一種檢測待檢測區域內是否存在車輛的方法和裝置制造方法
【專利摘要】本發明公開了一種檢測待檢測區域內是否存在車輛的方法和裝置，屬于計算機視覺領域。該方法包括：根據預設第一個數個Haar特征獲取待檢測圖像的第一特征向量，計算待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度，計算待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度，根據第一估計概率密度和第二估計概率密度判斷所述待檢測區域內是否存在第二車輛。該裝置包括：第一獲取模塊、第一計算模塊、第二計算模塊和判斷模塊。本發明不用提取待檢測圖像中包括的物體的外觀特征和訓練分類器，提高了檢測速度，并且，根據估計概率密度判斷待檢測區域內是否存在第二車輛，不容易出錯，大大提高了檢測車輛的準確率。
【專利說明】一種檢測待檢測區域內是否存在車輛的方法和裝置
【技術領域】
[0001]本發明涉及計算機視覺領域，特別涉及一種檢測待檢測區域內是否存在車輛的方法和裝置。
【背景技術】
[0002]隨著汽車的日益普及，道路交通事故成為意外死亡和致殘的重要原因之一，快速準確的檢測待檢測區域是否存在除當前車輛之外的其他車輛并及時避開其他車輛，如此可以有效地減少道路交通事故的發生。其中，該待檢測區域一般為以當前車輛為中心預設半徑內的區域。因此，檢測待檢測區域內是否存在車輛的方法成為汽車安全領域重要的研究課題。
[0003]目前采用的檢測待檢測區域內是否存在車輛的方法為:獲取待檢測圖像，該待檢測圖像為第一車輛的車輛傳感器拍攝待檢測區域得到的圖像；提取待檢測圖像中包括的物體的外觀特征，其中，外觀特征可以為物體形狀、高度以及寬度等，事先訓練一個分類器，該分類器中存儲車輛的分類模型；計算待檢測圖形中包括的物體的外觀特征與分類器中存儲的車輛的分類模型的置信度，如果該置信度大于預設閾值時，確定出待檢測區域中存在第二車輛；如果該置信度不大于預設閾值時，確定出待檢測區域中不存在第二車輛，該第二車輛為除第一車輛之外的其他車輛。
[0004]在實現本發明的過程中，發明人發現現有技術至少存在以下問題:
[0005]提取待檢測圖像中包括的物體的外觀特征和訓練分類器會耗費大量時間。并且，訓練分類器時容易出錯，從而造成現有的檢測車輛的方法檢測率較低。
【發明內容】
[0006]為了解決現有技術的問題，本發明提供了一種檢測待檢測區域內是否存在車輛的方法和裝置。所述技術方案如下:
[0007]—方面，本發明提供了一種檢測待檢測區域內是否存在車輛的方法，所述方法包括:
[0008]根據預設第一個數個哈霧Haar特征獲取待檢測圖像的第一特征向量，所述待檢測圖像為第一車輛的車輛傳感器拍攝待檢測區域得到的圖像，所述待檢測區域為以所述第一車輛為中心的預設半徑內的區域；
[0009]計算所述待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度，所述車輛樣本圖像集合用于存儲預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的第一特征向量；
[0010]計算所述待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度，所述非車輛樣本圖像集合用于存儲預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的第一特征向量；
[0011]根據所述第一估計概率密度和所述第二估計概率密度判斷所述待檢測區域內是否存在第二車輛，所述第二車輛為除所述第一車輛之外的其他車輛。
[0012]進一步地，所述計算所述待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度之前，所述方法還包括:
[0013]根據所述預設第一個數個Haar特征獲取所述預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的第一特征向量，并將所述每個車輛樣本圖像的第一特征向量組成所述車輛樣本圖像集合；
[0014]根據所述預設第一個數個Haar特征獲取所述預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的第一特征向量，并將所述每個非車輛樣本圖像的第一特征向量組成所述非車輛樣本圖像集合。
[0015]進一步地，所述計算所述待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度，包括:
[0016]根據所述待檢測圖像的第一特征向量和所述車輛樣本圖像集合中存儲的每個車輛樣本圖像的第一特征向量，分別計算所述待檢測圖像與所述每個車輛樣本圖像之間的第一相似度；
[0017]將所述待檢測圖像與所述每個車輛樣本圖像之間的第一相似度進行求和運算，得到所述待檢測圖像的第一特征向量與車輛樣本圖像集合之間第一估計概率密度。
[0018]進一步地，所述計算所述待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度，包括:
[0019]根據所述待檢測圖像的第一特征向量與所述非車輛樣本圖像集合中存儲的每個非車輛樣本圖像的第一特征向量，分別計算所述待檢測圖像與所述每個非車輛樣本圖像之間的第二相似度；
[0020]將所述待檢測圖像與所述每個非車輛樣本圖像之間的第二相似度進行求和運算，得到所述待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度。
[0021]進一步地，所述根據所述第一估計概率密度和所述第二估計概率密度判斷所述待檢測區域內是否存在第二車輛，包括:
[0022]如果所述第一估計概率密度大于所述第二估計概率密度，確定出所述待檢測區域內存在所述第二車輛。
[0023]另一方面，本發明提供了一種檢測待檢測區域內是否存在車輛的裝置，所述裝置包括:
[0024]第一獲取模塊，用于根據預設第一個數個哈霧Haar特征獲取待檢測圖像的第一特征向量，所述待檢測圖像為第一車輛的車輛傳感器拍攝待檢測區域得到的圖像，所述待檢測區域為以所述第一車輛為中心的預設半徑內的區域；
[0025]第一計算模塊，用于計算所述待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度，所述車輛樣本圖像集合用于存儲預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的第一特征向量；
[0026]第二計算模塊，用于計算所述待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度，所述非車輛樣本圖像集合用于存儲預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的第一特征向量；
[0027]判斷模塊，用于根據所述第一估計概率密度和所述第二估計概率密度判斷所述待檢測區域內是否存在第二車輛，所述第二車輛為除所述第一車輛之外的其他車輛。
[0028]進一步地，所述裝置還包括:
[0029]第二獲取模塊，用于根據所述預設第一個數個Haar特征獲取所述預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的第一特征向量，并將所述每個車輛樣本圖像的第一特征向量組成所述車輛樣本圖像集合；
[0030]第三獲取模塊，用于根據所述預設第一個數個Haar特征獲取所述預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的第一特征向量，并將所述每個非車輛樣本圖像的第一特征向量組成所述非車輛樣本圖像集合。
[0031]進一步地，所述第一計算模塊，包括:
[0032]第一計算單元，用于根據所述待檢測圖像的第一特征向量和所述車輛樣本圖像集合中存儲的每個車輛樣本圖像的第一特征向量，分別計算所述待檢測圖像與所述每個車輛樣本圖像之間的第一相似度；
[0033]第一求和單元，用于將所述待檢測圖像與所述每個車輛樣本圖像之間的第一相似度進行求和運算，得到所述待檢測圖像的第一特征向量與車輛樣本圖像集合之間第一估計概率密度。
[0034]進一步地，所述第二計算模塊，包括:
[0035]第二計算單元，用于根據所述待檢測圖像的第一特征向量與所述非車輛樣本圖像集合中存儲的每個非車輛樣本圖像的第一特征向量，分別計算所述待檢測圖像與所述每個非車輛樣本圖像之間的第二相似度；
[0036]第二求和單元，用于將所述待檢測圖像與所述每個非車輛樣本圖像之間的第二相似度進行求和運算，得到所述待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度。
[0037]進一步地，所述判斷模塊，用于如果所述第一估計概率密度大于所述第二估計概率密度，確定出所述待檢測區域內存在所述第二車輛。
[0038]在本發明實施例中，根據預設第一個數個Haar特征獲取待檢測圖像的第一特征向量，計算待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度，計算待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度，根據第一估計概率密度和第二估計概率密度判斷待檢測區域內是否存在第二車輛。本發明并不用提取待檢測圖像中包括的物體的外觀特征和訓練分類器，因此提高了檢測速度，并且，根據第一估計概率密度和第二估計概率密度判斷待檢測區域內是否存在第二車輛，不容易出錯，大大提高了檢測車輛的準確率。
【專利附圖】
【附圖說明】
[0039]為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
[0040]圖1是本發明實施例1提供的一種檢測待檢測區域內是否存在車輛的方法流程圖；[0041]圖2是本發明實施例2提供的一種檢測待檢測區域內是否存在車輛的方法流程圖；
[0042]圖3是本發明實施例2提供的10個Haar特征的示意圖；
[0043]圖4是本發明實施例3提供的一種檢測待檢測區域內是否存在車輛的裝置結構示意圖。
【具體實施方式】
[0044]為使本發明的目的、技術方案和優點更加清楚，下面將結合附圖對本發明實施方式作進一步地詳細描述。
[0045]實施例1
[0046]本發明實施例提供了一種檢測待檢測區域內是否存在車輛的方法。參見圖1，其中，該方法包括:
[0047]步驟101:根據預設第一個數個Haar特征獲取待檢測圖像的第一特征向量，待檢測圖像為第一車輛的車輛傳感器拍攝待檢測區域得到的圖像，待檢測區域為以第一車輛為中心的預設半徑內的區域；
[0048]步驟102:計算待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度，車輛樣本圖像集合用于存儲預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的第一特征向量；
[0049]步驟103:計算待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度，非車輛樣本圖像集合用于存儲預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的第一特征向量；
[0050]步驟104:根據第一估計概率密度和第二估計概率密度判斷待檢測區域內是否存在第二車輛，第二車輛為除第一車輛之外的其他車輛。
[0051]進一步地，計算待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度之前，方法還包括:
[0052]根據預設第一個數個Haar特征獲取預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的第一特征向量，并將每個車輛樣本圖像的第一特征向量組成車輛樣本圖像集合；
[0053]根據預設第一個數個Haar特征獲取預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的第一特征向量，并將每個非車輛樣本圖像的第一特征向量組成非車輛樣本圖像集合。
[0054]進一步地，計算待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度，包括:
[0055]根據待檢測圖像的第一特征向量和車輛樣本圖像集合中存儲的每個車輛樣本圖像的第一特征向量，分別計算待檢測圖像與每個車輛樣本圖像之間的第一相似度；
[0056]將待檢測圖像與每個車輛樣本圖像之間的第一相似度進行求和運算，得到待檢測圖像的第一特征向量與車輛樣本圖像集合之間第一估計概率密度。
[0057]進一步地，計算待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度，包括:[0058]根據待檢測圖像的第一特征向量與非車輛樣本圖像集合中存儲的每個非車輛樣本圖像的第一特征向量，分別計算待檢測圖像與每個非車輛樣本圖像之間的第二相似度；
[0059]將待檢測圖像與每個非車輛樣本圖像之間的第二相似度進行求和運算，得到待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度。
[0060]進一步地，根據第一估計概率密度和第二估計概率密度判斷待檢測區域內是否存在第二車輛，包括:
[0061]如果第一估計概率密度大于第二估計概率密度，確定出待檢測區域內存在第二車輛。
[0062]在本發明實施例中，根據預設第一個數個Haar特征獲取待檢測圖像的第一特征向量，計算待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度，計算待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度，根據第一估計概率密度和第二估計概率密度判斷待檢測區域內是否存在第二車輛。本發明并不用提取待檢測圖像中包括的物體的外觀特征和訓練分類器，因此提高了檢測速度，并且，根據第一估計概率密度和第二估計概率密度判斷待檢測區域內是否存在第二車輛，不容易出錯，大大提高了檢測車輛的準確率。
[0063]實施例2
[0064]本發明實施例提供了一種檢測待檢測區域內是否存在車輛的方法。參見圖2，其中，該方法包括:
[0065]步驟201:獲取預設第二個數個車輛樣本圖像和預設第三個數個非車輛樣本圖像，并將預設第二個數個車輛樣本圖像和預設第三個數個非車輛樣本圖像進行歸一化處理；
[0066]其中，車輛樣本圖像為圖像中包含車輛的樣本圖像；非車輛樣本圖像為圖像中不包含車輛的樣本圖像。在本發明實施例中，預設第二個數和預設第三個數可以相等，預設第二個數和預設第三個數也可以不相等。并且，預設第二個數和預設第三個數可以根據需要進行設置并更改，在本發明實施例中，對預設第二個數和預設第三個數都不作具體限定。
[0067]其中，將預設第二個數個車輛樣本圖像和預設第三個數個非車輛樣本圖像進行歸一化處理的操作，可以為:
[0068]將預設第二個數個車輛樣本圖像中的每個車輛樣本圖像都歸一化到長度和寬度均為預設像素的尺寸；將預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像都歸一化到長度和寬度均為預設像素的尺寸。
[0069]其中，預設像素可以根據需要進行設置并修改，在本發明實施例中，對預設像素不作具體限定。例如，預設像素為32像素等。
[0070]步驟202:選取預設第一個數個Haar特征；
[0071]具體地，根據車輛樣本圖像形狀選擇預設第一個數個Haar特征，該預設第一個數個Haar特征為具有較多垂直和水平線條的Haar特征。
[0072]其中，預設第一個數可以根據需要進行設置并更改，在本發明實施例中，對預設第一個數不作具體限定，例如，預設第一個數為10。例如，本發明實施例中選擇的10個Haar特征如圖3所示。每個Haar特征包括第一區域和第二區域。并且，數字I的代表第一區域，數字2代表第二區域。[0073]步驟203:根據預設第一個數個Haar特征獲取預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的第一特征向量，并將每個車輛樣本圖像的第一特征向量組成車輛樣本圖像集合；
[0074]其中，車輛樣本圖像集合用于存儲預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的第一特征向量。
[0075]其中，根據預設第一個數個Haar特征獲取預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的第一特征向量的步驟可以包括以下步驟(I)至步驟(5):
[0076]步驟(I):根據預設第一個數個Haar特征分別計算預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的至少一個特征值，將每個車輛樣本圖像的至少一個特征值組成每個車輛樣本圖像的第二特征向量；
[0077]其中，將Haar特征置于車輛樣本圖像的任一位置上，用Haar特征的第一區域內的像素值減去Haar特征的第二區域內的像素值計算車輛樣本圖像的一個特征值；因此，將Haar特征置于車輛樣本圖像的不同位置上，就會計算出車輛樣本圖像的多個特征值，根據預設第一個數個Haar特征可以計算出車輛樣本圖像的至少一個特征值；根據這種算法計算出預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的至少一個特征值。
[0078]其中，將每個車輛樣本圖像的至少一個特征值組成每個車輛樣本圖像的第二特征向量。
[0079]步驟(2):計算每個車輛樣本圖像的第二特征向量的第一平均向量，并計算每個車輛樣本圖像的第二特征向量與第一平均向量之間的第一差向量；
[0080]具體地，將預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的第二特征進行求和得到第一和向量；第一和向量除以預設第二個數得到每個車輛樣本圖像的第二特征向量的第一平均向量；每個車輛樣本圖像的第二特征向量減去第一平均向量分別得到每個車輛樣本圖像的第二特征向量與第一平均向量之間的第一差向量。
[0081]步驟(3):將每個車輛樣本圖像的第一差向量組成第一矩陣，并將第一矩陣和第一矩陣的轉置矩陣相乘得到第二矩陣；
[0082]具體地，將每個車輛樣本圖像的第一差向量組成第一矩陣，計算第一矩陣的轉置矩陣；將第一矩陣和第一矩陣的裝置矩陣相乘得到第二矩陣。
[0083]步驟(4):計算第二矩陣的特征值以及第二矩陣的特征值對應的特征向量，并從第二矩陣的特征值中獲取最大的預設第四個數個第二矩陣的特征值，并獲取獲取的特征值對應的特征向量；
[0084]其中，計算第二矩陣的特征值的方法為現有計算矩陣的特征值的方法，計算特征值對應的特征向量也為現有計算特征向量的方法，在本發明實施例中，對此不再詳細說明。
[0085]其中，預設第四個數可以根據需要進行設置并更改，在本發明實施例中，對預設第四個數不作具體限定。
[0086]步驟(5):將獲取的特征值對應的特征向量組成第三矩陣，將第三矩陣和每個車輛樣本圖像的第二特征向量相乘，得到每個車輛樣本圖像的第一特征向量。
[0087]其中，本步驟是為了對每個車輛樣本圖像的第二特征向量進行降維，得到車輛樣本圖像的第一特征向量。則車輛樣本圖像的第一特征向量的維數小于車輛樣本圖像的第二特征向量。[0088]步驟204:根據預設第一個數個Haar特征獲取預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的第一特征向量，并將每個非車輛樣本圖像的第一特征向量組成非車輛樣本圖像集合；
[0089]其中，非車輛樣本圖像集合用于存儲預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的第一特征向量。
[0090]其中，根據預設第一個數個Haar特征獲取預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的第一特征向量的步驟可以包括以下步驟(I)至步驟(5):
[0091]步驟(I):根據預設第一個數個Haar特征分別計算預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的至少一個特征值，并將每個非車輛樣本圖像的至少一個特征值組成每個非車輛樣本圖像的第二特征向量；
[0092]其中，將Haar特征置于非車輛樣本圖像的任一位置上，用Haar特征的第一區域內的像素值減去Haar特征的第二區域內的像素值計算非車輛樣本圖像的一個特征值；因此，將Haar特征置于非車輛樣本圖像的不同位置上，就會計算出非車輛樣本圖像的多個特征值，根據預設第一個數個Haar特征可以計算出非車輛樣本圖像的至少一個特征值；根據這種算法計算出預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的至少一個特征值。
[0093]其中，將每個非車輛樣本圖像的至少一個特征值組成每個非車輛樣本圖像的第二特征向量。
[0094]步驟(2):計算每個非車輛樣本圖像的第二特征向量的的第二平均向量，并計算每個非車輛樣本圖像的第二特征向量與第二平均向量之間的第二差向量；
[0095]具體地，將預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的第二特征進行求和得到第二和向量；第二和向量除以預設第三個數得到每個非車輛樣本圖像的第二特征向量的第二平均向量；每個非車輛樣本圖像的第二特征向量減去第二平均向量分別得到每個非車輛樣本圖像的第二特征向量與第二平均向量之間的第二差向量。
[0096]步驟(3):將每個非車輛樣本圖像的第二差向量組成第四矩陣，將第四矩陣和第四矩陣的轉置矩陣相乘得到第五矩陣；
[0097]具體地，將每個非車輛樣本圖像的第二差向量組成第四矩陣，計算第四矩陣的轉置矩陣；將第四矩陣和第四矩陣的裝置矩陣相乘得到第五矩陣。
[0098]步驟(4):計算第五矩陣的特征值以及第五矩陣的特征值對應的特征向量，從第五矩陣的特征值中獲取最大的預設第四個數個第五矩陣的特征值，并獲取獲取的特征值對應的特征向量；
[0099]步驟(5):將獲取的特征值對應的特征向量組成第六矩陣，將第六矩陣和每個非車輛樣本圖像的第二特征向量相乘，得到每個非車輛樣本圖像的第一特征向量。
[0100]其中，本步驟是為了對每個非車輛樣本圖像的第二特征向量進行降維，得到非車輛樣本圖像的第一特征向量。則非車輛樣本圖像的第一特征向量的維數小于非車輛樣本圖像的第二特征向量。
[0101]步驟205:獲取待檢測圖像，并根據預設第一個數個Haar特征獲取待檢測圖像的第一特征向量；
[0102]第一車輛的車輛傳感器拍攝待檢測區域得到待檢測圖像，該待檢測區域為以第一車輛為中心的預設半徑內的區域，預設半徑可以根據需要進行設置并更改，在本發明實施例中，對預設半徑不作具體限定。
[0103]其中，根據預設第一個數個Haar特征獲取待檢測圖像的第一特征向量的步驟和根據預設第一個數個Haar特征獲取車輛樣本圖像的第一特征向量的方法相同，在此不再贅述。
[0104]步驟206:計算待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度；
[0105]其中，步驟206中計算待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度的步驟可以包括以下步驟(1)至步驟(2 ):
[0106]步驟(1):根據待檢測圖像的第一特征向量和車輛樣本圖像集合中存儲的每個車輛樣本圖像的第一特征向量，分別計算待檢測圖像與每個車輛樣本圖像之間的第一相似度；
[0107]其中，步驟(1)按照以下公式計算待檢測圖像與每個車輛樣本圖像之間的第一相似度:
【權利要求】
1.一種檢測待檢測區域內是否存在車輛的方法，其特征在于，所述方法包括: 根據預設第一個數個哈霧Haar特征獲取待檢測圖像的第一特征向量，所述待檢測圖像為第一車輛的車輛傳感器拍攝待檢測區域得到的圖像，所述待檢測區域為以所述第一車輛為中心的預設半徑內的區域； 計算所述待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度，所述車輛樣本圖像集合用于存儲預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的第一特征向量； 計算所述待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度，所述非車輛樣本圖像集合用于存儲預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的第一特征向量； 根據所述第一估計概率密度和所述第二估計概率密度判斷所述待檢測區域內是否存在第二車輛，所述第二車輛為除所述第一車輛之外的其他車輛。
2.如權利要求1所述的方法，其特征在于，所述計算所述待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度之前，所述方法還包括: 根據所述預設第一個數個Haar特征獲取所述預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的第一特征向量，并將所述每個車輛樣本圖像的第一特征向量組成所述車輛樣本圖像集合； 根據所述預設第一個數個Haar特征獲取所述預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的第一特征向量，并將所述每個非車輛樣本圖像的第一特征向量組成所述非車輛樣本圖像集合。
3.如權利要求1所述的方法，其特征在于，所述計算所述待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一`估計概率密度，包括: 根據所述待檢測圖像的第一特征向量和所述車輛樣本圖像集合中存儲的每個車輛樣本圖像的第一特征向量，分別計算所述待檢測圖像與所述每個車輛樣本圖像之間的第一相似度； 將所述待檢測圖像與所述每個車輛樣本圖像之間的第一相似度進行求和運算，得到所述待檢測圖像的第一特征向量與車輛樣本圖像集合之間第一估計概率密度。
4.如權利要求1所述的方法，其特征在于，所述計算所述待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度，包括: 根據所述待檢測圖像的第一特征向量與所述非車輛樣本圖像集合中存儲的每個非車輛樣本圖像的第一特征向量，分別計算所述待檢測圖像與所述每個非車輛樣本圖像之間的第二相似度； 將所述待檢測圖像與所述每個非車輛樣本圖像之間的第二相似度進行求和運算，得到所述待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度。
5.如權利要求1所述的方法，其特征在于，所述根據所述第一估計概率密度和所述第二估計概率密度判斷所述待檢測區域內是否存在第二車輛，包括: 如果所述第一估計概率密度大于所述第二估計概率密度，確定出所述待檢測區域內存在所述第二車輛。
6.一種檢測待檢測區域內是否存在車輛的裝置，其特征在于，所述裝置包括:第一獲取模塊，用于根據預設第一個數個哈霧Haar特征獲取待檢測圖像的第一特征向量，所述待檢測圖像為第一車輛的車輛傳感器拍攝待檢測區域得到的圖像，所述待檢測區域為以所述第一車輛為中心的預設半徑內的區域； 第一計算模塊，用于計算所述待檢測圖像的第一特征向量與車輛樣本圖像集合之間的第一估計概率密度，所述車輛樣本圖像集合用于存儲預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的第一特征向量； 第二計算模塊，用于計算所述待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度，所述非車輛樣本圖像集合用于存儲預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的第一特征向量； 判斷模塊，用于根據所述第一估計概率密度和所述第二估計概率密度判斷所述待檢測區域內是否存在第二車輛，所述第二車輛為除所述第一車輛之外的其他車輛。
7.如權利要求6所述的裝置，其特征在于，所述裝置還包括: 第二獲取模塊，用于根據所述預設第一個數個Haar特征獲取所述預設第二個數個車輛樣本圖像中的每個車輛樣本圖像的第一特征向量，并將所述每個車輛樣本圖像的第一特征向量組成所述車輛樣本圖像集合； 第三獲取模塊，用于根據所述預設第一個數個Haar特征獲取所述預設第三個數個非車輛樣本圖像中的每個非車輛樣本圖像的第一特征向量，并將所述每個非車輛樣本圖像的第一特征向量組成所述非車輛樣本圖像集合。
8.如權利要求6所述的裝置，其特征在于，所述第一計算模塊，包括: 第一計算單元，用于根據所述待檢測圖像的第一特征向量和所述車輛樣本圖像集合中存儲的每個車輛樣本圖像的第一特征向量，分別計算所述待檢測圖像與所述每個車輛樣本圖像之間的第一相似度；` 第一求和單元，用于將所述待檢測圖像與所述每個車輛樣本圖像之間的第一相似度進行求和運算，得到所述待檢測圖像的第一特征向量與車輛樣本圖像集合之間第一估計概率山/又ο
9.如權利要求6所述的裝置，其特征在于，所述第二計算模塊，包括: 第二計算單元，用于根據所述待檢測圖像的第一特征向量與所述非車輛樣本圖像集合中存儲的每個非車輛樣本圖像的第一特征向量，分別計算所述待檢測圖像與所述每個非車輛樣本圖像之間的第二相似度； 第二求和單元，用于將所述待檢測圖像與所述每個非車輛樣本圖像之間的第二相似度進行求和運算，得到所述待檢測圖像的第一特征向量與非車輛樣本圖像集合之間的第二估計概率密度。
10.如權利要求6所述的裝置，其特征在于， 所述判斷模塊，用于如果所述第一估計概率密度大于所述第二估計概率密度，確定出所述待檢測區域內存在所述第二車輛。
【文檔編號】G06K9/62GK103870837SQ201410065386
【公開日】2014年6月18日 申請日期:2014年2月25日 優先權日:2014年2月25日
【發明者】王海, 孫銳, 王繼貞, 陳軍, 趙世一 申請人:奇瑞汽車股份有限公司