[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

本發明公開了一種基于超像素分割的車輛輪廓檢測方法，實現少量處理器性能開銷下的車輛輪廓提取方法，提高車輛具體信息提取的準確性；針對車輛輪廓提取問題，通過超像素背景差分，結合區域親和度分類的方法，實現快速車輛輪廓提取，具有準確率高、速度快的特點，避免了輪廓提取消耗大量處理能力的問題，解決了快速車輛輪廓提取的問題。

技術領域

本發明涉及一種基于超像素分割的車輛輪廓檢測方法，尤其涉及利用圖像識別技術對道路場景中車輛圖像進行處理得到車輛輪廓的方法。

背景技術

車輛檢測是車輛違章檢測系統的基礎，而車輛輪廓提取則是車輛類型判斷和汽車顏色判斷等車輛細節判斷的基礎。隨著國內汽車保有量的不斷上升，公安對嫌疑車輛的查找也更加困難，因此車輛違章檢測系統的要求也隨之提高，而通過顏色和車型對車輛進行分類，能更好的將嫌疑車輛的范圍縮小，大大減少了人工查看和比對的工作量。但現有的輪廓提取方法占用大量系統處理能力，嚴重影響了原有違章系統的功能。針對車輛輪廓高效提取問題，提出了一種基于超像素分割的車輛輪廓提取方法。

為了解決車輛輪廓提取問題，國內外學術界、工業界提出了很多方案。其中與本發明較為接近的技術方案包括：吳國偉(基于Sobel算子的車輛輪廓邊緣檢測算法[J].河南科技大學學報:自然科學版,2009,30(6):38-41.)該方法結合車輛本身的實際情況，在傳統soble算子的基礎上，增加了6個方向的模板，并結合去噪算法對車輛邊緣進行檢測，比傳統的soble算子有更好的邊緣提取效果，且計算量小，運算速度較快；但該方法將車輛所有的邊緣提取出來，卻不能判斷是否為車輛的外邊緣，在實際場景中應用有限。紀筱鵬(基于輪廓特征及擴展Kalman濾波的車輛跟蹤方法研究[J].中國圖象圖形學報,2011,16(2):267-272.)該方法基于輪廓特征拐點的車輛分割，通過匹配輪廓特征拐點序列，實現多車輛分割，并通過Kalman濾波對車輛進行跟蹤；該方法能較好的滿足實時性要求，但該方法分割出來的車輛輪廓較為粗糙，且未將圖像中車輛的陰影分割出去，影響車輛顏色判斷和車型判斷，不能較好的應用在違法檢測的系統上。張大奇(基于序列圖像運動分割的車輛邊界輪廓提取算法[J].交通運輸工程學報,2009(3):117-121.)該文章提出了一種基于序列圖像的車輛邊界輪廓提取算法，可以得到真正的車輛區域及其邊界輪廓；但該算法僅適用于車輛沿平直公路行駛，且車輛前后保持大致充分距離的情況，不適用于交通違章系統，且該算法需要加入并行計算才能滿足實時性要求。

綜上所述，當前車輛輪廓提取方案中存在如下不足：

(1)方法使用中并未考慮到實際工程中的運行效率問題，輪廓提取算法占用大量CPU處理能力，算法效率不能滿足實際需求；

(2)多數滿足實時運算要求的方法不能提取較為準確的車輛輪廓；

(3)部分方法對檢測場景要求較高，算法泛化性較差；

車輛輪廓提取是車輛細節判斷的基礎，決定了車輛顏色判斷和車型判斷的準確性，但由于交通場景復雜多變，且實際場景中該部分功能不能占用過多的處理器運算性能，快速準確的車輛輪廓提取算法一直是一個難點。而本發明中提出基于超像素分割的車輛輪廓提取策略，針對復雜道路場景中的運動車輛輪廓提取，能有較好的效果，且僅占用少量CPU處理能力，較好的滿足了實際場景的運行需求。

發明內容

為了解決車輛輪廓提取問題，本發明提供了一種基于超像素分割的車輛輪廓提取方法；為了解決其技術問題所采用的方案包含如下步驟：

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；