[發明專利]基于滑窗搜索的車輛興趣目標檢測方法

有效

• 申請號: 201310530371.6
• 申請日: 2013-10-31
• 公開（公告）號: CN103605953B
• 公開（公告）日: 2018-06-19
• 發明（設計）人: 解梅;朱偉;毛河
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/54
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 鄒裕蓉

本發明提供一種基于滑窗搜索的車輛興趣目標檢測方法，根據當前滑動搜索窗口的檢測結果來控制下一次搜索時窗口的滑動速度，如當前滑動搜索窗口的檢測結果屬于目標興趣區域，則表明當前窗口周圍區域可能屬于興趣目標的概率較高，減速滑動窗口，以更小的滑動步長來進行特征提取；反之，則加速滑動窗口，增大滑動步長。這樣重點關注對象的高密度特征區域，對非目標概率較高的區域快速掃描，就大大提高了目標檢測的速度。

技術領域

本發明屬于數字圖像處理技術。

背景技術

隨著現代計算機技術的發展和計算機視覺原理的廣泛應用，利用人工智能和計算機圖像處理技術對興趣目標進行實時跟蹤研究越來越熱門，對目標進行動態實時跟蹤定位在現在化交通系統、智能監控系統、軍事目標檢測等方面具有廣泛的應用價值。

車輛興趣目標一般包括車輛、車牌、車道線、車標等。無論是車牌檢測、車標檢測、車道線檢測、車輛檢測、車輛跟蹤等場景，從不同天氣、光照等復雜場景的視頻圖像中高效、準確地檢測出興趣目標區域是上述應用的基礎。

目前，滑窗搜索作為一種常用數字圖像檢測技術，是通過設定窗口以及窗口評價估計函數，窗口以固定步長在場景內滑動，最后由評價估計函數在窗口區域內進行投票，從而判斷窗口區域是屬于前景目標（興趣目標）或背景（非目標）。

發明內容

本發明所要解決的技術問題是，提供一種高效的基于滑窗搜索的車輛興趣目標檢測方法。

本發明為解決上述技術問題所采用的技術方案是，基于滑窗搜索的車輛興趣目標檢測方法，包括以下步驟：

步驟1：根據當前待檢測的興趣目標的先驗尺寸信息設定滑動窗口的大小，進入步驟2；

步驟2：提取滑動搜索窗口內的特征向量V_R，根據特征向量V_R建立評價估計函數進入步驟3；

步驟3：根據評價估計函數的投票結果判斷出當前滑動搜索窗口的檢測結果，并判斷對當前圖片是否搜索完畢，如是，搜索結束，如否，進入步驟4；

步驟4：根據當前滑動搜索窗口的檢測結果來控制下一次搜索時窗口的滑動速度，如當前滑動搜索窗口的檢測結果屬于目標興趣區域，則減速滑動窗口，進入步驟2，如當前滑動搜索窗口的檢測結果不屬于目標興趣區域，則加速滑動窗口，進入步驟2。

本發明方法根據當前滑動搜索窗口的檢測結果來控制下一次搜索時窗口的滑動速度，如當前滑動搜索窗口的檢測結果屬于目標興趣區域，則表明當前窗口周圍區域可能屬于興趣目標的概率較高，減速滑動窗口，以更小的滑動步長來進行特征提取；反之，則加速滑動窗口，增大滑動步長。這樣重點關注對象的高密度特征區域，對非目標概率較高的區域快速掃描，就大大提高了目標檢測的速度。

進一步的，為了單一特征對分類效果的依賴，提供出使用多信息目標特征描述對滑動搜索窗口進行特征向量提取，所述特征向量包括滑動搜索窗口區域內的全局特征、局部特征和仿生特征，所述全局特征包括梯度密度特征、邊緣密度特征。

更進一步的，為了簡化度密度特征提取的運算復雜度，相比現有方法現在360度各方向上進行投影再降維的做法，本發明在計算灰度圖像梯度時，將360度圓周均分為8個角度區間，一個角度區間內的像素構成一個方向梯度圖，對于每個方向梯度圖分為8個子圖像，每個子圖像對應個一個維度，最終生成一個64維的特征向量作為梯度密度特征。

具體的，仿生特征包括亮度特征、位置特征以及顏色特征。進一步的，提出使用中心性差異對亮度特征、位置特征以及顏色特征進行描述，簡單且快速。

本發明的有益效果是，具有很高目標識別準確率，且在復雜的環境中魯棒性強。

附圖說明

圖1為中心尺度u，輪廓尺度v示意圖；