预览加载中,请您耐心等待几秒...
1/9
2/9
3/9
4/9
5/9
6/9
7/9
8/9
9/9

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN106250912A(43)申请公布日2016.12.21(21)申请号201610580711.X(22)申请日2016.07.21(71)申请人成都之达科技有限公司地址610000四川省成都市高新区紫荆北路65号2幢1层65号(72)发明人谢欣霖陈波(74)专利代理机构北京天奇智新知识产权代理有限公司11340代理人杨春(51)Int.Cl.G06K9/62(2006.01)G06K9/00(2006.01)G06K9/46(2006.01)权利要求书1页说明书6页附图1页(54)发明名称基于图像的车辆位置获取方法(57)摘要本发明提供了一种基于图像的车辆位置获取方法,该方法包括:给定机动车特征训练样本图像;在特征训练中,对于每个机动车样本的多方向特征构造简单分类器,并选择迭代误差最小的简单分类器;由多个简单分类器线性组合输出最终分类器,通过最终分类器选择最优阈值,区分机动车样本和非车样本;计算车载图像的对称度量,确定前方机动车是否存在。本发明提出了一种基于图像的车辆位置获取方法,在机动车轮廓识别过程中,充分利用多方向特征信息,兼顾识别过程中的实时性与鲁棒性,而在安全车距监控中,根据相邻两车相对行驶的速度多变性给出全面的考虑,提高了公共交通安全预警管理能力。CN106250912ACN106250912A权利要求书1/1页1.一种基于图像的车辆位置获取方法,其特征在于,包括:给定机动车特征训练样本图像(x1,y1),…,(xN,yN),yi∈{0,1},分别表示非车样本和机动车样本;初始化样本权值δi:式中,p为机动车样本数量;q为非车样本数量;令t=1,…,T,T为总迭代次数,在第t轮特征训练中,对于每一个机动车样本的多方向特征,构造简单分类器ht∈[0,1];h(f(x),p,η)为:当pf(x)<pη时h=1,否则h=0;f(x)为像素x的特征值,η为预设阈值;p为极性函数;2计算训练样本在ht中出现的分类错误率之和:εt=∑[ht(xi)-yi];选择迭代误差ε最小的简单分类器ht;更新训练样本权值:即将εt更新为εtexp[-yiht(xi)],i=1,2,…,N,正则化权值:∑iεt=1;由T个简单分类器线性组合输出最终分类器:通过最终分类器选择最优阈值,利用该阈值区分机动车样本和非车样本;对车载图像捕获设备采集的道路图像进行实时检测与判断,得到当前图像中前车所在的位置后,将水平中轴所在行亮度数据视为横坐标的一维函数g(x),对称轴取为矩形竖直中轴xs,宽度为矩形宽度w,以xs为中点,g(x)=g(xs+u)的奇分量O(u,xs,w)和偶分量E(u,xs,w):E(u,xs,w)=g(xs+u)/2+g(xs-u)/2-w/2≤u≤w/2O(u,xs,w)=g(xs+u)/2-g(xs-u)/2-w/2≤u≤w/2由能量函数计算对称度量:式中,xs为矩形竖直中轴;w为矩形宽度;当S(xs,w)=-1时,表示完全不对称;S(xs,w)=1时,表示完全对称;将上述对称度量进行熵值正则化:SYM=S(xs,w)/4Em其中Em为灰度图像信息熵最大值,当SYM大于预定义阈值时,确定前方机动车存在。2CN106250912A说明书1/6页基于图像的车辆位置获取方法技术领域[0001]本发明涉及机器视觉,特别涉及一种基于图像的车辆位置获取方法。背景技术[0002]随着交通运输业快速发展的同时,道路交通安全问题日益突出,层出不穷的交通事故给社会造成巨大的经济损失和人员生命损失,成为了新的社会不稳定因素。机动车行驶安全状态视觉预警系统有助于改善交通安全性和提高道路安全管理能力,并能够对事故责任认定提供部分可视化证据。虽然机动车视觉安全预警技术已成为目前机动车安全设计的重点,但是现有的安全预警技术均存在一定的局限性。例如前车图像识别方法忽略了机动车轮廓在图像中所表现出的多方向特征信息,导致单一特征下局部有效鉴别信息的损失,未能较好地解决机动车识别过程中实时性与鲁棒性之间的矛盾。在安全车距监控中局限于前后车相对行驶速度的计算,没有解决安全车距监控决策中驾驶员主观反应时间的作用、相邻两车相对行驶状态的多变性等不确定性问题。发明内容[0003]为解决上述现有技术所存在的问题,本发明提出了一种基于图像的车辆位置获取方法,包括:[0004]给定机动车特征训练样本图像(x1,y1),…,(xN,yN),yi∈{0,1},分别表示非车样本和机动车样本;初始化样本权值δi:[0005][0006]式中,p为机动车样本数量;q为非车样本数量;[0007]令t=1,…,T,T为总迭代次数,在第t轮特征训练中,对于每一个机动车样本的多方向特征,构造简单分类器ht∈[0,1]