[發(fā)明專利]一種基于交通視頻數(shù)據(jù)圖像的確定交通目標(biāo)所在區(qū)域的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310380247.6
• 申請(qǐng)日: 2013-08-27
• 公開（公告）號(hào): CN103455795A
• 公開（公告）日: 2013-12-18
• 發(fā)明（設(shè)計(jì)）人: 韓軍偉;孫立曄;郭雷
• 申請(qǐng)（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06T7/20
• 代理公司: 西北工業(yè)大學(xué)專利中心 61204
• 代理人: 王鮮凱

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域，涉及一種基于交通視頻數(shù)據(jù)圖像的確定交通目標(biāo)所在區(qū)域的方法。

背景技術(shù)

研究駕駛員的視覺(jué)注意力對(duì)于減少交通事故、提高駕駛舒適度、研究智能視覺(jué)導(dǎo)航系統(tǒng)和交互式負(fù)載操控系統(tǒng)均具有重要意義。研究駕駛員的視覺(jué)注意力的目的在于確定交通視頻中引起駕駛員關(guān)注的交通目標(biāo)所在區(qū)域，常見(jiàn)的交通目標(biāo)包括了行人、車輛、交通標(biāo)志等。相較于使用昂貴的高精度相機(jī)、導(dǎo)航儀器、傳感器等硬件設(shè)備來(lái)識(shí)別和定位交通目標(biāo)所在區(qū)域的方法而言，基于計(jì)算視覺(jué)的算法具有成本低、智能度高、易于移植等優(yōu)勢(shì)。目前已有的基于計(jì)算機(jī)視覺(jué)的定位交通目標(biāo)所在區(qū)域的方法大多建立于人體視網(wǎng)膜系統(tǒng)中存在的“中心-周圍對(duì)比機(jī)制”上，通過(guò)計(jì)算顏色、邊緣等底層特征，找出具有明顯中心-周圍差異的區(qū)域、作為可能存在交通目標(biāo)的區(qū)域，然后進(jìn)一步通過(guò)分割、濾波等方法，最終定位出交通目標(biāo)。這些方法雖然取得了較好的效果，卻也具有一些難以克服的缺陷：1）只能識(shí)別出某一種交通目標(biāo)，無(wú)法找出整個(gè)交通場(chǎng)景中的所有可能引起駕駛員關(guān)注的交通目標(biāo)；2）方法繁瑣復(fù)雜；3）未考慮高層視覺(jué)認(rèn)知的指導(dǎo)，不符合真實(shí)的駕駛員視覺(jué)注意力分配情況。4）大多數(shù)是無(wú)監(jiān)督的處理方法，未能充分利用已經(jīng)掌握的交通目標(biāo)的視覺(jué)特征。

發(fā)明內(nèi)容

要解決的技術(shù)問(wèn)題

為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出一種基于交通視頻數(shù)據(jù)圖像的確定交通目標(biāo)所在區(qū)域的方法，是一種眼動(dòng)跟蹤數(shù)據(jù)指導(dǎo)的確定交通目標(biāo)所在區(qū)域的方法。

技術(shù)方案

一種基于交通視頻數(shù)據(jù)圖像的確定交通目標(biāo)所在區(qū)域的方法，其特征在于步驟如下：

步驟1、提取基于物體的特征：

步驟a：訓(xùn)練目標(biāo)檢測(cè)模板：利用Pedro?Felzenszwalb在2010年發(fā)布的可變局部模型方法，訓(xùn)練交通目標(biāo)檢測(cè)模板；

所述Pedro?Felzenszwalb在2010年公布的可變局部模型方法見(jiàn)論文Object?Detection?with?Discriminatively?Trained?Part-Based?Models；

步驟b：用步驟a訓(xùn)練好的模板，對(duì)圖像進(jìn)行濾波，具體過(guò)程為：首先利用下采樣技術(shù)得到每一幅輸入圖像在4個(gè)不同尺度上的圖像，將這4幅各自位于4個(gè)不同尺度上的圖像與步驟a訓(xùn)練好的所有模板逐個(gè)進(jìn)行卷積計(jì)算，得到4幅響應(yīng)圖像；接下來(lái)，將這4幅響應(yīng)圖像進(jìn)行線性插值，使其變換到相同尺寸；然后找出每個(gè)像素在這4幅響應(yīng)圖上的最大響應(yīng)值、組成一幅最大響應(yīng)圖，求最大響應(yīng)圖里的像素平均值，作為此幅圖像關(guān)于當(dāng)前這個(gè)模板的特征值；對(duì)步驟a訓(xùn)練得到的12個(gè)模板，逐一按照上述方法進(jìn)行濾波，就得到了分別對(duì)應(yīng)這個(gè)12個(gè)模板的12個(gè)特征值，將這12個(gè)特征值線性連接成一個(gè)12維的特征向量，代表基于物體的特征；

步驟2、提取運(yùn)動(dòng)特征：