到的竖直sobel梯度求取绝对值，将所述绝对值投影到水平方向；S252，在水平方向的左右各1/2区域内求取邻域内的第一最大值并返回第一最大值的坐标，将最大值的坐标定为左右边界的候选之一；S253，由于，求得的最大值未必就是车的左右边界，在步骤S252获取的最大值的某个极小的邻域内，将所述竖直sobel梯度的绝对值在水平方向的投影置零；再次在水平方向的左右各1/2区域内求取邻域内的第二最大值并返回第二最大值的坐标，将第二最大值的坐标定为左右边界的候选之一；S254，左右边界各有两个候选坐标，从第一最大值与第二最大值中选出置信度相对高的候选坐标：S255，对左右边界的候选坐标进行过滤，获取左边界坐标与右边界坐标。上述的一种基于多幅子图与图像显著性分析的车辆检测方法，其中，所述步骤S255包括如下步骤：在前面确定了目标车辆的左边界候选坐标与右边界候选坐标后，根据底边的长度是否满足大于阈值，决定是否回到原图进行下面操作；S2551，取宽度的1/5做为临时高度，取宽度的1/3做为临时高度，在左边界候选坐标A的左侧取临时区域LA1，在左边界候选坐标A的右侧取临时区域LA2，将两个区域做差LA1-LA2，然后求和，将最后的和Sum_LA做为左边界候选坐标A的可信度分数；同时，取宽度的1/5做为临时高度，取宽度的1/3做为临时高度，在左边界候选坐标B的左侧取临时区域LB1，在左边界候选坐标B的右侧取临时区域LB2，将两个区域做差LB1-LB2，然后求和，将最后的和Sum_LB做为左边界候选坐标B的可信度分数；取Sum_LA与Sum_LB中最大值对应的候选坐标做为左边界坐标；S2552，取宽度的1/5做为临时高度，取宽度的1/3做为临时高度本文档来自技高网...

【技术保护点】
1.一种基于多幅子图与图像显著性分析的车辆检测方法，其特征在于，包括如下步骤：S1，基于多幅子图融合的显著性预处理；S2，对含有目标车辆的候选目标区域进行边界修正；S3，将修正后的目标候选区域进行精确判断；S4，多帧联合与去重合；S5，输出目标窗口区域坐标，完成车辆检测。

【技术特征摘要】
1.一种基于多幅子图与图像显著性分析的车辆检测方法，其特征在于，包括如下步骤：S1，基于多幅子图融合的显著性预处理；S2，对含有目标车辆的候选目标区域进行边界修正；S3，将修正后的目标候选区域进行精确判断；S4，多帧联合与去重合；S5，输出目标窗口区域坐标，完成车辆检测。2.根据权利要求1所述的一种基于多幅子图与图像显著性分析的车辆检测方法，其特征在于，所述步骤S1包括如下步骤：S11，将原始图像划分为若干子图；S12，针对每幅子图，获取与该子图对应的子区域显著性图像，并将其映射到0-255范围内得到子区域显著性分析图像；遍历子区域显著性分析图的每个像素点，获取在子区域显著性分析图中的每个像素点的子区域显著性分析图像像素值；S13，将子图映射到0-255的范围内得到子区域拉伸图像；S14，获取每个像素点的子区域目标图像像素值，所述子区域目标图像像素值＝子区域显著性分析图像像素值-子区域拉伸图像像素值；S15，根据各个像素点的子区域目标图像像素值得到子区域目标图像，将子区域目标图像进行二值化处理，得到突出了显著性物体的子区域二值图像。3.根据权利要求2所述的一种基于局部特征加权增强的图像显著性物体检测方法，其特征在于，所述子图根据目标车辆在原始图像中可能出现的位置与尺寸进行划分，各个子图中至少存在一个子图使得在该子图内包括目标车辆与周围环境形成相对强烈的对比度。4.根据权利要求2或3所述的一种基于局部特征加权增强的图像显著性物体检测方法，其特征在于，所述步骤S12包括如下步骤：S121，针对每个子区域原始图像，遍历该子区域原始图像，获取该子区域原始图像各个像素的频率，获取像素值的最大值与最小值；S122，计算每个子区域原始图像中每个像素点到其他像素点的频率的距离之和，做为衡量该点像素对比度的一种度量；S123，在每个子区域原始图像中利用步骤S22中各个像素点的频率的距离之和做指数运算，做为该像素点的显著性特征值；S124，根据子区域原始图像各个像素点的显著性特征值获取与子区域原始图像对应的子区域显著性图像；S125，遍历子区域显著性图像，获取子区域显著性特征值的最大值和最小值；S126，计算距离之和的变化幅度，即使用子区域显著性特征值的最大值减去子区域显著性特征值的最小值，将子区域原始图像映射到0-255的范围内；S127，将子区域显著性图像映射到0-255的范围内得到子区域显著性分析图像。5.根据权利要求4所述的一种基于图像对比度的图像显著性物体检测方法，其特征在于，所述步骤S122中的距离包括欧式距离。6.根据权利要求5所述的一种基于图像对比度的图像显著性物体检测方法，其特征在于，所述步骤S125还包括：当子区域显著性特征值的最大值和最小值相等时，舍弃对该子区域显著性图像的后续步骤。7.根据权利要求5所述的一种基于图像对比度的图像显著性物体检测方法，其特征在于，所述步骤S127还包括：将每个子区域显著性分析图中显著性特征值的归一化系数，做为该子区域原始图像的显著性特征值映射回原始图像中时的加权参数，所述原始图像中的各个包含目标车辆的子区域显著性图像被分别加权，然后再映射到0-255的范围内得到子区域显著性分析图像。8.根据权利要求6或7所述的一种基于图像对比度的图像显著性物体检测方法，其特征在于，所述步骤S2包括如下步骤：S21，将步骤S15得到的子区域二值图像中长度满足要求的候选线做为目标车辆的底边候选线，以所述底边候选线的长做为边长画正方形候选区域，对各个矩形候选区域进行边界检查，去除不符合的矩形候选区域；S22，对所述正方形候选区域的底边进行上浮与左右扩充操作后，与原所...

【专利技术属性】
技术研发人员：吴子章，王凡，唐锐，
申请(专利权)人：纵目科技上海股份有限公司，
类型：发明
国别省市：上海,31