[发明专利]基于场景分类的车辆检测方法

摘要

本发明涉及一种基于场景分类的车辆检测方法，该方法包括：训练分类器；对输入的视频进行场景分类，得到简单场景和复杂场景；对简单场景采用平均帧背景建模算法进行建模，对复杂场景采用高斯背景建模算法进行建模；对背景建模得到的前景二值图进行预处理；在预处理后的各前景块区域上用扫描子窗口进行遍历，提取HOG和LBP特征；将提取的HOG和LBP级联特征用训练好的分类器进行分类，判断是否为运动的车辆。本发明能根据场景复杂度自动选择最匹配的算法，还能同时提取HOG和LBP特征，将两种特征级联作为新的分类器特征，通过这两方面的改进，即保证活动车辆的检测效果，又极大提高系统整体检测速度，从而能更快更准确地定位到要待识别的车辆。

主权项

1.一种基于场景分类的车辆检测方法，其特征在于，包括：训练分类器；对输入的视频进行场景分类，得到简单场景和复杂场景；对所述简单场景采用平均帧背景建模算法进行建模，对所述复杂场景采用高斯背景建模算法进行建模；在输入的视频中，对视频中活动目标进行检测，然后统计检测出来的活动目标块数量和面积，当活动目标数量小于m个，10≤m≤30，并且活动区域面积少于整张图像的n％，40≤n≤70，则判定该视频场景为简单场景，采用平均帧背景建模算法；当活动目标数量大于m个，则可以判定该视频场景为复杂场景，相应的采用高斯背景建模算法；所述平均帧背景建模算法具体包括：第一步：从视频中读取连续的K帧图像，并将每帧图像转化为灰度矩阵DXDX＝{Yi,j,i∈{1,...,M},j∈{1,...,N}}式中，M表示图像帧的行数，N表示图像帧的列数，Yi,j是(i,j)位置像素转变后的灰度值，Yi,j通过下式计算：Yi,j＝0.299×Ri,j+0.587×Gi,j+0.114×Bi,j式中，Ri,j,Gi,j,Bi,j分别是图像在第i行j列上的R、G、B颜色值；第二步：将前K帧灰度矩阵叠加，然后再对叠加结果求平均值得到背景模型Ibgm；第三步：当输入一帧图像Ipresent，将其与背景模型Ibgm求差值，得到差值图像Iabs：Iabs＝|Ipresent‑Ibgm|第四步：将差值图像Iabs二值化，获得前景二值图，即活动目标信息Iforeground；对所述背景建模得到的前景二值图进行预处理；在预处理后的各前景块区域上用扫描子窗口进行遍历，提取HOG和LBP特征；将提取的HOG和LBP级联特征用训练好的分类器进行分类，判断是否为运动的车辆；其中，所述训练分类器，包括：采集车辆正、负样本；采集车辆的正样本图片包括：在实际监控视频中对于车辆在多段不同场景的道路监控视频中，人工截取多张长宽为b*b，50≤b≤200，像素为352*288的车辆图片，所述车辆图片包含完整的车辆；采集车辆的负样本图片包括：在实际监控视频中对于车辆在不同场景的道路监控视频中，采用软件对监控视频的每帧自动切割为长宽为b*b的图片并保存，其中50≤b≤20，在这些图片中选至少20000张不含车辆的图片作为负样本；对每一张正、负样本的图片进行特征选取和提取；根据提取的特征对SVM线性分类器进行训练，得到训练好的分类器。