视频监控多视角车辆检测方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103514460103514460A(43)申请公布日2014.01.15(21)申请号201310326911.9(22)申请日2013.07.30(71)申请人深圳市智美达科技有限公司地址518000广东省深圳市南山区科苑路11号金融科技大厦17楼ABCD单元(72)发明人雷明(74)专利代理机构广州华进联合专利商标代理有限公司44224代理人何平(51)Int.Cl.G06K9/66(2006.01)G06K9/00(2006.01)权权利要求书3页利要求书3页说明书7页说明书7页附图2页附图2页(54)发明名称视频监控多视角车辆检测方法和装置(57)摘要本发明公开了一种视频监控多视角车辆检测方法和装置，所述方法包括：基于图像样本的梯度通道特征和LUV通道特征，通过Adaboost训练算法进行训练，得到多个检测尺度对应的树状级联Adaboost分类器，所述树状级联Adaboost分类器包括多个级联分类器分支，每一级联分类器分支用于检测图像中预设视角范围内的车辆目标；输入待检测的视频图像；根据待检测的视频图像的梯度通道特征和LUV通道特征，用所述多个检测尺度对应的树状级联Adaboost分类器对输入的所述视频图像进行识别，得到每个检测尺度对应的视频图像中的车辆目标检测结果；合并多个检测尺度对应的树状级联Adaboost分类器的车辆目标检测结果。应用本发明技术方案，能够提高目标检测的准确性以及提高处理效率。CN103514460ACN103546ACN103514460A权利要求书1/3页1.一种视频监控多视角车辆检测方法，所述方法包括:基于图像样本的梯度通道特征和LUV通道特征，通过Adaboost训练算法进行训练，得到多个检测尺度对应的树状级联Adaboost分类器，所述树状级联Adaboost分类器包括多个级联分类器分支，每一级联分类器分支用于检测图像中预设视角范围内的车辆目标；输入待检测的视频图像；根据待检测的视频图像的梯度通道特征和LUV通道特征，用所述多个检测尺度对应的树状级联Adaboost分类器对输入的所述视频图像进行识别，得到每个检测尺度对应的视频图像中的车辆目标检测结果；合并多个检测尺度对应的树状级联Adaboost分类器的车辆目标检测结果。2.根据权利要求1所述的方法，其特征在于，所述基于图像样本的梯度通道特征和LUV通道特征，通过Adaboost训练算法进行训练的步骤包括：输入包含预设视角范围内的车辆目标的图像样本；提取所述图像样本的梯度通道特征和LUV通道特征；基于所述梯度通道特征和所述LUV通道特征，采用Adaboost训练算法进行训练，得到对应于所述预设视角范围的级联分类器分支。3.根据权利要求2所述的方法，其特征在于，所述提取图像样本的梯度通道特征和提取图像样本的LUV通道特征的步骤包括分别在图像的RGB空间以及LUV空间执行下列步骤：对图像进行平滑；计算图像中像素点(x,y)的图像值在图像宽度方向的导数dx，以及图像中像素点(x,y)的图像值在图像高度方向的导数dy，其中x为像素点在图像宽度方向坐标，y为像素点图像高度方向坐标；以公式计算图像中像素点(x,y)对应的梯度模M，由各像素点的梯度模M作为图像值得到梯度模图像M(x,y)；将-90度至90度范围的梯度方向分为6个方向，每个方向30度，每个方向对应一梯度方向图像以公式计算图像中像素点(x,y)对应的梯度方向θ，若θ位于第j个方向，则第j个方向对应的梯度方向图像以公式计算图像值，其中1≤j≤6，为整数；计算梯度模图像M(x,y)、梯度方向图像对应的通道积分图像Ii(x,y)，通道积分图像Ii(x,y)在(x,y)处的图像值为通道积分图像Ii(x,y)对应的梯度模图像M(x,y)或梯度方向图像位于(x,y)处左上角所有图像值的累加，其中1≤j≤6，1≤i≤7，为整数；以公式F(i,x,y,w,h)=a+d-b-c计算通道积分图像Ii(x,y)对应的梯度通道特征F(i,x,y,w,h)，其中a=Ii(x,y)，b=Ii(x+w,y)，c=Ii(x,y+h)，d=Ii(x+w,y+h)，1≤i≤7，w取值为1至预设的检测宽度，h取值为1至预设的检测高度。2CN103514460A权利要求书2/3页4.根据权利要求1或2所述的方法，其特征在于，所述树状级联Adaboost分类器包括n级分类器，n大于1，为整数；第一级分类器用于检测与车辆中轴线相差45度视角范围内的车辆目标；当n≥大于等于2时，所述树状级联Adaboost分类器包括第一级联分类器分支、第二级联分类器分支和第三级联分类器分支，所述第一级联分类器分支用于检测与车辆中轴线相差15度视角