申请/专利权人：山东科技大学

申请日：2024-01-04

公开（公告）日：2024-04-02

公开（公告）号：CN117523521B

主分类号：G06V20/56

分类号：G06V20/56;G06V10/764;G06V10/774;G06V10/56;G06V10/80

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明公开了一种基于Haar特征和改进HOG特征的车辆检测方法，属于计算机视觉和自动驾驶感知技术领域，利用Haar特征对前方车辆目标进行初始分割，然后利用HOG特征对输出的前视遮罩图进行分析，精确提取前方车辆目标；本发明方法将Haar特征方法和HOG特征方法结合在一起，并且采用HOG特征方法时，进行了多通道特征的融合，有效进行了数据降维，能够适应复杂环境的前提下，保证了较好的运行效率，提高了检测的准确度。

主权项：1.一种基于Haar特征和改进HOG特征的车辆检测方法，其特征在于，包括以下步骤：S1、利用Haar特征对前方车辆目标进行初始分割，包括以下子步骤：S1.1、采集车辆前方图像的正负样本，并进行预处理；S1.2、构造积分图像，并进行多尺度缩放；S1.3、提取缩放后的积分图像的Haar特征；S1.4、采用Adaboost算法训练弱分类器；S1.5、依据权重把弱分类器组合成强分类器；S1.6、实时采集车辆前方的图像，输入到强分类器中，输出前视遮罩图；S2、利用HOG特征对输出的前视遮罩图进行分析，精确提取前方车辆目标，包括以下子步骤；S2.1、初始化最小检测窗口、细胞单元和块的大小、滑动步长和缩放因子；S2.2、对前视遮罩图进行颜色空间变换，将RGB图像转化到HSL空间，提取H、S、L三通道图像；S2.3、分别提取H、S、L三个通道图像的HOG特征；S2.3包括以下子步骤：S2.3.1、首先将H通道、S通道或L通道图像分成若干个细胞单元，每2×2个细胞单元组合成一个块单元；S2.3.2、计算每个细胞单元的每个像素点的水平梯度dx和垂直梯度dy，梯度的大小和方向由公式2和3求得，并得到细胞单元的梯度方向直方图； θx,y＝arctanLx,y+1-Lx,y-1Lx+1,y-Lx-1,y；3其中，Lx,y为灰度图像在第x行第y个像素上的像素值，Ax,y和θx,y分别为细胞单元在x,y点的梯度值和梯度方向；S2.3.3、对梯度方向直方图进行多尺度缩放，得到多张不同尺度的梯度方向直方图，每张梯度方向直方图生成9幅积分图像；S2.3.4、滑动检测窗口对积分图像进行滑动检测；在检测窗口中滑动块单元，以每个像素的梯度幅值为权值，通过检索积分图像对细胞单元的梯度方向直方图进行计数，形成一组9维HOGC特征向量；因此，由4个细胞单元构成的块单元能够形成一组36维HOGB特征向量；S2.3.5、对所有块单元对应的36维HOGB特征向量归一化： 其中V是36维HOGB特征向量，V*是归一化后的特征向量，ε是常数；将检测窗口内所有块单元归一化后的特征向量级联组合，形成HOG特征向量；S2.3.6、对三个通道的前视图遮罩图的HOG特征向量采用加权平均的方法进行融合；采用主成分分析法对融合后的HOG特征向量进行降维；S2.4、以车辆目标的HOG特征作为正向样本，以非车辆区域的HOG特征作为负向样本，训练SVM分类器，得到一个训练好的SVM分类器，用于精确识别车辆目标，输出检测到的车辆目标的最终图像。

全文数据：

权利要求：

百度查询： 山东科技大学 一种基于Haar特征和改进HOG特征的车辆检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD