一种低分辨率情况下的车辆成像方法
【专利摘要】本发明涉及计算机视觉领域，具体涉及一种低分辨率情况下的车辆成像方法，包括以下步骤：设备安装与视频采集，映射关系学习，分类器学习，车辆检测等步骤。本发明利用车辆的全局纹理信息训练模板，解决低分辨率下车辆检测问题；以低分辨率车辆图像为样本，使用非负矩阵分解训练模型字典、稀疏贝叶斯学习得到样本编码及其分布，模型字典和样本编码可重构样本图像；学习高低两种分辨率下的车辆样本编码映射关系，视频源分割为图像序列，根据学习训练到的车辆模型，逐帧检测车辆并记录如数据库。
【专利说明】一种低分辨率情况下的车辆成像方法
【技术领域】
[0001] 本发明涉及计算机视觉领域，具体涉及一种低分辨率情况下的车辆成像方法。
【背景技术】
[0002] 车辆检测技术主要有：1，以车辆边缘信息确定车辆位置的方法；2,以较多的车辆 样本，根据局部纹理信息，训练车辆模板，进行匹配的方法；3,以车牌位置为依据检测车辆 的方法；4,以背景建模，通过检测运动物体从而检测车辆的方法。其中，车辆边缘信息受环 境影响较大，不能适应复杂场景如车辆较多，路边有树木等；车辆纹理信息如harr-like特 征配合adaboost可以较为准确地检测大尺寸目标车辆，但当车辆尺寸较小，分辨率较低的 情况下，局部纹理信息不明显，不足以区分车辆与非车；以车牌为依据的检测车辆方法在低 分辨率情况下因无法检测到车牌同样无法工作；背景建模检测运动物体的方法不能适应拥 堵等车辆不动的道路场景。
【发明内容】
[0003] 本发明的目的在于提供一种低分辨率情况下的车辆成像方法，解决现有技术在低 分辨率情况下车辆成像识别精度低的问题。
[0004] 为解决上述的技术问题，本发明采用以下技术方案：
[0005] -种低分辨率情况下的车辆成像方法，包括以下步骤：
[0006] 步骤一，设备安装与视频采集：将摄像机安装在单方向行驶的路面正上方6至8米 处，俯视角30至45度，水平倾斜范围0至5度，工控机置于路旁杆位处，和摄像机以网线相 连接，摄像机拍摄下方单方向行驶的车辆，记录为视频文件，所述摄像机为在线模式下的视 频源，所述工控机为离线模式下的视频源；
[0007] 步骤二，映射关系学习：将离线视频文件分割为图像序列，截取车辆样本，归一化 到同一大小，记为高分辨率车辆样本X，通过缩放矩阵H得到小型的图片，记为低分辨率车 辆样本y，使用非负矩阵分解优化问题并分别计算得到高、低分辨率车辆的字典小和^
[0008] 步骤三，分类器学习：取低分辨率车辆样本y，使用稀疏贝叶斯学习方法解得低分 辨率编码，并根据映射关系计算得高分辨率编码，以此编码为特征，以随机森林为分类方法 训练分类器；
[0009] 步骤四，车辆检测：将在线视频文件分割为图像序列，每一帧图像都缩放至若干级 另|J，级别〇为原始图像，级别1为级别〇图像的〇. 9倍缩小图，以此类推，得到4至6个级 另IJ，对每个级别图像遍历截取待检测区域，计算此区域图的低分辨率编码，通过映射关系得 到高分辨率编码，以此编码为特征，输入到分类器中，判定是否为车，若为车则记录位置。
[0010] 更进一步的技术方案是，所述映射系学习中，
[0011] X = a+ex
[0012] y - <pa + ey
[0013] 其中$和-分别对应高、低分辨率的字典，X和y分别是高低分辨率样本，ex、e y、 n是误差，a和fi分别是高低分辨率编码，结合公式
[0014] y = Hx+n
[0015] 得到
[0016] (pa + ey = H<pa + Hex + n
[0017] 其中ey是不能由f张成的部分，所以f?Tey = 〇?两边乘以<得到
[0018]
【权利要求】
1. 一种低分辨率情况下的车辆成像方法，其特征在于包括以下步骤： 步骤一，设备安装与视频采集：将摄像机安装在单方向行驶的路面正上方6至8米处， 俯视角30至45度，水平倾斜范围O至5度，工控机置于路旁杆位处，和摄像机以网线相连 接，摄像机拍摄下方单方向行驶的车辆，记录为视频文件，所述摄像机为在线模式下的视频 源，所述工控机为离线模式下的视频源； 步骤二，映射关系学习：将离线视频文件分割为图像序列，截取车辆样本，归一化到同 一大小,记为高分辨率车辆样本X,通过缩放矩阵H得到小型的图片，记为低分辨率车辆样 本y，使用非负矩阵分解优化问题并分别计算得到高、低分辨率车辆的字典Φ和# 步骤三，分类器学习：取低分辨率车辆样本y，使用稀疏贝叶斯学习方法解得低分辨率 编码，并根据映射关系计算得高分辨率编码，以此编码为特征，以随机森林为分类方法训练 分类器； 步骤四，车辆检测：将在线视频文件分割为图像序列，每一帧图像都缩放至若干级别， 级别〇为原始图像，级别1为级别〇图像的〇. 9倍缩小图，以此类推，得到4至6个级别，对 每个级别图像遍历截取待检测区域，计算此区域图的低分辨率编码，通过映射关系得到高 分辨率编码，以此编码为特征，输入到分类器中，判定是否为车，若为车则记录位置。
2. 根据权利要求1所述的一种低分辨率情况下的车辆成像方法，其特征在于：所述映 射关系学习中， X = Φ a+ex }* = φα 4- sv 其中Φ和分别对应高、低分辨率的字典，χ和y分别是高低分辨率样本，ex、ey、η是 误差，a和S分别是高低分辨率编码,结合公式 y = Hx+n 得到 φα 4- ey = Ηψα 4* Hetx 4· π 其中\是不能由少张成的部分,所以4? = 〇,两边乘以，·得到 φτφα = φτΗφα 4- φτΗ€χ 4· φτη a = (_φτφ}~1φτΗφα-￥ {φτφ)~1φτ?€χ-￥ (φτφ)~1φτη 通过计算 c = arg ηιβχ{ρ(&1α)ρ(β}} 3是a的最优值，原问题转化为ρ(?Ν)和p(a)的估计问题。
3. 根据权利要求2所述的一种低分辨率情况下的车辆成像方法，其特征在于：所述 p (a)的估i+由
稀疏贝叶斯学习得到，其中％代表编码的某一维，Yi是参数。
4. 根据权利要求3所述的一种低分辨率情况下的车辆成像方法，其特征在于：所述 ρ(?'|β)的估计由如下方法得到： 令V = Hex+n，通过估计ρ (V)得到ρ(_)，其中V是高分辨率重建信号映射到低分辨率 产生的总误差，
〇
5. 根据权利要求4所述的一种低分辨率情况下的车辆成像方法，其特征在于：所述使 用非负矩阵分解优化问题的方法是： 令?| = 可得到
定义代价函数E (a)，用迭代最速下降法求解上式，得到
其中λ控制着先验的权重，α是迭代步长，为固定值，
迭代初始值％的选取，用低分辨率图插值得到高分辨率图，再用高分辨率字典Φ张 成，得到a。。
6. 根据权利要求1所述的一种低分辨率情况下的车辆成像方法，其特征在于：所述所 有级别的缩小图像全部遍历完成后，记录本帧图像所有检测到的车辆信息；有数据库模块 将一帧图像的检测结果结构化后进行存储，以供查询。
【文档编号】G06K9/00GK104376303SQ201410658255
【公开日】2015年2月25日 申请日期:2014年11月18日 优先权日:2014年11月18日
【发明者】程洪, 王润洲, 杨路 申请人:电子科技大学