CN102902962A - 一种基于尺度不变特征转换特征向量的前方车辆检测方法 - Google Patents

Abstract

本发明公开了一种基于尺度不变特征转换特征向量的前方车辆检测方法，现有的方法鲁棒性不好，容易受到背景、光照条件、阴霾等影响。本发明首先在输入图像中建立感兴趣区域，利用图像尺度不变特征转换特征向量检测方法，提取输入图像的感兴趣区域内的尺度不变特征转换特征向量。其次对尺度不变特征转换特征向量进行对称编码和匹配。然后对匹配点点对进行进一步聚类筛选，建立匹配点点对集合。最后利用匹配点点对集合进一步筛选匹配点点对；并在在输入原图中分别标记对称点和对称轴，完成前方车辆检测方法。本发明方法使用尺度不变特征转换特征更具有良好的鲁棒性，提高了车辆检测的准确度，并具有良好的识别效果，且易于实现。

Description

一种基于尺度不变特征转换特征向量的前方车辆检测方法

技术领域

本发明属于计算机视觉领域，具体来说是一种利用图像的尺度不变特征转换特征向量去检测图像中具有对称特性车辆的前方车辆检测方法。

背景技术

前方车辆检测技术是当今计算机视觉、图像处理与模式识别等技术在车辆安全辅助驾驶系统应用的一项重要研究课题，是车辆安全辅助驾驶系统的核心技术之一。

目前，国内检测前方车辆的方法主要利用形状、阴影、对称性、边缘等特征来检测车辆。但这些方法鲁棒性不好，容易受到背景，光照条件，阴霾，复杂背景等影响而存在一定的局限性。基于以上问题和前方车辆的明显特征即水平对称性，采用通过检测水平对称性从而检测车辆。

发明内容

本发明针对现有前方车辆检测方法的不足，结合“尺度不变特征转换”特征，提出了一种基于“尺度不变特征转换”特征的前方车辆检测方法。

本发明方法具体是：

步骤(1)在输入图像中，在可能存在的车辆的范围内建立感兴趣区域。

步骤(2)在感兴趣区域内采用David Lowe提出的图像尺度不变特征转换特征向量检测方法，提取输入图像的感兴趣区域内的尺度不变特征转换特征向量。

步骤(3)对已提取的输入图像的尺度不变特征转换特征向量进行对称编码。

步骤(4)对称编码后，可以得到原图的尺度不变特征转换对称特征向量，对原图的尺度不变特征转换特征向量和原图的尺度不变特征转换对称特征向量，进行匹配。

步骤(5)对匹配点进行进一步筛选，提高匹配点点对的相似度。

步骤(6)根据步骤(5)结果得到的匹配点点对，也即对称点点对，计算对称点对的对称轴。

步骤(7)根据步骤(6)的结果，结合对称轴，对匹配点点对进行进一步聚类筛选，建立匹配点点对集合{M_i}。

步骤(8)采用计算每个集合M_i的中心点和其各点与中心点平均距离进一步筛选匹配点点对。

步骤(9)根据步骤(6)和(8)所得结果，在输入原图中分别标记对称点和对称轴，完成前方车辆检测方法。

本发明给出了一种基于尺度不变特征转换特征向量检测前方车辆的对称性，从而达到前方车辆检测的方法。“尺度不变特征转换”特征是图像的局部特征，其具有信息丰富，对缩放、亮度等变化保持不变等优点，且抗干扰能力强。通过实验结果表明使用“尺度不变特征转换”特征更具有良好的鲁棒性，提高了车辆检测的准确度，并具有良好的识别效果，且易于实现，为车辆辅助驾驶系统的构建提供了有利的基础。

附图说明

图1为本发明的方法流程图；

图2特征向量的对称编码图；其中：

(a)为特征向量pi；(b)为8号种子点的8方向向量；(c)为8号种子点对称编码后的8方向向量；(d)为p_i对称编码后的特征向量m_i。

图3对称特征向量的关系示意图；其中：

(a)一对对称的特征向量及编码向量；(b)一对对称的特征向量；

图4基于尺度不变特征转换特征向量的前方车辆对称性检测步骤。其中：

(a)为原图(加州理工学院的数据库)；(b)图像的尺度不变特征转换特征向量；(c)为检测到的对称匹配特征向量点对和中心点；(d)对称特征向量点对的对称轴。

具体实施方式

以下结合附图对本发明作进一步说明。

如图1所示，一种基于尺度不变特征转换特征向量的前方车辆检测方法，具体步骤如下：

步骤(1)：在输入图像中，可能存在的车辆的范围内建立感兴趣区域。选取前方路面消失的水平线为基准，取该水平线以下区域为感兴趣区域。

步骤(2)：在感兴趣区域内采用了David Lowe提出的图像尺度不变特征转换特征向量检测方法，提取输入图像的感兴趣区域内的尺度不变特征转换特征向量p_i=(x_i,y_i,φ_i,s_i)。

所述的特征向量采用16个种子点描述，每个种子点有8个方向的信息，共有128个数据，从而形成128维的尺度不变特征转换特征向量。

步骤(3)：对已提取的输入图像的尺度不变特征转换特征向量进行对称编码。

所述的图像的尺度不变特征转换特征向量对称编码的计算方法具体为：

首先，对图像的特征向量p_i的整体4×4个种子点向量做对称编码；其次，对每个种子点内部8方向向量也做对称编码；从而产生新的4×4个8方向向量的特征向量m_i。如图2所示，图2(a)为特征向量p_i，图2(b)为8号种子点的8方向向量，图2(c)为8号种子点对称编码后的8方向向量，图2(d)为p_i对称编码后的特征向量m_i。首先，整体上将特征向量p_i的16个种子做水平对称编码获得特征向量m_i，编码方式如图2(a)原始16个种子点顺序变换到图2(d)重新对称编码获得16个种子点顺序；其次，同时每个种子点内部8方向向量也要做水平对称编码，编码方式由图2(b)原8号种子点的8方向向量变换到图2(c)重新编码获得8号种子点的8方向向量。

经过所述的对称编码后，图像中潜在的对称特征向量p_i与p_j，分别产生m_i和m_j，如图3(a)所示,一对对称的特征向量。编码后的特征向量p_i和m_j，m_i和p_j有很高的相似度，可以形成匹配点对。

步骤(4)：根据步骤(3)所描述的对称编码策略，可以得到原图的尺度不变特征转换对称特征向量，对原图的尺度不变特征转换特征向量和原图的尺度不变特征转换对称特征向量，进行匹配。

所述的尺度不变特征转换对称特征向量为从输入图(原图)的尺度不变特征转换特征向量经过步骤(3)所描述的编码策略从而得到输入图的新的尺度不变特征转换特征向量。

所述的原图的尺度不变特征转换特征向量和原图的尺度不变特征转换对称特征向量匹配步骤为：

当原图像的尺度不变特征转换特征向量的对称特征向量生成后，采用特征向量的欧式距离作为原图和对称图的特征向量的相似性判定。取原图的某个关键点(特征向量)，并找出其与对称图欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离值低于比例阈值T，则接受该对匹配点。但在匹配过程中，会产生两个匹配对，实际是同位置，所以只需记录一个。

$d(p_i,m_i)=\sqrt{\underset{j=1}{\overset{128}{\mathrm{\Σ}}}{(p_{\mathrm{ij}}-m_{\mathrm{ij}})}^2}---\left(1\right)$

式中，参数p_i=(p_i1，p_i2,…，p_i128)为原图中的关键点描述子，m_i=(m_i1,m_i2,…,m_i128)为对称图的关键点描述子，d(p_i，m_i)为两点之间的欧式距离。

式中，比例阈值T的取值会直接影响到对称匹点配数目，降低这个比例阈值，匹配点数目会减少，但更加稳定。

步骤(5)：对匹配点进行进一步筛选，提高匹配点点对的相似度。

所述的匹配点对的相似度即特征向量的对称性度。对匹配算法作进一步改进，加入匹配特征向量之间的角度信息，从而对匹配点对做进一步筛选。在匹配点对中，若满足对称的匹配点对记为(p_i，p_j)，则该两个特征向量的角度权值

将满足如下条件：

式中，各参数含义如图3(b)所示，θ_i和θ_j分别为特征向量p_i和p_j的角度信息，其中

当匹配点对(p_i，p_j)满足完全对称要求时，角度权值

取值为0，根据对称准确度要求可以下调该数值。

步骤(6)：根据步骤(5)结果得到的匹配点点对(对称点点对)，计算对称点对的对称轴。

所述的对称点点对的对称轴的建立，详细步骤为：

通过步骤(4)和(5)的匹配算法，获得了对称的对称点点对(p_i，p_j)。本方法采用霍夫变换来确定对称点点对的对称轴。

对每个对称点对(p_i，p_j)取中心点r_ij，如图3(b)所示一对对称特征的角度关系，并对r_ij建立参数空间，利用了参数空间的对偶性原理，先建立参数空间并划分为累加单元，通过图像中的所有中心点r_ij映射到参数空间所对应的累加单元中，该单元的累加器不断增长，最后统计各个单元所检测到的极值，从而获得直线的参数。

ρ=x_ijcosθ+y_ijsinθ            (4)

式中，是本方法所采用极坐标来表示对称轴的参数方程，r_ij＝(x_ij,y_ij)，θ∈(π-t,π+t)，t大于0的角度阈值可以上下浮动设置。

步骤(7)：根据步骤(6)的结果，结合对称轴对匹配点点对进行进一步聚类筛选，建立匹配点点对集合{M_i}。

所述的匹配点点对集合{M_i}由不同的对称轴所对应的匹配点点对构成。

所述的对匹配点点对进行进一步聚类筛选方法具体为：

经过步骤(6)获得了对称轴，分别对每条对称轴建立一个存放匹配点点对集合M_i，遍历每对匹配点对(p_i,p_j)的中心点r_ij，判断中心点r_ij是否属于某一对称轴，即该中心点r_ij是否为该对称轴的一个累加单元：

如果属于某个对称轴，则加入该对称轴所对应的集合M_i；

如果不属于其中任意对称轴，则删除该匹配点对。

步骤(8)：采用计算每个集合M_i的中心点和其各点与中心点平均距离进一步筛选匹配点点对。

所述的集合M_i的中心点c(x_c，y_c)表示为：

$c(x_c,y_c)=(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i/n,\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{y}_i/n)---\left(4\right)$

其中点(x_i,y_i)∈M_i。

所述的各点与中心点平均距离d表示为：

$d=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\sqrt{{(x_i-x_c)}^2+{(y_i-y_c)}^2}/n---\left(5\right)$

所述的对集合M_i进一步筛选匹配点点对的详细步骤为：

计算集合M_i的点(x_i，y_i)与中心点c(x_c，y_c)的距离是否满足：

$\mathrm{kd}>\sqrt{{(x_i-x_c)}^2+{(y_i-y_c)}^2}---\left(6\right)$

其中kd为一个比例阈值。

如果满足上式，则仍保存集合内；

如果不满足上式，则同时删除该点(x_i，y_i)所对应的匹配点点对。

步骤(9)：根据步骤(6)和(8)所得结果，在输入原图中分别标记对称点和对称轴。

图4给出了本发明检测前方车辆的整个过程。

Claims (8)

1.一种基于尺度不变特征转换特征向量的前方车辆检测方法，其特征在于该方法包括如下步骤：

步骤(1)在输入图像中，在可能存在的车辆的范围内建立感兴趣区域；

步骤(2)在感兴趣区域内采用图像尺度不变特征转换特征向量检测方法，提取输入图像的感兴趣区域内的尺度不变特征转换特征向量；

步骤(3)对已提取的输入图像的尺度不变特征转换特征向量进行对称编码；

步骤(4)对称编码后，可以得到原图的尺度不变特征转换对称特征向量，对原图的尺度不变特征转换特征向量和原图的尺度不变特征转换对称特征向量，进行匹配；

步骤(5)对匹配点进行进一步筛选，提高匹配点点对的相似度；

步骤(6)根据步骤(5)结果得到的匹配点点对，也即对称点点对，计算对称点对的对称轴；

步骤(7)根据步骤(6)的结果，结合对称轴，对匹配点点对进行进一步聚类筛选，建立匹配点点对集合{M _i }；

步骤(8)采用计算每个集合M _i 的中心点和其各点与中心点平均距离进一步筛选匹配点点对；

步骤(9)根据步骤(6)和(8)所得结果，在输入原图中分别标记对称点和对称轴，完成前方车辆检测方法。

2.根据权利要求1所述的一种基于尺度不变特征转换特征向量的前方车辆检测方法，其特征在于，步骤(1)中建立感兴趣区域具体是：选取前方路面消失的水平线为基准，取该水平线以下区域作为感兴趣区域。

3.根据权利要求1所述的一种基于尺度不变特征转换特征向量的前方车辆检测方法，其特征在于，步骤(3)的具体过程如下：

1) 设图像的尺度不变特征转换特征向量Q _i =(                                                

)，对Q _i 的整体4

4个种子点向量做对称编码；

2) 对每个种子点内部八方向向量也做对称编码。

4.根据权利要求1所述的一种基于尺度不变特征转换特征向量的前方车辆检测方法，其特征在于，步骤(4)的具体过程如下：

1) 采用特征向量的欧式距离作为原图和对称图的特征向量的相似性判定参数；

2) 取原图的某个尺度不变特征转换特征向量，并找出其与尺度不变特征转换对称特征向量欧式距离最近的前两个关键特征向量；

3) 在两个关键特征向量中，如果最近的距离除以次近的距离值低于比例阈值T，则接受该对匹配特征向量，即匹配点点对。

5.根据权利要求1所述的一种基于尺度不变特征转换特征向量的前方车辆检测方法，其特征在于，步骤(5)的具体过程如下：

1) 加入匹配特征向量之间的角度信息；

2) 计算两个特征向量的角度权值；

3) 根据算得的角度权值

进一步做特征向量匹配。

6.根据权利要求1所述的一种基于尺度不变特征转换特征向量的前方车辆检测方法，其特征在于，步骤(6)的具体过程如下：

1) 对每个对称点对(p _i ，p _j )取中心点r _ij ；

2) 对获取的一系列中心点，利用霍夫变换计算对称点点对所对应的对称轴。

7.根据权利要求1所述的一种基于尺度不变特征转换特征向量的前方车辆检测方法，其特征在于，步骤(7)的具体过程如下：

1) 分别对每条对称轴建立一个存放匹配点点对集合M _i ；

2) 遍历每对匹配点点对(p _i , p _j )的中心点r _ij ，判断中心点r _ij 是否属于某一对称轴，即该中心点r _ij 是否为该对称轴的一个累加单元；

3) 如果属于某个对称轴，则加入该对称轴所对应的集合M _i ，如果不属于其中任意对称轴，则删除该匹配点对。

8.根据权利要求1所述的一种基于尺度不变特征转换特征向量的前方车辆检测方法，其特征在于，步骤(8)的具体过程如下：

1) 计算集合M _i 的中心点c(x _c ,y _c )；

2) 计算各点与中心点平均距离d；

3) 计算集合M _i 的点(x _i ，y _i )与中心点c(x _c ，y _c )的距离是否满足阈值条件，如果不满则同时删除该点(x _i ，y _i )所对应的匹配点点对。

Images