一种基于CEMGM-FE-FCN的车辆三维尺寸信息提取方法技术

本发明专利技术涉及基于CEMGM

【技术实现步骤摘要】
一种基于CEMGM
‑
FE
‑
FCN的车辆三维尺寸信息提取方法


[0001]本专利技术涉及图像处理与机器学习领域，是一种对车辆三维尺寸进行提取的方法。

技术介绍

[0002]针对车辆三维尺寸的提取问题，常见的单目视觉系统有面向任务的视觉系统、引入机器学习的视觉系统，以及基于模型的视觉系统。传统的基于图像中车道线消失点的车距测量方法，依据车道线在图像上的倾角，估计车道线在图像上的交点从而计算目标距离，由于交点是通过估计获得的，距离测量的准确性依赖于估计的准确性。而在存在环境干扰的情况下提取车辆的三维尺寸信息所需考虑的因素更多，主要干扰之一就是车辆之间的粘连和遮挡，当摄像机相对地面不是很高时粘连误差更是不容忽视。同时，传统的深度估计算法在低纹理或纹理丢失的图像区域表现较差，预测深度值与实际深度值存在尺度因子，图像深度预测精度还有待提高。
[0003]随着多媒体技术的不断进步，每天都有海量的图像和视频信息产出，其中存在大量取景于真实场景的素材，这些多媒体素材很难全面地反映事物的量化属性。目前，高速公路上的工本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CEMGM
‑
FE
‑
FCN的车辆三维尺寸信息提取方法，本发明其特征在于：(1)确定图像均值μ，(2)期望最大化，(3)迭代得到最终的CEMGM模型，(4)确定图片背景色G，(5)去除阴影遮罩，(6)提取图像特征信息，(7)确定深度估计图像，(8)确定车辆三维尺寸l,w,h；具体包括以下八个步骤；技术方案实施步骤如下：(1)确定图像均值μ；在图像上进行尺寸划分，并在每个划分得到的块中随机采样n个像素，指定距离阈值T1,T2，针对像素强度使用Canopy算法进行预划分；根据欧式距离和汉明距离的均值粗略估算聚类中心c
i
，即为概率分布参数μ初始化值；(2)期望最大化；期望(Expect，E)步骤，将所需参数的初始化值或上一次迭代后得到的迭代值带入下述公式；式中，z表示隐性变量，表示第j个数据在第k个分模型隐性变量，k表示K个混合模型中第k个分模型，α
k
表示混合系数，即选择第k个分模型的概率，θ
k
表示均值参数与协方差矩阵参数的集合，θ
i
＝{θ1,θ2,
···
,θ
k
}，α
i
＝{α1,α2,
···
,α
k
}，y
j
表示观测数据，P(y
j
|θ
k
)是第j个数据在第k个分模型的高斯分布密度；最大(Max，M)步骤，将E步骤中计算出的z的当前估计值带入求最大似然估计的公式，来获得新的参数值如下；获得新的参数值如下；获得新的参数值如下；式中，μ
k
表示均值，μ
k
表示估计均值，Σ
k
表示协方差矩阵，Σ
k
表示估计协方差矩阵，α
k
表示混合系数，α
k
表示估计混合系数，n表示样本数，表示估计混合系数，n表示样本数，表示条件均值，表示样本矫正协方差；(3)重复步骤(2)，直到收敛，得到最终的CEMGM模型；
θ
k
＝(μ
k
,Σ
k
)；式中，P(y|θ)表示所有观测数据在所有分模型的高斯分布密度，P(y|θ
k
)表示所有观测数据在第k个分模型的...

【专利技术属性】
技术研发人员：庄育锋，马欣雨，王松，胡燕祝，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：