基于滑窗搜索的车辆兴趣目标检测方法技术

本发明专利技术提供一种基于滑窗搜索的车辆兴趣目标检测方法，根据当前滑动搜索窗口的检测结果来控制下一次搜索时窗口的滑动速度，如当前滑动搜索窗口的检测结果属于目标兴趣区域，则表明当前窗口周围区域可能属于兴趣目标的概率较高，减速滑动窗口，以更小的滑动步长来进行特征提取；反之，则加速滑动窗口，增大滑动步长。这样重点关注对象的高密度特征区域，对非目标概率较高的区域快速扫描，就大大提高了目标检测的速度。

【技术实现步骤摘要】

本专利技术属于数字图像处理技术。
技术介绍
随着现代计算机技术的发展和计算机视觉原理的广泛应用，利用人工智能和计算机图像处理技术对兴趣目标进行实时跟踪研究越来越热门，对目标进行动态实时跟踪定位在现在化交通系统、智能监控系统、军事目标检测等方面具有广泛的应用价值。车辆兴趣目标一般包括车辆、车牌、车道线、车标等。无论是车牌检测、车标检测、车道线检测、车辆检测、车辆跟踪等场景，从不同天气、光照等复杂场景的视频图像中高效、准确地检测出兴趣目标区域是上述应用的基础。目前，滑窗搜索作为一种常用数字图像检测技术，是通过设定窗口以及窗口评价估计函数，窗口以固定步长在场景内滑动，最后由评价估计函数在窗口区域内进行投票，从而判断窗口区域是属于前景目标(兴趣目标)或背景(非目标)。
技术实现思路
本专利技术所要解决的技术问题是，提供一种高效的。本专利技术为解决上述技术问题所采用的技术方案是，，包括以下步骤:步骤1:根据当前待检测的兴趣目标的先验尺寸信息设定滑动窗口的大小，进入步骤2 ;步骤2:提取滑动搜索窗口内的特征向量VK，根据特征向量Vk建立评价估计函数frR，进入步骤3 ；步骤3:根据评价估计函数/的投票结果判断出当前滑动搜索窗口的检测结果，并判断对当前图片是否搜索完毕，如是，搜索结束，如否，进入步骤4 ；步骤4:根据当前滑动搜索窗口的检测结果来控制下一次搜索时窗口的滑动速度，如当前滑动搜索窗口的检测结果属于目标兴趣区域，则减速滑动窗口，进入步骤2，如当前滑动搜索窗口的检测结果不属于目标兴趣区域，则加速滑动窗口，进入步骤2。本专利技术方法根据当前滑动搜索窗口的检测结果来控制下一次搜索时窗口的滑动速度，如当前滑动搜索窗口的检测结果属于目标兴趣区域，则表明当前窗口周围区域可能属于兴趣目标的概率较高，减速滑动窗口，以更小的滑动步长来进行特征提取；反之，则力口速滑动窗口，增大滑动步长。这样重点关注对象的高密度特征区域，对非目标概率较高的区域快速扫描，就大大提高了目标检测的速度。进一步的，为了单一特征对分类效果的依赖，提供出使用多信息目标特征描述对滑动搜索窗口进行特征向量提取，所述特征向量包括滑动搜索窗口区域内的全局特征、局部特征和仿生特征，所述全局特征包括梯度密度特征、边缘密度特征。更进一歩的，为了简化度密度特征提取的运算复杂度，相比现有方法现在360度各方向上进行投影再降维的做法，本专利技术在计算灰度图像梯度时，将360度圆周均分为8个角度区间，ー个角度区间内的像素构成ー个方向梯度图，对于每个方向梯度图分为8个子图像，每个子图像对应个ー个维度，最終生成ー个64维的特征向量作为梯度密度特征。具体的，仿生特征包括亮度特征、位置特征以及顔色特征。进ー步的，提出使用中心性差异对亮度特征、位置特征以及顔色特征进行描述，简单且快速。本专利技术的有益效果是，具有很高目标识别准确率，且在复杂的环境中鲁棒性強。【附图说明】图1为中心尺度U，轮廓尺度V示意图；图2为滑窗捜索车辆兴趣目标示意图；图3为实施例中采用haar-like特征种类。【具体实施方式】为方便描述本
技术实现思路
，这里首先对ー些现有技术进行定义:定义I梯度。在标量场f中的一点处存在一个矢量G，该矢量方向为f?在该点处变化率最大的方向，其模也等于这个最大变化率的数值，则矢量G称为标量场f的梯度。定义2H0G 特征。方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是ー种在计算机视觉和图像处理中用来进行物体检测的特征描述子，它通过计算和统计图像局部区域的梯度方向直方图来构成特征。但其特征在于其在在一个网格密集的大小统ー的方格単元上计算，而且为了提高精确度使用了重叠的局部对比度归ー化的方法。定义3haar_like特征。哈尔特征(Haar-1 ike)是用于物体识别的ー种数字图像特征，哈尔特征使用检测窗ロ中指定位置的相邻矩形，计算每ー个矩形的像素和并取其差值，然后用这些差值来对图像的子区域进行分类。定义4高斯金字塔。对于大小为wXh的图像I，高斯金字塔Gj由I的几个分辨率减小的高斯图像Ii组成，其中，i={0，I,......j}代表金字塔的级数，图像Ii的大小为(w/21) X (h/21)，图像Ii由两步得到，先高斯平滑处理，用高斯函数生成的核进行滤波，再降采样，通过对进行过高斯平滑处理的图像Ig进行隔行隔列采样而得到。定义5中心性差异。中心性差异是指动物对周边亮的中心暗区域敏感或者对周边暗的中央亮区域敏感这种仿生性差异，描述中心性差异的两个參数中心尺度u和轮廓尺度V,中心尺度u是表示同心圆R1内拥有的亮区或暗区对应的像素点个数,轮廓尺度V是表示当前同心圆R2的半径减去同心圆R1的半径，如附图1所示。定义6权重加强法。权重加强法是将各子特征图的特征值归ー化到同一个范围内后，计算出每ー副特征图的全局极大M和除此全局极大之外的其它局部极大的平均值，再给每ー副特征图乘以加强因子(权重)，实现突出目标贡献大的特征，而消弱贡献小的特征。实施例基于滑窗捜索的车辆兴趣目标检测方法，如附图2所示，包括以下步骤:步骤ー车辆兴趣目标特征描述步骤1.1全局特征描述车辆目标区域通常含有丰富的边缘信息，纹理信息，且边缘分布在相对均匀的目标区域内，根据此特点可构建全局特征对目标边缘进行描述。I)梯度密度描述目标区域含有丰富的梯度边缘信息，应用简化的HOG特征描述，计算灰度图像的梯度，接着将360度圆周均分为8个角度区间，并将梯度方向属于同一角度区间的像素构成ー个方向梯度图(共计8个)，对于每个方向梯度图，将其平分为8个子图像，将每个子图像中的梯度模值求和，构成特征向量中的ー个维度，最终生成ー个8*8=64维的特征向量。2)边缘密度方差描述利用垂直边缘密度对图像区域描述，其定义如下:本文档来自技高网...

【技术保护点】
基于滑窗搜索的车辆兴趣目标检测方法，其特征在于，包括以下步骤：步骤1：根据当前待检测的兴趣目标的先验尺寸信息设定滑动窗口的大小，进入步骤2；步骤2：提取滑动搜索窗口内的特征向量VR，根据特征向量VR建立评价估计函数进入步骤3；步骤3：根据评价估计函数的投票结果判断出当前滑动搜索窗口的检测结果，并判断对当前图片是否搜索完毕，如是，搜索结束，如否，进入步骤4；步骤4：根据当前滑动搜索窗口的检测结果来控制下一次搜索时窗口的滑动速度，如当前滑动搜索窗口的检测结果属于目标兴趣区域，则减速滑动窗口，进入步骤2，如当前滑动搜索窗口的检测结果不属于目标兴趣区域，则加速滑动窗口，进入步骤2。FDA0000405942050000011.jpg,FDA0000405942050000012.jpg

【技术特征摘要】
1.基于滑窗捜索的车辆兴趣目标检测方法，其特征在于，包括以下步骤: 步骤1:根据当前待检测的兴趣目标的先验尺寸信息设定滑动窗ロ的大小，进入步骤2 ； 步骤2:提取滑动搜索窗口内的特征向量Vk，根据特征向量Vk建立评价估计函数/进入步骤3 ； 步骤3:根据评价估计函数/的投票結果判断出当前滑动搜索窗ロ的检测结果，并判断对当前图片是否捜索完毕，如是，搜索结束，如否，进入步骤4 ； 步骤4:根据当前滑动搜索窗ロ的检测结果来控制下一次捜索时窗ロ的滑动速度，如当前滑动搜索窗ロ的检测结果属于目标兴趣区域，则减速滑动窗ロ，进入步骤2，如当前滑动搜索窗ロ的检测结果不属于目标兴趣区域，则加速滑动窗ロ，进入步骤2。2.如权利要求1所述基于滑窗搜索的车辆兴趣目标检测方法，其特征在干， 减速滑动窗ロ的具体方法为:YH(p+l)=dYH(p)； 加速滑动窗ロ的具体方法为:YH(p+l)=a+YH(p)； 其中，YH(p+l)表示下一次捜索时窗ロ的滑动速度；YH(...

【专利技术属性】
技术研发人员：解梅，朱伟，毛河，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：