[發明專利]基于場景分類的車輛檢測方法

有效

• 申請號: 201510318709.0
• 申請日: 2015-06-11
• 公開（公告）號: CN104978567B
• 公開（公告）日: 2018-11-20
• 發明（設計）人: 嚴國建
• 申請（專利權）人: 武漢大千信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 武漢智盛唯佳知識產權代理事務所(普通合伙) 42236
• 代理人: 胡紅林

本發明涉及一種基于場景分類的車輛檢測方法，該方法包括：訓練分類器；對輸入的視頻進行場景分類，得到簡單場景和復雜場景；對簡單場景采用平均幀背景建模算法進行建模，對復雜場景采用高斯背景建模算法進行建模；對背景建模得到的前景二值圖進行預處理；在預處理后的各前景塊區域上用掃描子窗口進行遍歷，提取HOG和LBP特征；將提取的HOG和LBP級聯特征用訓練好的分類器進行分類，判斷是否為運動的車輛。本發明能根據場景復雜度自動選擇最匹配的算法，還能同時提取HOG和LBP特征，將兩種特征級聯作為新的分類器特征，通過這兩方面的改進，即保證活動車輛的檢測效果，又極大提高系統整體檢測速度，從而能更快更準確地定位到要待識別的車輛。

技術領域

本發明涉及監控視頻的檢索，具體地指一種基于場景分類的車輛檢測方法。

背景技術

在刑偵業務中，車輛檢測就是通過輸入的視頻判斷是否包含待檢測的運動車輛，如果包含則確定目標所在位置。在實際視頻偵查中，偵查員常常根據車輛的活動畫面和軌跡來快速鎖定、排查和追蹤嫌疑目標。傳統的人工瀏覽視頻偵查模式需要耗費大量的人力和時間，容易貽誤破案時機。因此，精準快速的車輛檢測技術便于視頻偵查員快速、準確地發現嫌疑目標活動畫面和軌跡，對公安部門提高破案率、維護人民群眾生命財產安全具有重要意義。

但是，現有的車輛檢測的步驟如圖1所示，一般包括以下步驟：當利用車輛正負樣本選取和提取特征后，便可利用這些特征訓練分類器。得到了分類器后，首先是對輸入視頻幀進行背景建模，然后提取特征，最后將提取的特征給訓練好的分類器，判斷是否存在想要檢測的目標。

其中，在上述現有的車輛檢測步驟中，背景建模算法的效果會直接影響到車輛檢測的效果，目前，一般的背景建模常常對不同的視頻場景，只采用平均幀背景建模算法、VIBE背景建模算法、高斯背景建模算法中的一種算法進行背景建模。具體地，平均幀背景建模算法是通過求取連續視頻序列固定位置上像素平均值，用該值表示當該位置像素點的背景模型的算法；高斯背景建模方法，首先對圖像的每個像素或其他紋理特征建立一個或多個高斯背景模型，然后通過比較待檢圖像和背景模型的差異，來檢測圖像中的前景區域和背景區域；VIBE背景模型針對每個背景點保存了一個樣本集，通過比較每一個新的像素點和樣本集來判斷該新像素點是否屬于背景點。

然而在實際監控環境下，因為場景光照變化、氣候變化或者攝像機本身的抖動等都會導致視頻背景發生改變，這些因素給背景建模帶來困難。雖然目前對復雜場景下的背景建模已經有很多研究，但目前還沒有一種算法能全部解決上述所有問題。例如：平均幀背景建模算法和VIBE背景建模算法速度快，但是只針對簡單的視頻場景(主要是光照變化小的場景)有效；高斯背景建模算法，對復雜變化的場景具有比較好的魯棒性，但是速度很慢，背景更新速度緩慢不利于實時檢測。

此外，在上述現有的車輛檢測步驟中，提取特征通常只是提取了圖片的HOG特征用于檢測，導致圖像目標的視覺特征比較單一，辨識度不強，對噪聲、光照變化、運動車輛的形變等魯棒性不強。

發明內容

本發明目的在于克服上述現有技術的不足，而提出一種基于場景分類的車輛檢測方法，該方法能根據場景復雜度自動選擇最匹配的算法；還能在提取梯度特征HOG的基礎上，同時提取紋理特征LBP，將兩種特征級聯作為新的分類器特征，通過這兩方面的改進，即保證活動車輛的檢測效果，又極大提高系統整體檢測速度，從而能更快更準確地定位到要待識別的車輛。

實現本發明目的采用的技術方案是：一種基于場景分類的車輛檢測方法，該方法包括：

訓練分類器；

對輸入的視頻進行場景分類，得到簡單場景和復雜場景；對所述簡單場景采用平均幀背景建模算法進行建模，對所述復雜場景采用高斯背景建模算法進行建模；

對所述背景建模得到的前景二值圖進行預處理；

在預處理后的各前景塊區域上用掃描子窗口進行遍歷，提取HOG和LBP特征；