国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種低分辨率下的快速車(chē)輛檢測(cè)方法及裝置制造方法

      文檔序號(hào):6539781閱讀:176來(lái)源:國(guó)知局
      一種低分辨率下的快速車(chē)輛檢測(cè)方法及裝置制造方法
      【專(zhuān)利摘要】本發(fā)明涉及一種低分辨率下的快速車(chē)輛檢測(cè)方法及裝置,包括以下步驟:采集預(yù)定數(shù)目的車(chē)輛圖片作為訓(xùn)練樣本,將訓(xùn)練樣本調(diào)整到預(yù)定像素大?。粡乃鲇?xùn)練樣本中提取車(chē)輛特征并保存;在視頻中抽取圖片;將抽取的圖片進(jìn)行等比例收縮,得到變分辨率的圖片組;根據(jù)保存的車(chē)輛特征,用與訓(xùn)練樣本同樣像素大小的檢測(cè)窗口對(duì)圖片組進(jìn)行遍歷,提取圖片組中相應(yīng)位置的haar-like特征,并根據(jù)haar-like特征和從訓(xùn)練樣本中保存的車(chē)輛特征進(jìn)行檢測(cè)配比,將具有所述車(chē)輛特征的物體分為同類(lèi);將檢測(cè)到的與所述車(chē)輛特征相同的物體的位置和矩形大小均記錄下來(lái),完成檢測(cè)。本發(fā)明用最少的運(yùn)算量獲得很好的車(chē)輛檢測(cè)效果,實(shí)現(xiàn)了車(chē)輛檢測(cè)的快速性與準(zhǔn)確性。
      【專(zhuān)利說(shuō)明】一種低分辨率下的快速車(chē)輛檢測(cè)方法及裝置
      【技術(shù)領(lǐng)域】
      [0001]本發(fā)明涉及計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域,具體涉及一種低分辨率下的快速車(chē)輛檢測(cè)方法及裝置。
      【背景技術(shù)】
      [0002]目前,“智能交通”與“電子警察系統(tǒng)”需求范圍越來(lái)越廣泛,它能全自動(dòng)地檢測(cè)車(chē)輛并監(jiān)控車(chē)輛的行駛,當(dāng)發(fā)現(xiàn)違規(guī)行駛車(chē)輛時(shí)能自動(dòng)抓拍證據(jù)圖片,并自動(dòng)記錄車(chē)輛相關(guān)信息。
      [0003]然而對(duì)車(chē)輛檢測(cè),特別是它的快速性和準(zhǔn)確性是目前技術(shù)解決的難題。只有實(shí)現(xiàn)了算法的快速性,才能在更低成本的硬件平臺(tái)上處理更多的視頻通道,真正實(shí)現(xiàn)低成本高質(zhì)量;只有實(shí)現(xiàn)了算法準(zhǔn)確性,才能有更準(zhǔn)確可靠的產(chǎn)品,才能真正在各個(gè)道路上廣泛使用。

      【發(fā)明內(nèi)容】

      [0004]本發(fā)明的目的在于提供一種低分辨率下的快速車(chē)輛檢測(cè)方法及裝置,解決了現(xiàn)有的交通攝像頭以及檢查系統(tǒng)無(wú)法將高速行駛的車(chē)輛高精度高質(zhì)量抓拍下來(lái)的問(wèn)題。
      [0005]為解決上述的技術(shù)問(wèn)題,本發(fā)明采用以下技術(shù)方案:一種低分辨率下的快速車(chē)輛檢測(cè)方法,包括以下步驟:
      步驟一,采集預(yù)定數(shù)目的車(chē)輛圖片作為訓(xùn)練樣本,將訓(xùn)練樣本調(diào)整到預(yù)定像素大??; 步驟二,從所述訓(xùn)練樣本中提取車(chē)輛特征并保存;
      步驟三,在視頻中抽取圖片;
      步驟四,將抽取的圖片進(jìn)行等比例收縮,得到變分辨率的圖片組;
      步驟五,根據(jù)保存的車(chē)輛特征,用與訓(xùn)練樣本同樣像素大小的檢測(cè)窗口對(duì)圖片組進(jìn)行遍歷,提取圖片組中相應(yīng)位置的haar-like特征,并根據(jù)haar-like特征和從訓(xùn)練樣本中保存的車(chē)輛特征進(jìn)行檢測(cè)配比,將具有所述車(chē)輛特征的物體分為同類(lèi);
      步驟六,將檢測(cè)到的與所述車(chē)輛特征相同的物體的位置和矩形大小均記錄下來(lái),完成檢測(cè)。
      [0006]更進(jìn)一步的技術(shù)方案是,所述抽取圖片按照縮放因子0.64進(jìn)行縮放,得到圖片組為六張不同大小的圖片。
      [0007]更進(jìn)一步的技術(shù)方案是,所述訓(xùn)練樣本是調(diào)整到32*32像素大小,所述檢測(cè)窗口的32*32像素大小。
      [0008]一種低分辨率下的快速車(chē)輛檢測(cè)裝置,包括
      用于采集預(yù)定數(shù)目的車(chē)輛圖片作為訓(xùn)練樣本的采集模塊;
      用于從所述訓(xùn)練樣本中提取車(chē)輛特征的提取模塊;
      用于在視頻中抽取圖片的抽取模塊;
      用于對(duì)抽取到的圖片進(jìn)行遍歷的遍歷模塊; 用于在遍歷圖片時(shí)利用檢測(cè)窗口提取haar-like特征的特征提取模塊;
      用于對(duì)遍歷的圖片中物體進(jìn)行檢測(cè)的檢測(cè)模塊;
      用于根據(jù)檢測(cè)結(jié)果對(duì)遍歷到的物體進(jìn)行分類(lèi)的分類(lèi)器;
      用于記錄被檢測(cè)到車(chē)輛的位置和大小的讀取模塊。
      [0009]更進(jìn)一步的技術(shù)方案是,一種低分辨率下的快速車(chē)輛檢測(cè)裝置還包括用于對(duì)所述訓(xùn)練樣本的車(chē)輛特征進(jìn)行訓(xùn)練的訓(xùn)練模塊。
      [0010]與現(xiàn)有技術(shù)相比,本發(fā)明的有益效果是:通過(guò)先在視頻中抽取的圖片中搜索并對(duì)每個(gè)物體用分類(lèi)器進(jìn)行分類(lèi),檢測(cè)具有車(chē)輛特征的物體,并得到該物體準(zhǔn)確的位置和大小,用最少的運(yùn)算量獲得很好的車(chē)輛檢測(cè)效果,實(shí)現(xiàn)了車(chē)輛檢測(cè)的快速性與準(zhǔn)確性。
      【專(zhuān)利附圖】

      【附圖說(shuō)明】
      [0011]圖1為本發(fā)明一種低分辨率下的快速車(chē)輛檢測(cè)方法的流程示意圖。
      [0012]圖2為本發(fā)明種低分辨率下的快速車(chē)輛檢測(cè)裝置的連接框圖。
      【具體實(shí)施方式】
      [0013]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白,以下結(jié)合附圖及實(shí)施例,對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解,此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明,并不用于限定本發(fā)明。
      [0014]圖1示出了本發(fā)明一種低分辨率下的快速車(chē)輛檢測(cè)方法的一個(gè)實(shí)施例:一種低分辨率下的快速車(chē)輛檢測(cè)方法,包括以下步驟:
      步驟一,采集預(yù)定數(shù)目的車(chē)輛圖片作為訓(xùn)練樣本,將訓(xùn)練樣本調(diào)整到預(yù)定像素大??; 步驟二,從所述訓(xùn)練樣本中提取車(chē)輛特征并保存;
      步驟三,在視頻中抽取圖片;
      步驟四,將抽取的圖片進(jìn)行等比例收縮,得到變分辨率的圖片組;
      步驟五,根據(jù)保存的車(chē)輛特征,用與訓(xùn)練樣本同樣像素大小的檢測(cè)窗口對(duì)圖片組進(jìn)行遍歷,提取圖片組中相應(yīng)位置的haar-like特征,并根據(jù)haar-like特征和從訓(xùn)練樣本中保存的車(chē)輛特征進(jìn)行檢測(cè)配比,將具有所述車(chē)輛特征的物體分為同類(lèi);
      步驟六,將檢測(cè)到的與所述車(chē)輛特征相同的物體的位置和矩形大小均記錄下來(lái),完成檢測(cè)。
      [0015]根據(jù)本發(fā)明一種低分辨率下的快速車(chē)輛檢測(cè)方法的一個(gè)優(yōu)選實(shí)施例,所述抽取圖片按照縮放因子0.64進(jìn)行縮放,得到圖片組為六張不同大小的圖片。
      [0016]根據(jù)本發(fā)明一種低分辨率下的快速車(chē)輛檢測(cè)方法的另一個(gè)優(yōu)選實(shí)施例,所述訓(xùn)練樣本是調(diào)整到32*32像素大小,所述檢測(cè)窗口的32*32像素大小。
      [0017]先在視頻中抽取圖片,然后將該圖片按照縮放因子0.64進(jìn)行收縮,得到一組圖片,用固定的檢測(cè)窗口遍歷該組圖片,并在遍歷的相應(yīng)位置提取該區(qū)域的haar-like特征,根據(jù)該特征檢測(cè)圖片中的物體,對(duì)視頻圖片中每個(gè)物體進(jìn)行分類(lèi),根據(jù)車(chē)輛特征找出是車(chē)輛的物體,并區(qū)分出不是車(chē)輛的物體。對(duì)車(chē)輛的檢測(cè),可以用低維特征向量和多級(jí)分類(lèi)器(Cascade AdaBoost),例如所述車(chē)輛特征為形狀特征、對(duì)稱(chēng)特征、顏色特征、車(chē)燈特征、車(chē)窗特征等。[0018]本發(fā)明中采集預(yù)定數(shù)目的車(chē)輛圖片作為訓(xùn)練樣本,將訓(xùn)練樣本調(diào)整到預(yù)定像素大??;從所述訓(xùn)練樣本中提取車(chē)輛特征并保存。
      [0019]所述訓(xùn)練樣本是從視頻中預(yù)定數(shù)目的車(chē)輛圖片中找到的,然后提取每個(gè)圖片的特征,如形狀特征、對(duì)稱(chēng)特征、顏色特征、車(chē)燈特征、車(chē)窗特征等,并保存下來(lái),并對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練,利用這所有的特征訓(xùn)練分類(lèi)器,這樣所有的特征信息都包含在了分類(lèi)器中。把更多的運(yùn)算量放在訓(xùn)練階段,而不是識(shí)別階段,這樣,在識(shí)別時(shí)的速度就能提到最高。另外,算法可以用低維特征向量和多級(jí)分類(lèi)器,低維特征向量能更有效地表示一個(gè)車(chē)輛的特征,并提高效率,從而提高運(yùn)算速度;多級(jí)分類(lèi)器的核心思想是針對(duì)同一個(gè)訓(xùn)練集訓(xùn)練不同的分類(lèi)器,即弱分類(lèi)器,然后把這些弱分類(lèi)器集合起來(lái),構(gòu)成一個(gè)更強(qiáng)的最終分類(lèi)器,即強(qiáng)分類(lèi)器,此算法能提高運(yùn)算效率。在一副各種物品都有的視頻抽取圖片中,算法能夠非常精確地把車(chē)輛的位置框出來(lái),而排除了其它物體的干擾。
      [0020]圖2示出了本發(fā)明一種低分辨率下的快速車(chē)輛檢測(cè)裝置的一個(gè)實(shí)施例:一種低分辨率下的快速車(chē)輛檢測(cè)裝置,包括
      用于采集預(yù)定數(shù)目的車(chē)輛圖片作為訓(xùn)練樣本的采集模塊;
      用于從所述訓(xùn)練樣本中提取車(chē)輛特征的提取模塊;
      用于在視頻中抽取圖片的抽取模塊;
      用于對(duì)抽取到的圖片進(jìn)行遍歷的遍歷模塊;
      用于在遍歷圖片時(shí)利用檢測(cè)窗口提取haar-1 ike特征的特征提取模塊;
      用于對(duì)遍歷的圖片中物體進(jìn)行檢測(cè)的檢測(cè)模塊;
      用于根據(jù)檢測(cè)結(jié)果對(duì)遍歷到的物體進(jìn)行分類(lèi)的分類(lèi)器;
      用于記錄被檢測(cè)到車(chē)輛的位置和大小的讀取模塊。
      [0021]圖2還示出了本發(fā)明一種低分辨率下的快速車(chē)輛檢測(cè)裝置的一個(gè)優(yōu)選實(shí)施例,還包括用于對(duì)所述訓(xùn)練樣本的車(chē)輛特征進(jìn)行訓(xùn)練的訓(xùn)練模塊。
      【權(quán)利要求】
      1.一種低分辨率下的快速車(chē)輛檢測(cè)方法,其特征在于:包括以下步驟: 步驟一,采集預(yù)定數(shù)目的車(chē)輛圖片作為訓(xùn)練樣本,將訓(xùn)練樣本調(diào)整到預(yù)定像素大小; 步驟二,從所述訓(xùn)練樣本中提取車(chē)輛特征并保存; 步驟三,在視頻中抽取圖片; 步驟四,將抽取的圖片進(jìn)行等比例收縮,得到變分辨率的圖片組; 步驟五,根據(jù)保存的車(chē)輛特征,用與訓(xùn)練樣本同樣像素大小的檢測(cè)窗口對(duì)圖片組進(jìn)行遍歷,提取圖片組中相應(yīng)位置的haar-like特征,并根據(jù)haar_like特征和從訓(xùn)練樣本中保存的車(chē)輛特征進(jìn)行檢測(cè)配比,將具有所述車(chē)輛特征的物體分為同類(lèi); 步驟六,將檢測(cè)到的與所述車(chē)輛特征相同的物體的位置和矩形大小均記錄下來(lái),完成檢測(cè)。
      2.根據(jù)權(quán)利要求1所述的一種低分辨率下的快速車(chē)輛檢測(cè)方法,其特征在于:所述抽取圖片按照縮放因子0.64進(jìn)行縮放,得到圖片組為六張不同大小的圖片。
      3.根據(jù)權(quán)利要求1所述的一種低分辨率下的快速車(chē)輛檢測(cè)方法,其特征在于:所述訓(xùn)練樣本是調(diào)整到32*32像素大小,所述檢測(cè)窗口的32*32像素大小。
      4.一種低分辨率下的快速車(chē)輛檢測(cè)裝置,其特征在于:包括 用于采集預(yù)定數(shù)目的車(chē)輛圖片作為訓(xùn)練樣本的采集模塊; 用于從所述訓(xùn)練樣本中提取車(chē)輛特征的提取模塊; 用于在視頻中抽取圖片的抽取模塊; 用于對(duì)抽取到的圖片進(jìn)行遍歷的遍歷模塊; 用于在遍歷圖片時(shí)利用檢測(cè)窗口提取haar-like特征的特征提取模塊; 用于對(duì)遍歷的圖片中物體進(jìn)行檢測(cè)的檢測(cè)模塊; 用于根據(jù)檢測(cè)結(jié)果對(duì)遍歷到的物體進(jìn)行分類(lèi)的分類(lèi)器; 用于記錄被檢測(cè)到車(chē)輛的位置和大小的讀取模塊。
      5.根據(jù)權(quán)利要求4所述的一種低分辨率下的快速車(chē)輛檢測(cè)裝置,其特征在于:還包括 用于對(duì)所述訓(xùn)練樣本的車(chē)輛特征進(jìn)行訓(xùn)練的訓(xùn)練模塊。
      【文檔編號(hào)】G06K9/66GK103793722SQ201410081950
      【公開(kāi)日】2014年5月14日 申請(qǐng)日期:2014年3月7日 優(yōu)先權(quán)日:2014年3月7日
      【發(fā)明者】程洪, 楊路, 艾永春 申請(qǐng)人:電子科技大學(xué)
      網(wǎng)友詢(xún)問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1