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)