一种基于超像素分割的车辆轮廓提取方法.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CN108229316A(43)申请公布日2018.06.29(21)申请号201711219942.9(22)申请日2017.11.28(71)申请人浙江工业大学地址310014浙江省杭州市下城区潮王路18号浙江工业大学科技处(72)发明人高飞葛一粟林俊辉张元鸣卢书芳肖刚(74)专利代理机构杭州浙科专利事务所(普通合伙)33213代理人杜立(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)权利要求书2页说明书5页附图2页(54)发明名称一种基于超像素分割的车辆轮廓提取方法(57)摘要本发明公开了一种基于超像素分割的车辆轮廓检测方法，实现少量处理器性能开销下的车辆轮廓提取方法，提高车辆具体信息提取的准确性；针对车辆轮廓提取问题，通过超像素背景差分，结合区域亲和度分类的方法，实现快速车辆轮廓提取，具有准确率高、速度快的特点，避免了轮廓提取消耗大量处理能力的问题，解决了快速车辆轮廓提取的问题。CN108229316ACN108229316A权利要求书1/2页1.一种基于超像素分割的车辆轮廓检测方法，包括如下步骤：步骤1：提取当前场景的背景图像，记为FBG；步骤2：通过相机采集当前交通场景的图像，记为F；步骤3：利用基于HOG+SVM的车辆检测方法获得车辆区域R；步骤4：从图像F中复制区域R中的子图像，记为F1；从图像FBG中复制R中的子图像，记为Fbg；步骤5：通过SLIC方法对图像F1进行超像素分割，得到超像素区域集合S＝{Ri|i＝1,2,3,…,n}，其中Ri表示集合S中第i个超像素区域，n表示集合S中的超像素个数；步骤6：根据式(1)～(3)计算区域Ri的超像素差分均值diffi，得超像素差分均值集合Dsal＝{diffi|i＝1,2,3,…,n}，具体如下：dpq＝F1.fLab(xp,yq)-FbgfLab(xp,yq)(2)fLab(xp,yq)＝L(xp,yq)+a(xp,yq)+b(xp,yq)(3)其中，Ni表示Ri中的像素数量，dpq表示Ri中像素(xp,yq)在图像F1和图像Fbg间的差分值，xp和yq分别表示Ri中像素点的横坐标和纵坐标，fLab(xp,yq)表示坐标为(xp,yq)的像素在Lab颜色空间中各通道值的和，L(xp,yq),a(xp,yq)和b(xp,yq)分别表示点(xp,yq)在Lab各个通道上的值；步骤7：根据式(4)计算前景差分值集合Sfroe＝{si|i＝1,2,3,…,n}；其中，si表示区域Ri的前景差分值，λ表示事先给定的前景判断阈值；步骤8：计算图像F1中超像素的邻接矩阵Madj，并计算图像F1中区域Ri与之相邻的超像素数量，记为超像素相邻数量集合Nadj＝{adji|i＝1,2,3,…,n}，其中adji表示Ri的相邻超像素数量；计算Ri邻接超像素中前景差分值大于si的数量numi，得邻接显著数量集合Nsal＝{numi|i＝1,2,3,…,n}；步骤9：根据式(5)和(6)计算区域Ri的显著值ti，得显著值集合Ssal＝{ti|i＝1,2,3,…,n}；其中，savg表示图像F1的差分均值；步骤10：计算F1图像边缘上的超像素集合Sbd＝{Rj|j＝1,2,3,…,nbd}，nbd表示F1边缘上的超像素数量；步骤11：根据式(7)～(9)计算图像F1中的超像素背景邻接矩阵Mbd-adj：Mbd-adj＝Madj+Mbd(7)Mbd＝[aij]n×n(8)2CN108229316A权利要求书2/2页其中Mbd表示F1中的超像素背景相关性矩阵，aij表示区域Ri和Rj间的相关性；步骤12：根据式(10)～(13)计算超像素之间的亲和度矩阵Maffi：Maffi＝[vij]n×n(10)dispq＝fLab(xp,yq)(13)其中，vij表示区域Ri和Rj之间的亲和度，f(Ri)和f(Rj)分别表示Ri和区域Rj在Lab空间上的颜色均值；Ni表示Ri中的像素数量，dispq表示坐标为(xp,yq)的像素在Lab颜色空间中各通道值的和，f(xp,yq)可由式(3)求得；步骤13：根据亲和度矩阵Maffi，利用MainfoldRank方法对其进行排序分类，得到车辆显著图Fsal；步骤14：对图像Fsal进行OTSU二值化处理，并进行膨胀腐蚀的形态学操作，得到车辆轮廓图Fcar。3CN108229316A说明书1/5页一种基于超像素分割的车辆轮廓提取方法技术领域[0001]本发明涉及一种基于超像素分割的车辆轮廓检测方法，尤其涉及利用图像识别技术对道路场景中车辆图像进行处理得到车辆轮廓的方法。背景技术[0002]车辆检测是车辆违章检测系