CN107256633B - 一种基于单目摄像头三维估计的车型分类方法 - Google Patents

Abstract

本发明公开了一种基于单目摄像头三维估计的车型分类方法，步骤包括：步骤1、获取背景帧，提取车辆目标的外接矩形框；步骤2、提取车辆目标；步骤3、对车辆目标区域进行填充和贴标签；步骤4、计算车辆的最小外接立方体，以贴标签图像中车头向左前方倾斜、车头向左后方倾斜、以及车头朝向正前方分别进行处理；步骤5、对车辆类型进行分类。本发明的方法，在车辆管理系统、公路收费系统、公安侦查系统中自动识别车辆类型，步骤简单，便于实施，计算量小，结果准确性高，给出的结果能够正确对行驶车辆进行分类。

Description

一种基于单目摄像头三维估计的车型分类方法

技术领域

本发明属于智能交通监控视频技术领域，涉及一种基于单目摄像头三维估计的车型分类方法。

背景技术

车型识别系统作为智能交通系统应用领域中重要的分支，也是目前相对薄弱的技术环节。基于视频的车型识别系统中，现阶段对车牌、轮廓、车标、及特征匹配方面研究较多，这类方法在特定场景下，识别效果较好，但普遍适用性不强，效果不稳定。

利用车辆三维尺寸进行类型识别的研究较少，如能获得车辆实际三维状态特征，如车辆实际长、宽、高，车鼻高，车尾高以及其最小外界立方体填充度等等，这些特征是不随时间、场景变化而变化的。而且不同车型的三维状态特征具有良好的可分性。虽然双目摄像头三维重建算法成熟，但现有监控系统中已经安装了大量的摄像头，如果每一项监控指标都增加2～3个摄像头，那么整个监控系统就会变得庞大且拥堵，也不易维护。

发明内容

本发明的目的是提供一种基于单目摄像头三维估计的车型分类方法，解决现有技术中对车辆进行分类时，应用二维特征分类识别方法普适性不强且效果不稳定；而采用三维状态特征作为分类标准，双目三维重建方法时间滞后且成本高昂的问题。

本发明所采用的技术方案是，一种基于单目摄像头三维估计的车型分类方法，按照以下步骤实施：

步骤1、获取背景帧，提取车辆目标的外接矩形框

设采用混合高斯背景建模方法得到大小为h行、w列的背景帧[b(i,j)]_h×w，设当前帧为[f(i,j)]_h×w，对当前帧进行背景差分计算，得到的目标二值图像设为[e(i,j)]_h×w，对[e(i,j)]_h×w中的每个连通域，用外接矩形框描述，获得初提取的车辆目标的外接矩形框集合，设为

其中，

是第t个车辆的外接矩形框左上角坐标，

是第t个车辆的外接矩形框右下角坐标，n是当前帧中出现的车辆个数；

步骤2、提取车辆目标

采用背景区域生长法去除步骤1所获得的车辆目标可能有的阴影干扰，实现对车辆目标区域的提取；

步骤3、对车辆目标区域进行填充和贴标签

3.1)目标边缘提取，利用Canny算法对二值图进行边缘提取，再进行闭运算处理；

3.2)断裂轮廓闭合，将二值图与闭运算处理的图叠加，叠加的方法是，对该两个图中所有对应相同位置上的像素点，至少在该两个图中，有一个是白色的点，则结果图相应位置上的点也为白色，使得原本车辆轮廓断裂部分能够闭合；

3.3)运动目标区域填充，对闭合轮廓区域的空洞进行填充；

3.4)贴标签，对经过区域填充后的所有连通域进行贴标签处理；

步骤4、计算车辆的最小外接立方体

以贴标签图像中车头向左前方倾斜、车头向左后方倾斜、以及车头朝向正前方分别进行处理；

步骤5、对车辆类型进行分类。

本发明的有益效果是，在车辆管理系统、公路收费系统、公安侦查系统中自动识别车辆类型，步骤简单，便于实施，计算量小，结果准确性高，给出的结果能够正确对行驶车辆进行分类。

附图说明

图1是本发明方法中的背景差分图获得的运动目标，其中，(a)是原始视频帧，(b)是运动车辆目标及其外接矩形框；

图2是本发明方法中的单个车辆的外接矩形框内的目标区域；

图3是本发明方法中的单个车辆的外接矩形框内的灰度图；

图4是本发明方法中的车辆目标提取结果；

图5是本发明方法中的目标区域填充，其中，(a)是目标轮廓的提取结果，(b)是轮廓线与图4的叠加结果，(c)是连通域填充结果；

图6是本发明方法中的贴标签处理结果；

图7是本发明方法中的车辆连通域的最小外接立方体；

图8是本发明方法中车头向左前方倾斜的车辆4最小外接立方体计算示意图；

图9是本发明方法中车头向左后方倾斜的车辆6最小外接立方体计算示意图；

图10是本发明方法中车头朝向正前方的车辆7最小外接立方体计算示意图；

图11是本发明方法中同一尺寸不同类型车辆立方体填充度示意图，其中，(a)卡车，(b)公交车。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明基于单目摄像头三维估计的车型分类方法，按照以下步骤实施：

步骤1、获取背景帧，提取车辆目标的外接矩形框

根据目标运动、背景静止的原理，采用背景差分法来提取出运动目标。

设采用混合高斯背景建模方法(该背景建模方法为现有技术)得到大小为h行、w列的背景帧[b(i,j)]_h×w，设当前帧为[f(i,j)]_h×w，对当前帧进行背景差分计算，得到的目标二值图像设为[e(i,j)]_h×w，对[e(i,j)]_h×w中的每个连通域，用外接矩形框描述，获得初提取的车辆目标的外接矩形框集合，设为

其中，

是第t个车辆的外接矩形框左上角坐标，

是第t个车辆的外接矩形框右下角坐标，n是当前帧中出现的车辆个数。例如，对图1(a)的视频原图进行背景差分后，得到目标二值图像如图1(b)所示，保存所有被外接矩形框框住的车辆目标区域，例如图2是图1(b)中一个车辆的外接矩形框区域，其中的白色点(像素值为255)是车辆目标点，黑色点(像素值为0)是背景点。

以下以图2所示的车辆局部区域为例，对车辆目标提取的后续步骤进行说明。

步骤2、提取车辆目标

考虑到车辆目标外接矩形框内背景的单一性以及与前景的相似性，采用背景区域生长法去除步骤1所获得的车辆目标可能有的阴影干扰，实现对车辆目标区域的提取。

首先获取(图2)车辆目标所对应的灰度图如图3所示，再进行背景区域生长(背景区域生长法为现有技术)，具体过程如下：

2.1)令图3所示的灰度图最左上点为中心，构造一个3×3的领域，中心点为种子点，对其8邻域的像素进行区域生长；

2.2)判断是否满足生长条件：判断步骤2.1)的中心点的8邻域像素域中心点相比，像素值的差异满足容差条件，容差优选为3～5，则(图2)相应位置上的值令其为0；

2.3)按照从左到右，从上到下的顺序，选出步骤2.2)的8邻域中一个满足容差条件的点，为下一次种子点，转回步骤2.2)重新执行，直到8邻域中没有符合容差条件的点，则生长结束。

整幅图像中车辆目标提取的结果如图4所示。

步骤3、对车辆目标区域进行填充和贴标签

对步骤2得到的车辆目标区域的空缺部分进行填充，具体步骤如下：

3.1)目标边缘提取，利用Canny算法对图4的二值图进行边缘提取，得到结果再进行闭运算处理，闭运算处理结果如图5(a)所示；

3.2)断裂轮廓闭合，将图4的二值图与图5(a)闭运算处理的图叠加，叠加的方法是，对所有图4和图5(a)对应相同位置上的像素点，至少在图4或者图5(a)中，有一个是白色的点，则结果图相应位置上的点也为白色，使得原本车辆轮廓断裂部分能够闭合，效果如图5(b)所示；

3.3)运动目标区域填充，对闭合轮廓区域的空洞进行填充，填充后如图5(c)所示。

3.4)贴标签，对经过区域填充后的所有连通域进行贴标签处理(贴标签处理方法为现有技术)，例如对图5进行贴标签处理之后得到如图6所示的贴标签图像。

步骤4、计算车辆的最小外接立方体

分别以图6所示贴标签图像中车头向左前方倾斜的车辆4，车头向左后方倾斜的车辆6以及车头朝向正前方的车辆7为例(该三个姿态是最具有代表性的)，对求取车辆最小外接立方体的步骤分别进行说明，示意图如图7所示。

4.1)对车头向左前方倾斜的车辆(以图7中的车辆4为例)最小外接立方体按照如下步骤进行求取，效果图如图8所示，坐标系的方向见图8：

4.1.1)对车辆目标连通域做水平方向投影，能够得到投影值大于零的起始坐标y_min与终止坐标y_max，考虑到消除噪声的影响，给出上方水平直线表达式为y_up＝y_min+0.1·(y_max-y_min)，下方水平直线表达式为y_down＝y_max-0.1·(y_max-y_min)；

4.1.2)同理，对车辆目标连通域做垂直方向的投影，能够得到投影值大于零的起始坐标x_min与x_max，则左侧的垂直直线表达式为x_left＝x_min+0.1·(x_max-x_min)，右侧的垂直直线表达式为x_right＝x_max-0.1·(x_max-x_min)；

4.1.3)上方的水平直线y_up和右侧的垂直直线x_right的交点为①，得到坐标为(x₁,y₁)，x₁＝x_right，y₁＝y_up，即确定了水平直线①④的右侧端点、以及垂直直线①⑤的上方端点；同理，下方水平直线y_down和左侧垂直直线x_left的交点为⑦，坐标为(x₇,y₇)，x₇＝x_left，y₇＝y_down，由此确定了水平直线⑥⑦的左侧端点、以及垂直直线③⑦的下方端点；

4.1.4)根据以上得到的顶点⑦，向其右侧延伸至下方水平直线y_down上最右侧的白点处，即为x₆的坐标值，获得顶点⑥，坐标为(x₆，y₆)，y₆＝y_down，得到立方体的一条边长为l＝x₆-x₇；

4.1.5)根据以上得到的顶点⑦，向其上方延伸至左侧垂直直线x_left上连续线段的最上方白点处，即为y₃的坐标值，获得顶点③，坐标为(x₃,y₃)，x₃＝x_left得到立方体的另一条边长为h＝y₇-y₃；

4.1.6)依据立方体中，线段⑥⑦与线段②③、线段①④长度相等，且三条线平行的原则，由顶点③水平向右延伸长度l后得到顶点②，其坐标为(x₂,y₂)，x₂＝x₃+l，y₂＝y₃；由顶点①水平向左延伸长度l后得到顶点④，其坐标为(x₄,y₄)，x₄＝x₁-l，y₄＝y₁；

4.1.7)依据立方体中，线段③⑦与线段②⑥、线段①⑤长度相等，且三条线平行的原则，由顶点①垂直向下延伸长度h后得到顶点⑤，其坐标为(x₅,y₅)，其中，x₅＝x₁，y₅＝y₁+h；

4.1.8)至此，顶点①②③④⑤⑥⑦分别确定，连接端点①②，①④，①⑤，②③，②⑥，③④，③⑦，⑤⑥，⑥⑦，便得到了该车辆目标的最小外接立方体。

4.2)对车头向左后方倾斜的车辆(以图7中的车辆6为例)最小外接立方体按照以下步骤进行求取，效果图如图9所示，坐标系的方向见图9：

4.2.1)同步骤4.1.1)，对车辆目标连通域做水平方向投影，能够得到投影值大于零的起始坐标y_min与终止坐标y_max，则上方的水平直线表达式为y_up＝y_min+0.1·(y_max-y_min)，下方的水平直线表达式为y_down＝y_max-0.1·(y_max-y_min)；

4.2.2)同步骤4.1.2)，对车辆目标连通域做垂直方向的投影，能够得到投影值大于零的起始坐标x_min与x_max，则左侧的垂直直线表达式为x_left＝x_min+0.1·(x_max-x_min)，右侧的垂直直线表达式为x_right＝x_max-0.1·(x_max-x_min)；

4.2.3)上方水平直线y_up和左侧垂直直线x_left的交点为①，坐标为(x₁,y₁)，x₁＝x_left，y₁＝y_up，由此确定了水平直线①④的左侧端点、以及垂直直线①⑤的上方端点；同理，下方水平直线y_down和右侧垂直直线x_right的交点为⑦，坐标为(x₇,y₇)，其中，x₇＝x_right，y₇＝y_down，由此确定了水平直线⑥⑦的右侧端点、以及垂直直线③⑦的下方端点；

4.2.4)根据以上得到的顶点⑦，向其左侧延伸至直线y_down上最左侧的白点处，即为x₆的坐标值，获得顶点⑥，坐标为(x₆,y₆)，y₆＝y_down，得到立方体的一条边长为l＝x₇-x₆；

4.2.5)根据以上得到的顶点⑦，向其上方延伸至直线x_right上连续线段的最上方白点处，即为y₃的坐标值，获得顶点③，坐标为(x₃,y₃)，x₃＝x₇,得到立方体的另一条边长为h＝y₇-y₃；

4.2.6)依据立方体中，线段⑥⑦与线段②③、线段①④长度相等，且三条线平行的原则，由顶点③水平向左延伸长度l后得到顶点②，其坐标为(x₂,y₂)，x₂＝x₃-l，y₂＝y₃；由顶点①水平向右延伸长度l后得到顶点④，其坐标为(x₄,y₄)，x₄＝x₁+l，y₄＝y₁；

4.2.7)依据立方体中，线段③⑦与线段②⑥、线段①⑤长度相等，且三条线平行的原则，由顶点①垂直向下延伸长度h后得到顶点⑤，其坐标为(x₅,y₅)，x₅＝x₁，y₅＝y₁+h；

4.2.8)至此，顶点①②③④⑤⑥⑦分别确定，连接端点①②，①④，①⑤，②③，②⑥，③④，③⑦，⑤⑥，⑥⑦，便得到了该车辆目标的最小外接立方体；

4.3)对车头正向的车辆(以图7中的车辆7为例)最小外接立方体按照如下步骤进行求取，效果图如图10所示，坐标系的方向见图10：

4.3.1)同步骤4.1.1)，对车辆目标连通域做水平方向投影，能够得到投影值大于零的起始坐标y_min与终止坐标y_max，则上方水平直线表达式为y_up＝y_min+0.1·(y_max-y_min)，下方水平直线表达式为y_down＝y_max-0.1·(y_max-y_min)；

4.3.2)同步骤4.1.2)，对车辆目标连通域做垂直方向的投影，能够得到投影值大于零的起始坐标x_min与x_max，则左侧的垂直直线表达式为x_left＝x_min+0.1·(x_max-x_min)，右侧垂直直线表达式为x_right＝x_max-0.1·(x_max-x_min)；

4.3.3)下方水平直线y_down和左侧垂直直线x_left的交点为⑤，坐标为(x₅,y₅)，x₅＝x_left，y₅＝y_down，由此确定了水平直线⑤⑥的左侧端点、以及垂直直线④⑤的下方端点；同时，下方水平直线y_down和右侧垂直直线x_right的交点为⑥，坐标为(x₆,y₆)，x₆＝x_right，y₆＝y_down，由此确定了水平直线⑤⑥的右侧端点、以及垂直直线③⑥的下方端点；

4.3.4)依据以上得到的顶点⑤，向其上方延伸至直线x_left上连续线段的最上方白点处，即为y₄的坐标值，获得顶点④，坐标为(x₄,y₄)，x₄＝x₅得到立方体的一条边长为h＝y₅-y₄；

4.3.5)依据线段④⑤和线段③⑥平行且长度相同的准则，由以上得到的顶点⑥，沿着x_right向上方延伸长度h，获得顶点③，坐标为(x₃,y₃)，x₃＝x₆，y₃＝y₆-h；

4.3.6)沿着上方水平直线y_up在x∈[x_left,x_right]范围内搜索最左端的白点和最右边的白点，最左端的白点处为x₁的坐标值，即为直线的左端点①，坐标为(x₁，y₁)，x₁∈(x_left,x_right)，y₁＝y_up，最右端的白点处为x₂的坐标值，右端点②，坐标为(x₂,y₂)，x₂∈(x_left,x_right)，x₂＞x₁，y₂＝y_up；

4.3.7)至此，顶点①②③④⑤⑥分别确定，连接端点①②，②③，①④，④⑤，③⑥，③④，⑤⑥，便得到了该车辆目标的最小外接立方体。

步骤5、对车辆类型进行分类

将分类的车辆类型划分为六类：即小型客车(包括小汽车与小型面包车)、小型卡车、中型客车(包括公交车与中型大巴车)、中型卡车、大型客车、大型卡车；

再按照车辆尺寸大小划分为三类：即小型车(小型客车与小型卡车)、中型车(中型客车与中型卡车)、大型车(大型客车与大型卡车)。根据上述步骤4求得车辆最小外接立方体尺寸后，按照下表的标准确定属于哪一类：

车型	小型车	中型车	大型车
				体积(长×宽×高)(单位：m<sup>3</sup>)	15～40	40～90	90～120

同一尺寸类型的车辆中，卡车与客车的二维投影面积S与其最小外界立方体二维投影面积S_V的比值Fd称为该目标车辆的立方体填充度，Fd＝S/S_V，该比值Fd作为分类的最后标准，设阈值T∈[0.75～0.85]，当Fd＞T时，车辆类型即判定为客车，反之则为卡车，判定结果如图11所示，其中的图11(a)为卡车，图11(b)为公交车；

至此，完成车辆目标所属的车型分类。

Claims (3)

1.一种基于单目摄像头三维估计的车型分类方法，其特征在于，按照以下步骤实施：

步骤1、获取背景帧，提取车辆目标的外接矩形框

设采用混合高斯背景建模方法得到大小为h行、w列的背景帧[b(i,j)]_h×w，设当前帧为[f(i,j)]_h×w，对当前帧进行背景差分计算，得到的目标二值图像设为[e(i,j)]_h×w，对[e(i,j)]_h×w中的每个连通域，用外接矩形框描述，获得初提取的车辆目标的外接矩形框集合，设为

其中，

是第t个车辆的外接矩形框左上角坐标，

是第t个车辆的外接矩形框右下角坐标，n是当前帧中出现的车辆个数；

步骤2、提取车辆目标

采用背景区域生长法去除步骤1所获得的车辆目标可能有的阴影干扰，实现对车辆目标区域的提取；

步骤3、对车辆目标区域进行填充和贴标签

3.1)目标边缘提取，利用Canny算法对二值图进行边缘提取，再进行闭运算处理；

3.2)断裂轮廓闭合，将二值图与闭运算处理的图叠加，叠加的方法是，对该两个图中所有对应相同位置上的像素点，至少在该两个图中，有一个是白色的点，则结果图相应位置上的点也为白色，使得原本车辆轮廓断裂部分能够闭合；

3.3)运动目标区域填充，对闭合轮廓区域的空洞进行填充；

3.4)贴标签，对经过区域填充后的所有连通域进行贴标签处理；

步骤4、计算车辆的最小外接立方体

以贴标签图像中车头向左前方倾斜、车头向左后方倾斜、以及车头朝向正前方分别进行处理；

4.1)车头向左前方倾斜的车辆最小外接立方体，按照如下步骤进行求取：

4.1.1)对车辆目标连通域做水平方向投影，能够得到投影值大于零的起始坐标y_min与终止坐标y_max，上方水平直线表达式为y_up＝y_min+0.1·(y_max-y_min)，下方水平直线表达式为y_down＝y_max-0.1·(y_max-y_min)；

4.1.2)同理，对车辆目标连通域做垂直方向的投影，能够得到投影值大于零的起始坐标x_min与x_max，则左侧的垂直直线表达式为x_left＝x_min+0.1·(x_max-x_min)，右侧的垂直直线表达式为x_right＝x_max-0.1·(x_max-x_min)；

4.1.3)上方的水平直线y_up和右侧的垂直直线x_right的交点为①，得到坐标为(x₁,y₁)，x₁＝x_right，y₁＝y_up，即确定了水平直线①④的右侧端点、以及垂直直线①⑤的上方端点；同理，下方水平直线y_down和左侧垂直直线x_left的交点为⑦，坐标为(x₇,y₇)，x₇＝x_left，y₇＝y_down，由此确定了水平直线⑥⑦的左侧端点、以及垂直直线③⑦的下方端点；

4.1.4)根据以上得到的顶点⑦，向其右侧延伸至下方水平直线y_down上最右侧的白点处，即为x₆的坐标值，获得顶点⑥，坐标为(x₆,y₆)，y₆＝y_down，得到立方体的一条边长为l＝x₆-x₇；

4.1.5)根据以上得到的顶点⑦，向其上方延伸至左侧垂直直线x_left上连续线段的最上方白点处，即为y₃的坐标值，获得顶点③，坐标为(x₃,y₃)，x₃＝x_left得到立方体的另一条边长为h＝y₇-y₃；

4.1.6)依据立方体中，线段⑥⑦与线段②③、线段①④长度相等，且三条线平行的原则，由顶点③水平向右延伸长度l后得到顶点②，其坐标为(x₂,y₂)，x₂＝x₃+l，y₂＝y₃；由顶点①水平向左延伸长度l后得到顶点④，其坐标为(x₄,y₄)，x₄＝x₁-l，y₄＝y₁；

4.1.7)依据立方体中，线段③⑦与线段②⑥、线段①⑤长度相等，且三条线平行的原则，由顶点①垂直向下延伸长度h后得到顶点⑤，其坐标为(x₅,y₅)，其中，x₅＝x₁，y₅＝y₁+h；

4.1.8)至此，顶点①②③④⑤⑥⑦分别确定，连接端点①②，①④，①⑤，②③，②⑥，③④，③⑦，⑤⑥，⑥⑦，便得到了该车辆目标的最小外接立方体；

4.2)车头向左后方倾斜的车辆最小外接立方体，按照以下步骤进行求取：

4.2.1)同步骤4.1.1)，对车辆目标连通域做水平方向投影，得到投影值大于零的起始坐标y_min与终止坐标y_max，则上方的水平直线表达式为y_up＝y_min+0.1·(y_max-y_min)，下方的水平直线表达式为y_down＝y_max-0.1·(y_max-y_min)；

4.2.2)同步骤4.1.2)，对车辆目标连通域做垂直方向的投影，得到投影值大于零的起始坐标x_min与x_max，则左侧的垂直直线表达式为x_left＝x_min+0.1·(x_max-x_min)，右侧的垂直直线表达式为x_right＝x_max-0.1·(x_max-x_min)；

4.2.3)上方水平直线y_up和左侧垂直直线x_left的交点为①，坐标为(x₁,y₁)，x₁＝x_left，y₁＝y_up，由此确定了水平直线①④的左侧端点、以及垂直直线①⑤的上方端点；同理，下方水平直线y_down和右侧垂直直线x_right的交点为⑦，坐标为(x₇,y₇)，其中，x₇＝x_right，y₇＝y_down，由此确定了水平直线⑥⑦的右侧端点、以及垂直直线③⑦的下方端点；

4.2.4)根据以上得到的顶点⑦，向其左侧延伸至直线y_down上最左侧的白点处，即为x₆的坐标值，获得顶点⑥，坐标为(x₆,y₆)，y₆＝y_down，得到立方体的一条边长为l＝x₇-x₆；

4.2.5)根据以上得到的顶点⑦，向其上方延伸至直线x_right上连续线段的最上方白点处，即为y₃的坐标值，获得顶点③，坐标为(x₃,y₃)，x₃＝x₇,得到立方体的另一条边长为h＝y₇-y₃；

4.2.6)依据立方体中，线段⑥⑦与线段②③、线段①④长度相等，且三条线平行的原则，由顶点③水平向左延伸长度l后得到顶点②，其坐标为(x₂,y₂)，x₂＝x₃-l，y₂＝y₃；由顶点①水平向右延伸长度l后得到顶点④，其坐标为(x₄,y₄)，x₄＝x₁+l，y₄＝y₁；

4.2.7)依据立方体中，线段③⑦与线段②⑥、线段①⑤长度相等，且三条线平行的原则，由顶点①垂直向下延伸长度h后得到顶点⑤，其坐标为(x₅,y₅)，x₅＝x₁，y₅＝y₁+h；

4.2.8)至此，顶点①②③④⑤⑥⑦分别确定，连接端点①②，①④，①⑤，②③，②⑥，③④，③⑦，⑤⑥，⑥⑦，便得到了该车辆目标的最小外接立方体；

4.3)车头正向的车辆最小外接立方体，按照如下步骤进行求取：

4.3.1)同步骤4.1.1)，对车辆目标连通域做水平方向投影，得到投影值大于零的起始坐标y_min与终止坐标y_max，则上方水平直线表达式为y_up＝y_min+0.1·(y_max-y_min)，下方水平直线表达式为y_down＝y_max-0.1·(y_max-y_min)；

4.3.2)同步骤4.1.2)，对车辆目标连通域做垂直方向的投影，得到投影值大于零的起始坐标x_min与x_max，则左侧的垂直直线表达式为x_left＝x_min+0.1·(x_max-x_min)，右侧垂直直线表达式为x_right＝x_max-0.1·(x_max-x_min)；

4.3.3)下方水平直线y_down和左侧垂直直线x_left的交点为⑤，坐标为(x₅,y₅)，x₅＝x_left，y₅＝y_down，由此确定了水平直线⑤⑥的左侧端点、以及垂直直线④⑤的下方端点；同时，下方水平直线y_down和右侧垂直直线x_right的交点为⑥，坐标为(x₆,y₆)，x₆＝x_right，y₆＝y_down，由此确定了水平直线⑤⑥的右侧端点、以及垂直直线③⑥的下方端点；

4.3.4)依据以上得到的顶点⑤，向其上方延伸至直线x_left上连续线段的最上方白点处，即为y₄的坐标值，获得顶点④，坐标为(x₄,y₄)，x₄＝x₅得到立方体的一条边长为h＝y₅-y₄；

4.3.5)依据线段④⑤和线段③⑥平行且长度相同的准则，由以上得到的顶点⑥，沿着x_right向上方延伸长度h，获得顶点③，坐标为(x₃,y₃)，x₃＝x₆，y₃＝y₆-h；

4.3.6)沿着上方水平直线y_up在x∈[x_left,x_right]范围内搜索最左端的白点和最右边的白点，最左端的白点处为x₁的坐标值，即为直线的左端点①，坐标为(x₁，y₁)，x₁∈(x_left,x_right)，y₁＝y_up，最右端的白点处为x₂的坐标值，右端点②，坐标为(x₂,y₂)，x₂∈(x_left,x_right)，x₂＞x₁，y₂＝y_up；

4.3.7)至此，顶点①②③④⑤⑥分别确定，连接端点①②，②③，①④，④⑤，③⑥，③④，⑤⑥，便得到了该车辆目标的最小外接立方体；

步骤5、对车辆类型进行分类。

2.根据权利要求1所述的基于单目摄像头三维估计的车型分类方法，其特征在于：所述的步骤2中，首先获取车辆目标所对应的灰度图，再进行背景区域生长，具体过程如下：

2.1)令灰度图最左上点为中心，构造一个3×3的领域，中心点为种子点，对其8邻域的像素进行区域生长；

2.2)判断是否满足生长条件：判断步骤2.1)的中心点的8邻域像素与中心点相比，像素值的差异满足容差条件，容差为3～5，则车辆目标图像相应位置上的值令其为0；

2.3)按照从左到右，从上到下的顺序，选出步骤2.2)的8邻域中一个满足容差条件的点，为下一次种子点，转回步骤2.2)重新执行，直到8邻域中没有符合容差条件的点，则生长结束。

3.根据权利要求1所述的基于单目摄像头三维估计的车型分类方法，其特征在于，所述的步骤5中，具体过程如下：

将分类的车辆类型划分为六类：即小型客车包括小汽车与小型面包车、小型卡车、中型客车包括公交车与中型大巴车、中型卡车、大型客车、大型卡车；

再按照车辆尺寸大小划分为三类：即小型车包括小型客车与小型卡车、中型车包括中型客车与中型卡车、大型车包括大型客车与大型卡车，根据上述步骤4求得车辆最小外接立方体尺寸后，按照下表的标准确定属于哪一类：

车型 小型车 中型车 大型车 体积(长×宽×高)(单位：m³) 15～40 40～90 90～120

同一尺寸类型的车辆中，卡车与客车的二维投影面积S与其最小外接立方体二维投影面积S_V的比值Fd称为该目标车辆的立方体填充度，Fd＝S/S_V，该比值Fd作为分类的最后标准，设阈值T∈[0.75～0.85]，当Fd＞T时，车辆类型即判定为客车，反之则为卡车；至此，完成车辆目标所属的车型分类。

Images