[發(fā)明專利]一種靜態(tài)車輛目標(biāo)快速檢測方法及裝置

有效

• 申請?zhí)枺?/td>: 201410647240.0
• 申請日: 2014-11-14
• 公開（公告）號: CN104463104B
• 公開（公告）日: 2018-06-08
• 發(fā)明（設(shè)計）人: 黎曦;許楠;程莉
• 申請（專利權(quán)）人: 武漢工程大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/00;G06N3/02;G08G1/01
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 唐萬榮

1.一種靜態(tài)車輛目標(biāo)快速檢測方法，包括以下步驟：

1)圖像采集：獲取交通道路上拍攝的高清車輛圖片；

2)圖像預(yù)處理：把車輛圖片大小進行歸一化并轉(zhuǎn)化為灰度圖；

3)提取熵信息：利用搜索框?qū)D片進行像素級遍歷，并提取出每個遍歷搜索框中局部圖像的脈沖迭代平均熵信息；

所述步驟3)中迭代平均熵計算使用脈沖耦合神經(jīng)網(wǎng)絡(luò)模型，具體為：脈沖耦合神經(jīng)網(wǎng)絡(luò)模型對輸入的圖片進行迭代激發(fā)，每個迭代周期都能輸出一幅二值圖像，提取全部二值圖像的熵值，形成了圖像的PCNN脈沖迭代熵序列特征，把這個特征序列進行加和平均，得到用于車輛判斷的脈沖迭代平均熵特征；所述脈沖耦合神經(jīng)網(wǎng)絡(luò)模型是由若干個脈沖耦合神經(jīng)網(wǎng)絡(luò)神經(jīng)元相互連接所構(gòu)成的反饋型網(wǎng)絡(luò)，每一個神經(jīng)元由輸入部分、內(nèi)部調(diào)制器和脈沖產(chǎn)生器組成；

4)車輛目標(biāo)粗定位：把局部圖片的脈沖迭代平均熵與設(shè)定的車輛目標(biāo)閾值熵進行比較，取脈沖迭代平均熵值大于目標(biāo)閾值的局部圖片作為車輛目標(biāo)粗定位圖片，并相應(yīng)確定車輛目標(biāo)粗定位區(qū)域；

5)確定車輛目標(biāo)：通過對車輛目標(biāo)粗定位圖片進行位置關(guān)系比較，排除掉重復(fù)的圖片，并保留同一圖片區(qū)域內(nèi)脈沖迭代平均熵值最大的車輛圖片作為目標(biāo)車輛搜索結(jié)果；

6)在原始大圖像中框出車輛目標(biāo)，完成車輛目標(biāo)的定位。

2.根據(jù)權(quán)利要求1所述的靜態(tài)車輛目標(biāo)快速檢測方法，其特征在于，所述步驟3)中搜索框采用多尺寸的搜索框。

3.一種靜態(tài)車輛目標(biāo)快速檢測裝置，包括：

1)圖像采集單元，用于獲取交通道路上拍攝的高清車輛圖片；

2)圖像預(yù)處理單元，用于把車輛圖片大小進行歸一化并轉(zhuǎn)化為灰度圖；

3)提取熵信息單元，用于利用搜索框?qū)D片進行像素級遍歷，并提取出每個遍歷搜索框中局部圖像的脈沖迭代平均熵信息；

所述提取熵信息單元中提取出每個遍歷搜索框中局部圖像的脈沖迭代平均熵信息采用以下方法：使用脈沖耦合神經(jīng)網(wǎng)絡(luò)模型對輸入的圖片進行迭代激發(fā)，每個迭代周期都能輸出一幅二值圖像，提取全部二值圖像的熵值，形成了圖像的PCNN脈沖迭代熵序列特征，把這個特征序列進行加和平均，得到用于車輛判斷的脈沖迭代平均熵特征；所述脈沖耦合神經(jīng)網(wǎng)絡(luò)模型是由若干個脈沖耦合神經(jīng)網(wǎng)絡(luò)神經(jīng)元相互連接所構(gòu)成的反饋型網(wǎng)絡(luò)，每一個神經(jīng)元由輸入部分、內(nèi)部調(diào)制器和脈沖產(chǎn)生器組成；

4)車輛目標(biāo)粗定位單元，用于把局部圖片的脈沖迭代平均熵與設(shè)定好的車輛目標(biāo)閾值熵進行比較，取脈沖迭代平均熵值大于判定閾值的局部區(qū)域圖片作為車輛目標(biāo)粗定位圖片，并相應(yīng)確定車輛目標(biāo)粗定位區(qū)域；

5)確定車輛目標(biāo)單元，用于對車輛目標(biāo)粗定位圖片進行位置關(guān)系比較，排除掉重復(fù)的圖片，保留同一區(qū)域內(nèi)脈沖迭代平均熵值最大的車輛圖片作為目標(biāo)車輛搜索結(jié)果；

6)定位單元，用于在原始大圖像中框出車輛目標(biāo)，完成車輛目標(biāo)的定位。

4.根據(jù)權(quán)利要求3所述的靜態(tài)車輛目標(biāo)快速檢測裝置，其特征在于，所述提取熵信息單元中搜索框為多尺寸的搜索框。