车辆检测方法和装置制造方法及图纸

本发明专利技术实施例涉及图像检测技术领域，特别涉及车辆检测方法和装置。本发明专利技术提供的方法，包括：对采集的当前图像帧的兴趣区域进行扫描；将扫描得到的兴趣区域图像划分为多个检测区域，分别提取每个检测区域的LBP特征属性；将每个检测区域的LBP特征属性对应的向量集分别与预置的超平面计算点积，获得各检测区域对应的待检测值；如果各检测区域对应的待检测值中的最大值大于预置阈值，则所述当前图像帧中存在车辆。本发明专利技术提供的装置包括：扫描模块、特征属性提取确定模块、待检测值获取模块和车辆确定模块。本发明专利技术提供的车辆检测方法和装置，可以方便、准确的检测实际路况，便于车辆交通管理。

【技术实现步骤摘要】

本专利技术涉及图像检测
，特别涉及一种车辆检测方法和装置。
技术介绍
随着社会经济的发展，汽车在人们日常生活中扮演一个不可或缺的角色，然而汽车数量的日益增多，也给城市交通管理带来巨大挑战。智能交通已经成为如今城市交通管理的重要手段，而车辆检测作为智能交通中的车辆监控、车流统计、车辆违章检测的重要的技术基础，为高清电子警察系统、路径二义性系统等目前智能交通领域的重要管理系统提供基础保障，其检测效率直接关系到车辆抓拍以及车牌识别的性能。传统的车辆检测手段是在路面下方埋设地感线圈，当有车辆经过时，线圈的电感量发生变化，使得输出的电信号也随之发生变化，形成车辆检测信号，进而得到车流量等交通信息。在实际应用中，该方法施工维护费用较高，还要对路面进行破坏，走线复杂不利于防干扰和防雷，同时也存在探测信息不全面，易受外界环境影响等缺点。为了取代这种车辆检测方法，近年来，市场上推出一种利用视频触发代替线圈触发的技术，多数采用基于车牌的视频检测方法来定位车辆。这就使得对于没有车牌的车辆的检测无法实现，而没有车牌的车辆在车辆违章检测、路径二义性等管理系统中正是需要着重处理的一部分。
技术实现思路
本专利技术实施例提供的一种车辆检测方法和装置，可以方便、准确的检测实际路况， 便于车辆交通管理。本专利技术实施例提供的一种车辆检测方法，包括 对采集的当前图像帧的兴趣区域进行扫描；将扫描得到的兴趣区域图像划分为多个检测区域，分别提取每个检测区域的局部二值模式特征属性；将每个检测区域的局部二值模式特征属性对应的向量集分别与预置的超平面计算点积，获得各检测区域对应的待检测值；如果各检测区域对应的待检测值中的最大值大于预置阈值，则所述当前图像帧中存在车辆。相应的，本专利技术实施例还提供了一种车辆检测装置，包括 扫描模块，用于对采集的当前图像帧的兴趣区域进行扫描；特征属性提取模块，用于将扫描得到的兴趣区域图像划分为多个检测区域，分别提取每个检测区域的局部二值模式特征属性；待检测值获取模块，用于将每个检测区域的局部二值模式特征属性对应的向量集分别与预置的超平面计算点积，获得各检测区域对应的待检测值；车辆确定模块，用于判断所述多个待检测值中数值最大的待检测值是否大于预置阈值，当所选取的待检测值大于所述预置阈值时，确定所述当前图像帧中存在车辆。使用本专利技术实施例提供的车辆检测方法和装置，通过获取局部二值模式局部二值模式特征属性，并结合线性支持向量机训练得到的超平面，确定当前图像帧中是否存在车辆，从而弥补了现有技术中车辆漏检的情况，并降低了车辆监控中的误报率，为电子警察项目、路径二义性项目等提供了有力的基础。附图说明图1为本专利技术的车辆检测方法流程示意图2为本专利技术的车辆检测方法中基本LBP特征属性的流程示意图； 图3为本专利技术的车辆检测方法中确定超平面的流程示意图； 图4为本专利技术具体实施例中车辆检测方法中提取LBP特征属性的流程示意图； 图5为本专利技术实施例中车辆检测装置结构示意图。具体实施例方式下面结合说明书附图对本专利技术实施例作进一步详细描述。为了解决现有技术存在的问题，本专利技术实施例提供了一种车辆检测方法，如图1 所示，包括以下步骤步骤101，对采集的当前图像帧的兴趣区域进行扫描。具体地，通过摄像机采集图像后，对选取的当前图像帧的兴趣区域进行扫描。其中，可以根据实际道路路口的车道数目、一般情况下车身在图像帧中的位置等因素，确定兴趣区域的位置。步骤102，将扫描得到的兴趣区域图像划分为多个检测区域，分别提取每个检测区域的局部二值模式(LBP，Local Binary Patterns)特征属性。具体地，分别提取每个检测区域中图像的每个像素点的LBP 二进制序列；将每个像素点的LBP 二进制序列转化为十进制数值作为LBP特征属性；筛选出属于预定的基本 LBP特征属性的十进制数值；在属于预定的基本LBP特征属性的十进制数值中，获取出现次数最多的十进制数值以及其出现次数；将属于所述预定的基本LBP特征属性的十进制数值出现的次数、与所述出现次数最多的十进制数值以及其出现次数作为向量元素，组成初始数组向量；对初始数组向量进行标准化处理，获得局部二值模式LBP特征属性对应的数组向量。较佳的情况，上述初始数组向量中的向量元素，还包括检测区域中图像的每个像素点的LBP 二进制序列转化为十进制数值后，所有十进制数值中不属于所述基本LBP特征属性的十进制数值出现的次数总和。这样可以更加强调车辆图像与非车辆图像之间的差异性。其中，可以根据预置的具有车辆的图像帧，获得预定的基本LBP特征属性；而且， 该预定的基本LBP特征属性对应车辆的常规纹理特征；常规纹理特征一般包括车辆的直线纹理特征、车辆的拐角纹理特征、车辆的边缘纹理特征、或车辆的平面纹理特征等。步骤103，将每个检测区域的LBP特征属性对应的向量集分别与预置的超平面计算点积，获得各检测区域对应的待检测值。 其中，可以对预定的基本LBP特征属性对应的初始数组向量，进行标准化处理；然后使用训练分类器，对所述标准化处理后得到的数组向量进行训练，获得上述预置的超平步骤104，如果各检测区域对应的待检测值中的最大值大于预置阈值，则所述当前图像帧中存在车辆。该预置阈值为经验值，一般在车辆路口光线充足的条件下，该值为0 ；若车辆路口光线不充足，容易导致采集的图像清晰度较差，此时可以根据实际情况以及经验调整该阈值。当选取的待检测值大于预置阈值时，确定当前图像帧中存在车辆。当待检测值不大于预置阈值时，确定当前图像帧中不存在车辆，检测当前图像帧的下一图像帧。较佳的， 当确定当前图像帧中存在车辆后，可以触发车辆跟踪和/或车牌识别和/或车辆违章检测等相关的其他方面的车辆检测。本专利技术实施例提供的车辆检测方法主要应用在城市道路的各个路口，通过采集路口图像，确定其LBP特征属性，并与预置的超平面计算点积，将获得的待检测值与预置阈值进行比较，从而确定当前路口是否存在车辆。下面通过具体实施例对本专利技术提供的车辆检测方法，进行详细说明，具体包括以下步骤在对车辆图像帧进行车辆检测前，还需要预先确定基本LBP特征属性和超平面。首先，确定基本LBP特征属性，具体过程如图2所示，包括 步骤201，对预置的具有车辆的图像帧的兴趣区域进行扫描。具体地，该图像帧的兴趣区域可以为一个或者多个，可以根据实际道路路口的车道数目、一般情况下车身在图像帧中的位置等因素，确定兴趣区域的位置。例如，在图像帧中，以车尾的位置为起始线，车辆的车身中间线所在直线为终止线，将该起始线和终止线之间的区域设为兴趣区域。步骤202，将扫描得到的兴趣区域图像划分为多个检测区域。具体地，可以按照预定规则，将该兴趣区域图像划分为多个检测区域，该多个检测区域组合后可以为整个兴趣区域，也可以为部分兴趣区域。该预定规则可以由用户根据实际需要进行设定，例如将整个区域划分为3X4的区域，即横向均分为3块，纵向均分为4 块，或者可以按照预定的检测区域模板划分检测区域。步骤203，分别提取每个检测区域的LBP 二进制序列。具体地，将检测区域中图像的每个像素点的灰度值与其周围对称邻域内的所有像素点的灰度值进行比较，若邻域内某一个像素点的灰度值大于位于中心的像素点的灰度值，则将邻域内的该像素点的LBP值置为1 ；否则，本文档来自技高网...

【技术保护点】
１．一种车辆检测方法，其特征在于，该方法包括：对采集的当前图像帧的兴趣区域进行扫描；将扫描得到的兴趣区域图像划分为多个检测区域，分别提取每个检测区域的局部二值模式特征属性；将每个检测区域的局部二值模式特征属性对应的向量集分别与预置的超平面计算点积，获得各检测区域对应的待检测值；如果各检测区域对应的待检测值中的最大值大于预置阈值，则所述当前图像帧中存在车辆。

【技术特征摘要】

【专利技术属性】
技术研发人员：温炜，晏峰，范云霞，延瑾瑜，张滨，张欢欢，
申请(专利权)人：北京汉王智通科技有限公司，
类型：发明
国别省市：11