基于HAAR特征和ADABOOST级联分类器识别前方车辆分层检测方法技术

本发明专利技术提供了基于HAAR特征和ADABOOST级联分类器识别前方车辆的分层检测方法，基于Haar特征的AdaBoost级联分类器通过离线训练，可利用大量时间完成分类器的离线训练，不影响在线检测效率。在识别过程中提取的感兴趣区域(ROI)，有效排除了不需要处理的部分，减少了无关内容的影响，从而可以显著降低算法计算量，达到提高检测速度的目的。检测中对感兴趣区域的分层过程考虑了目标在车辆实际运动时在图像场景中的变化及移动特性，针对性地采用了更为高效的检测子窗口遍历方式。且相对于传统的滑窗算法进一步设置里每层子窗口的最大值，能够明显减少子窗口的数目，从而降低计算量，提高检测程序的运行效率。

【技术实现步骤摘要】
基于HAAR特征和ADABOOST级联分类器识别前方车辆分层检测方法
本专利技术属于机器视觉
，尤其涉及以一种对前方车辆完成实时识别的图像处理方法。
技术介绍
当前，发展智能车辆的主要目的是以技术弥补人为因素的缺陷，在复杂的道路环境中通过人-车交互的智能化手段，主动或者被动的引导车辆行驶，修正甚至直接取代驾驶员的工作。现有的智能车辆大多基于包括激光雷达、毫米波雷达、摄像头等的传感器进行环境感知，由此也产生了诸多基于机器视觉的环境感知算法。与其他基于机器视觉的环境感知算法相比，基于机器学习的算法在识别性能和鲁棒性方面具有一定优势，在对本车周围物体如前方车辆的识别中被较多的应用。现有传感器及算法工作中都是将视野中的物体先尽数采集后执行处理，但对于大多数实际驾驶场景中，并不需要将摄像机采集得到的整幅图像进行处理，比如图像的上侧部分一般为天空；图像的最下侧为所驾驶车辆的引擎盖；图像左右两侧可能是围栏或者绿化带等物体，这些并不是在识别过程中所需要处理的部分。对一些不必要的图像元素的采集，大大增加了算法的计算量且限制了识别的效率。因此如何在视本文档来自技高网...

【技术保护点】
1.基于HAAR特征和ADABOOST级联分类器识别前方车辆分层检测方法，其特征在于：具体包括以下步骤：/n步骤一、采集实际车辆照片作为正样本，采集包含非车辆交通运输工具的环境物体照片作为负样本；基于所述正样本与负样本建立车辆样本库；/n步骤二、提取所述车辆样本库中样本的Haar特征，并利用AdaBoost算法进行离线训练得到级联分类器；/n步骤三、针对图像采集装置采集的图像提取感兴趣的区域，所述感兴趣的区域包含目标出现的所有潜在区域；/n步骤四、基于距离对所述感兴趣的区域进行分层，对各个分层分别设置相应的目标检测子窗口尺寸最大值、最小值、每个分层中窗口位置移动的滑动步长、每个分层中由尺寸最小...

【技术特征摘要】
1.基于HAAR特征和ADABOOST级联分类器识别前方车辆分层检测方法，其特征在于：具体包括以下步骤：
步骤一、采集实际车辆照片作为正样本，采集包含非车辆交通运输工具的环境物体照片作为负样本；基于所述正样本与负样本建立车辆样本库；
步骤二、提取所述车辆样本库中样本的Haar特征，并利用AdaBoost算法进行离线训练得到级联分类器；
步骤三、针对图像采集装置采集的图像提取感兴趣的区域，所述感兴趣的区域包含目标出现的所有潜在区域；
步骤四、基于距离对所述感兴趣的区域进行分层，对各个分层分别设置相应的目标检测子窗口尺寸最大值、最小值、每个分层中窗口位置移动的滑动步长、每个分层中由尺寸最小值放大至尺寸最大值的放大步长，根据设置好的数据生成全部检测子窗口；
步骤五、将生成的全部检测子窗口输入所述级联分类器，对检测子窗口中对应的物体进行分类判断，最终实现前方车辆的目标识别。


2.如权利要求1所述的方法，其特征在于：所述步骤一中所采集的包含非车辆交通运输工具的环境物体包括道路及其两侧的道路设施、建筑物、行人，并且所述非车辆交通运输工具中不包含危险品运输车辆。

【专利技术属性】
技术研发人员：王武宏，张浩东，成前，蒋晓蓓，侯单懿，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11