[發明專利]一種交通場景的感興趣區域分析方法

有效

• 申請號: 201710934866.3
• 申請日: 2017-10-09
• 公開（公告）號: CN107832664B
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 李毅;徐斌;揚硯世;李小劍;張偉
• 申請（專利權）人: 中國電子科技集團公司第二十八研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46
• 代理公司: 北京中知法苑知識產權代理有限公司 11226
• 代理人: 常玉明

本發明公開一種交通場景的感興趣區域分析方法。該方法首先對輸入的彩色交通圖像幀序列進行特征提取，提取包括色彩、統計、紋理、結構等相關特征，將所有提取后的特征進行堆疊，最終得到一個三維數據立方體，即為特征圖像；將特征圖像每一維度進行向量化，得到一個二維矩陣V，對此矩陣進行降維處理，并利用頂點成分分析方法將此矩陣分解成兩個矩陣W與H乘積的形式；對于矩陣H，它的每一列均可以二維化，形成一個與輸入交通圖像大小一致的圖像，在每一張圖中，均有一個感興趣區域。因此，通過提取特征，再進行分解的形式，得到交通場景的感興趣區域，解決了非監督提取交通場景圖像感興趣區域的問題。

技術領域

本發明涉及到一種采用特征圖像分解的形式探索交通場景圖像感興趣區域的分析方法，屬于人工智能技術領域。

背景技術

常見的智能交通圖像處理系統包括四個部分：分割、檢測、識別和跟蹤。對于分割任務而言，研究者常根據視覺經驗或相關先驗采用閾值化方法。對于檢測和識別任務而言，研究者設計不同的描述子，如邊緣、梯度方向直方圖、局部二值模式及擴展形式等來處理。例如，Ruta采用了Canny邊緣檢測算子，并且報道了100％的檢測率，但僅限于一種交通標識。Haar-like特征也被廣泛使用并得到了一定的效果。其它的特征也引起了研究者的關注。HOG就是一種典型的特征，它通過計算統計圖像局部窗口的梯度方向直方圖來構成特征，可以和boosting方法或支持向量機結合用以解決檢測和識別的任務。除交通標識外，車輛和行人也是重要的目標。Negri et al.通過設計一族梯度直方圖描述子和序列boosting分類器實現視頻監控中的行人檢測。Duric et al.利用Darboux運動模型估計交通場景中的車輛相對運動。通過建立貝葉斯模型，Jia et al.討論了前視靜態圖像的車輛檢測，并用馬爾科夫鏈檢測車輛。

盡管不同的方法被提出來處理交通場景圖像，有一個問題尚未被認識及解決。即如何尋找具有普遍意義上的交通場景“感興趣區域”，更多的工作集中精力于利用不同的機器視覺方法來處理交通圖像，提取感興趣區域的不同特征進行分類，從而完成目標檢測識別等任務。但這些特征都是根據目標進行針對性的設計，而且更多利用了空間和紋理信息，針對“感興趣區域是什么”這一更加普遍而根本的問題則研究較少。

發明內容

本發明的目的在于提供一種采用特征圖像分解的形式得到交通場景圖像感興趣區域的分析方法。

本發明提出一種交通場景的感興趣區域分析方法，包括：

S1：對交通場景圖像進行特征提取與組合，形成交通特征圖像；

S2：對獲取的交通特征圖像進行向量化，形成二維矩陣，并對二維矩陣進行降維；

S3：對所述交通特征圖像的降維矩陣進行分解，構成解空間，得到分解結果；

S4：將分解結果轉化為二維矩陣，并歸一化展示為圖像，得到感興趣區域。

進一步的，所述交通特征圖像是對原輸入交通場景圖像I^M×N×L的顏色、統計、紋理、結構特征信息的提取，將提取信息組合成一個三維空間向量；所述三維空間向量的兩維表示圖像長寬，與所述原輸入交通場景圖像大小一致，另一維表示特征個數；其中M和N分別表示圖像長寬，L表示圖像光譜維度。

具體的，所述顏色特征信息I^c是原輸入交通場景圖像紅綠藍三通道信息以及HIS顏色空間中的色度和飽和度成分，具體為：

其中，I^r，I^g和I^b分別表示輸入圖像I的紅綠藍三波段，H，S和表示HIS空間的色度，飽和度和亮度，θ₁表示中間變量。