【技术实现步骤摘要】
一种多通道特征融合的车辆检测方法
本专利技术涉及智能交通领域，具体而言，本专利技术涉及一种多通道特征融合的车辆检测方法。
技术介绍
随着汽车行业发展迅速，汽车的数量也在不断的增加，不可避免地引发了巨大的交通安全问题以及大量的交通事故。图像处理、计算机视觉和模式识别等技术在车辆安全辅助驾驶系统中，前方车辆检测技术一直是个重要技术。目前开发车辆检测系统是非常重要的，并且通过该检测系统能够快速的获取到前方车辆的位置，能够及时向驾驶人员发出警报，提高驾驶安全性，实现驾驶车辆自身的避障，减少或避免此类交通安全事故发生的概率。目前，常用的前方车辆检测的方法有：基于模板匹配的方法和基于统计学习的方法。基于模板匹配的方法利用局部特征描述车辆，并利用模板匹配方法进行车辆检测，该方法很容易受到背景环境、复杂光照和天气的影响，且算法稳定不够好。基于统计学习的方法首先对车辆样本进行灰度特征提取，并利用分类器对样本进行训练，相对于基于模板匹配的方法其检测效果较好，但是在特征提取阶段，特别是当样本车辆灰度值和地面灰度值很接近时，图片灰度域的局部梯度不明显，容易出现检测低和误检、漏检的情况。专...
【技术保护点】
1.一种多通道特征融合的车辆检测方法，其特征在于，所述多通道特征融合的车辆检测方法包括如下步骤：获取样本，其中，所述样本包括正样本和负样本，所述正样本为含有车辆的图片，所述负样本为不含车辆的图片；将所述样本的RGB色彩空间转为YUV色彩空间；根据所述YUV色彩空间提取Y、U、V三通道的数据模板，保存为二维矩阵MY,MU,MV；计算所述二维矩阵MY,MU,MV的HOG特征并加权融合得到所述样本的融合特征；采用支持向量机训练所述融合特征，得到车辆分类检测器；基于所述车辆分类检测器对实时采集的前方车辆影像信息进行检测分类，并返回前方车辆检测分类结果。
【技术特征摘要】
1.一种多通道特征融合的车辆检测方法，其特征在于，所述多通道特征融合的车辆检测方法包括如下步骤：获取样本，其中，所述样本包括正样本和负样本，所述正样本为含有车辆的图片，所述负样本为不含车辆的图片；将所述样本的RGB色彩空间转为YUV色彩空间；根据所述YUV色彩空间提取Y、U、V三通道的数据模板，保存为二维矩阵MY,MU,MV；计算所述二维矩阵MY,MU,MV的HOG特征并加权融合得到所述样本的融合特征；采用支持向量机训练所述融合特征，得到车辆分类检测器；基于所述车辆分类检测器对实时采集的前方车辆影像信息进行检测分类，并返回前方车辆检测分类结果。2.如权利要求1所述的多通道特征融合的车辆检测方法，其特征在于，所述获取样本之前，包括如下步骤：将获取的训练图片的大小归一化处理为64*64像素大小；对归一化处理后的所述训练图片进行滤波去噪和图像增强处理后，得到样本。3.如权利要求2所述的多通道特征融合的车辆检测方法，其特征在于，所述计算所述二维矩阵MY,MU,MV的HOG特征并加权融合得到所述样本的融合特征包括如下步骤：步骤P1：用伽马归一化对所述二维矩阵MY,MU,MV中的每个像素G(x,y)进行灰度线性操作，其中伽马归一化公式如下：G′(x,y)＝G(x,y)g式中，(x,y)表示像素点，g的取值为1/2.2；步骤P2：获取每个像素点(x,y)位置的梯度幅值和梯度方向，其中，G′(x...
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。