[發明專利]一種基于超像素分割的車輛輪廓提取方法

有效

• 申請號: 201711219942.9
• 申請日: 2017-11-28
• 公開（公告）號: CN108229316B
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 高飛;葛一粟;林俊輝;張元鳴;盧書芳;肖剛
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 杜立

1.一種基于超像素分割的車輛輪廓檢測方法，包括如下步驟：

步驟1：提取當前場景的背景圖像，記為F_BG；

步驟2：通過相機采集當前交通場景的圖像，記為F；

步驟3：利用基于HOG+SVM的車輛檢測方法獲得車輛區域R；

步驟4：從圖像F中復制區域R中的子圖像，記為F₁；從圖像F_BG中復制R中的子圖像，記為F_bg；

步驟5：通過SLIC方法對圖像F₁進行超像素分割，得到超像素區域集合S＝{R_i|i＝1,2,3,…,n}，其中R_i表示集合S中第i個超像素區域，n表示集合S中的超像素個數；

步驟6：根據式(1)～(3)計算區域R_i的超像素差分均值diff_i，得超像素差分均值集合D_sal＝{diff_i|i＝1,2,3,…,n}，具體如下：

d_pq＝F₁f_Lab(x_p,y_q)-F_bgf_Lab(x_p,y_q) (2)

f_Lab(x_p,y_q)＝L(x_p,y_q)+a(x_p,y_q)+b(x_p,y_q) (3)

其中，N_i表示R_i中的像素數量，d_pq表示R_i中像素(x_p,y_q)在圖像F₁和圖像F_bg間的差分值，x_p和y_q分別表示R_i中像素點的橫坐標和縱坐標，f_Lab(x_p,y_q)表示坐標為(x_p,y_q)的像素在Lab顏色空間中各通道值的和，L(x_p,y_q),a(x_p,y_q)和b(x_p,y_q)分別表示點(x_p,y_q)在Lab各個通道上的值；

步驟7：根據式(4)計算前景差分值集合S_froe＝{s_i|i＝1,2,3,…,n}；

其中，s_i表示區域R_i的前景差分值，λ表示事先給定的前景判斷閾值；

步驟8：計算圖像F₁中超像素的鄰接矩陣M_adj，并計算圖像F₁中區域R_i與之相鄰的超像素數量，記為超像素相鄰數量集合N_adj＝{adj_i|i＝1,2,3,…,n}，其中adj_i表示R_i的相鄰超像素數量；計算R_i鄰接超像素中前景差分值大于s_i的數量num_i，得鄰接顯著數量集合N_sal＝{num_i|i＝1,2,3,…,n}；

步驟9：根據式(5)和(6)計算區域R_i的顯著值t_i，得顯著值集合S_sal＝{t_i|i＝1,2,3,…,n}；

其中，s_avg表示圖像F₁的差分均值；

步驟10：計算F₁圖像邊緣上的超像素集合S_bd＝{Q_j|j＝1,2,3,…,n_bd}，n_bd表示F₁邊緣上的超像素數量；

步驟11：根據式(7)～(9)計算圖像F₁中的超像素背景鄰接矩陣M_bd-adj：

M_bd-adj＝M_adj+M_bd (7)

M_bd＝[a_ij]_n×n (8)

其中M_bd表示F₁中的超像素背景相關性矩陣，a_ij表示區域R_i和Q_j間的相關性；

步驟12：根據式(10)～(13)計算超像素之間的親和度矩陣M_affi：

M_affi＝[v_ij]_n×n (10)

dis_pq＝f_Lab(x_p,y_q) (13)

其中，v_ij表示區域R_i和Q_j之間的親和度，f(R_i)和f(Q_j)分別表示R_i和區域Q_j在Lab空間上的顏色均值；N_i表示R_i中的像素數量，dis_pq表示坐標為(x_p,y_q)的像素在Lab顏色空間中各通道值的和，f(x_p,y_q)可由式(3)求得；

步驟13：根據親和度矩陣M_affi，利用Mainfold Rank方法對其進行排序分類，得到車輛顯著圖F_sal；

步驟14：對圖像F_sal進行OTSU二值化處理，并進行膨脹腐蝕的形態學操作，得到車輛輪廓圖F_car。