專利名稱：利用計算機視覺技術(shù)進行盲道和人行橫道實時檢測的方法
技術(shù)領(lǐng)域：
本發(fā)明屬于自動電子導(dǎo)盲技術(shù)領(lǐng)域，特別涉及一種利用計算機視覺技術(shù)進行盲道 和人行橫道實時檢測的方法。
背景技術(shù)：
據(jù)國家權(quán)威部門統(tǒng)計，中國是世界盲人最多的國家，約有500萬，占全世界盲人口 的18%，同時，每年我國新增45萬盲人，對于如此龐大的人群，如何提高他們的生活質(zhì)量， 已經(jīng)受到越來越多的人關(guān)注，為了改善因身體殘疾對他們造成的生活不變，在中國的很多 城市都設(shè)置了針對盲人的便利服務(wù)設(shè)備，同時越來越多的旨在提高他們生活質(zhì)量的設(shè)備被 發(fā)明和制造。目前導(dǎo)盲方法和裝置已經(jīng)有很多，按照感應(yīng)器類型可分為紅外、超聲波、超聲波 與攝像機結(jié)合和僅利用攝像機。在發(fā)明專利申請名稱為“導(dǎo)盲儀”(申請?zhí)?00610166352. X，公開號CN 100998531A)的專利中利用超聲波檢測盲人周圍是否有障礙物；在發(fā)明專 利申請名稱為“基于運動物體跟蹤的導(dǎo)盲方法及裝置”(申請?zhí)?00810201253. X，公開號 CN101385677A)的專利中利用攝像頭拍攝周圍環(huán)境，運用DSP進行處理，計算出周圍環(huán)境中 運動目標(biāo)的運動信息，并利用特定的聲音將該信息傳遞給盲人；發(fā)明專利申請名稱為“基 于DSP的路牌識別導(dǎo)盲裝置及其方法”(申請?zhí)?00910053318. 5，公開號CN 101584624A) 的專利中運用DSP進行路牌識別，主要是對路牌上的字符進行提取和識別；發(fā)明專利名稱 為“一種導(dǎo)盲鏡”(申請?zhí)?00520048220. 8，授權(quán)公告號CN 2860442Y)中介紹了一種導(dǎo)盲 眼鏡，其中說明了該導(dǎo)盲眼鏡的組成，并沒有說明其所用的具體導(dǎo)盲方法；發(fā)明專利名稱 為“電子導(dǎo)盲手杖”(申請?zhí)?00820001855. 6，授權(quán)公告號CN 201139688Y)中運用攝像頭 對周圍環(huán)境中的活動或固定的障礙物進行判斷；發(fā)明專利申請名稱為“導(dǎo)盲器”(申請?zhí)?200510110741. 6，公開號CN 1969781A)中提出了一種基于機器學(xué)習(xí)的算法，對周圍環(huán)境中 的物件構(gòu)建一個數(shù)據(jù)庫，它運用超聲和雙攝像頭對周圍物件進行拍攝，當(dāng)拍攝到的物件在 數(shù)據(jù)庫中時對其進行識別，如果不在數(shù)據(jù)庫中時，就對其進行學(xué)習(xí)加入到數(shù)據(jù)庫中。上述導(dǎo)盲裝置和方法都是對盲人周圍的障礙物或者運動物體進行檢測，以提醒盲 人避障，它們并不針對盲道和人行橫道作檢測?，F(xiàn)今城市大多都鋪上了盲道，盲道是為盲人 提供行路方便和安全的道路設(shè)施，主要由條形引導(dǎo)磚鋪成，只要將盲人引導(dǎo)到盲道上，他們 就可以根據(jù)盲道磚來獲得路況信息，因此本發(fā)明提出一種能夠檢測盲道、統(tǒng)計盲道方位信 息并引導(dǎo)盲人走上盲道的導(dǎo)盲方法。該方法通過攝像頭對周圍環(huán)境進行拍攝，運用檢測算 法對盲道進行實時檢測，以引導(dǎo)盲人準(zhǔn)確走到盲道上；同樣本發(fā)明還能引導(dǎo)盲人準(zhǔn)確走到 人行橫道上。本發(fā)明與上述運動物體檢測、路牌檢測等專利采用了不同的方法本發(fā)明運用基 于訓(xùn)練的方法，對盲道特征進行學(xué)習(xí)和訓(xùn)練；為了讓檢測結(jié)果具有仿射不變性，采用了人工 生成和實際采集數(shù)據(jù)相結(jié)合的方式來構(gòu)造訓(xùn)練樣本集；人工生成數(shù)據(jù)的方法是建立一個 仿射模型，隨機改變模型參數(shù)，得到若干模擬實際拍攝效果的數(shù)據(jù)，這樣以來實現(xiàn)了樣本數(shù)據(jù)的多樣性，同時也減小了人工采集樣本的工作量。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種利用計算機視覺技術(shù)進行盲道和人行橫道實時檢測 的方法，以解決現(xiàn)有技術(shù)中存在的缺陷，本發(fā)明方法通過攝像頭對周圍環(huán)境進行拍攝，運用 檢測算法對盲道進行實時檢測，以引導(dǎo)盲人準(zhǔn)確走到盲道上；同樣本發(fā)明還能引導(dǎo)盲人準(zhǔn) 確走到人行橫道上。盲道是現(xiàn)在城市中大范圍使用的導(dǎo)盲物件，盲人在盲道上行走可以通過對腳底盲 道磚塊形狀的變化來感知周圍的路況。本發(fā)明提出一種可檢測盲道以及人行橫道的導(dǎo)盲方 法，該方法可以進行形狀不變性檢測，使其可以實時的檢測出位于任何角度的盲道和人行 橫道，對它們的位置和走向進行快速的判定。本發(fā)明的技術(shù)方案該方法包含如下步驟[1]、采集盲道的圖像數(shù)據(jù)，采集盲道周圍環(huán)境(其中包括人行橫道)的圖像數(shù)據(jù)； 采集人行橫道的圖像數(shù)據(jù)，采集人行橫道周圍環(huán)境(其中包括盲道)的圖像數(shù)據(jù)；[2]、利用第[1]步采集的圖像數(shù)據(jù)按照如下步驟建立正樣本集和反樣本集(2. 1)、建立仿射變換模型，通過模型中參數(shù)的隨機變換，對采集的盲道圖像數(shù)據(jù) 和采集的人行橫道圖像數(shù)據(jù)進行仿射變換，生成新的盲道圖像數(shù)據(jù)和新的人行橫道圖像數(shù) 據(jù)；(2. 2)、采集的盲道圖像數(shù)據(jù)和新生成的盲道圖像數(shù)據(jù)一起構(gòu)成盲道正樣本集，采 集的盲道周圍環(huán)境數(shù)據(jù)(即非盲道數(shù)據(jù))構(gòu)成盲道反樣本集；(2. 3)、采集的人行橫道圖像數(shù)據(jù)和新生成的人行橫道圖像數(shù)據(jù)一起構(gòu)成人行橫 道正樣本集，采集的人行橫道周圍環(huán)境數(shù)據(jù)(即非人行橫道數(shù)據(jù))構(gòu)成人行橫道反樣本集。[3]、運用第[2]步建立的正樣本集和反樣本集按照如下步驟進行分類器訓(xùn)練，生 成對盲道的分類器和對人行橫道的分類器(3.1)、將盲道和人行橫道的正樣本集和反樣本集中的數(shù)據(jù)都歸一化為同樣尺寸 的圖像樣本數(shù)據(jù)；(3. 2)、對于第(3. 1)步得到的樣本數(shù)據(jù)，采用矩形特征模板計算樣本的特征值， 矩形特征模板由黑白相間的矩形圖案組成，樣本的特征值等于模板中白色區(qū)域所覆蓋的像 素之和減去模板中黑色區(qū)域所覆蓋的像素之和。通過改變矩形特征模板在圖像樣本上的大 小和位置，計算出圖像樣本的N個特征值(N> 1)；如圖2所示，對于圖2中的A、B、D這三 種模板，樣本的特征值等于模板中白色區(qū)域所覆蓋的像素之和減去模板中黑色區(qū)域所覆蓋 的像素之和；對于圖2中的C模板，樣本的特征值等于模板中白色區(qū)域所覆蓋的像素之和減 去模板中黑色區(qū)域所覆蓋的像素之和的2倍；將黑色區(qū)域像素和乘以2是為了使C模板中 黑白兩色的矩形區(qū)域像素數(shù)目一致。(3.3)對于盲道樣本的每一個特征值f(i)，i = 1，...，N，利用盲道正樣本集和盲 道反樣本集進行訓(xùn)練得到一個分類器C(i)，i = 1，...，N，該分類器使全部的r個盲道正樣 本都能被正確歸類到盲道正樣本集；同時使最大數(shù)量的盲道反樣本被正確歸類到盲道反樣 本集，這個最大數(shù)量的盲道反樣本計為e (i)，而反樣本總數(shù)計為w (w > e (i))；(3. 4)、從第(3.3)步得到的N個分類器中選擇一個分類器C(t(l))，該分類器是使e(i)取值最大的分類器，即 e(t(l)) =max{e(i),i = 1，...，N}；(3. 5)、從盲道反樣本集中去除被第(3.4)步所正確歸類的e(t(l))個盲道反樣 本，使盲道反樣本集中樣本的個數(shù)減少到w-e (t (1))個；(3. 6)、返回第(3. 3)步，并利用從第(3. 5)步得到的新的盲道反樣本集和原先的 盲道正樣本集一起重新進行分類器訓(xùn)練，得到一個新的分類器C(t (2))；依次類推，直到第 m次循環(huán)得到分類器C (t (m))，使盲道反樣本集中樣本的個數(shù)減少到零； (3. 7)、將上述步驟得到的m個分類器C (t (1))，. . .，C (t (m))級聯(lián)起來形成一個分 級的分類器，作為最終對盲道的分類器；(3. 8)、利用人行橫道樣本再次執(zhí)行第(3. 3)步到第(3. 7)步，生成對人行橫道的 分類器。[4]、運用生成的盲道分類器和人行橫道分類器對實際拍攝的圖像進行檢測，從圖 像中檢測出所需要的目標(biāo)(盲道和人行橫道)，并對檢測結(jié)果進行如下后處理(4. 1)、對檢測到的目標(biāo)區(qū)域運用形態(tài)學(xué)方法進行處理，剔除其中的錯誤檢測點， 然后計算檢測區(qū)域的質(zhì)心作為目標(biāo)的位置信息；(4. 2)、對運用形態(tài)學(xué)處理后的目標(biāo)區(qū)域作霍特林變換，得到目標(biāo)形狀的主方向和 次方向；其中主方向作為目標(biāo)(盲道和人行橫道)的走向。上述步驟中所涉及的概念歸納說明如下[1]仿射變換模型用如下公式所表達的數(shù)學(xué)模型x，= a x+b y+c ；f = d x+e y+f ；其中(x，y)是初始的圖像點坐標(biāo)，(x’，y’ )是經(jīng)過仿射變換的圖像點坐標(biāo)；a、b、 c、d、e、f是可以隨機變換的六個模型參數(shù)。[2]分類器一種映射關(guān)系，能將輸入的樣本映射到正樣本集或反樣本集。[3]形態(tài)學(xué)計算機視覺領(lǐng)域中一種公知的數(shù)學(xué)處理方法。[4]霍特林變換計算機視覺領(lǐng)域中一種公知的數(shù)學(xué)變換方法，又稱為K-L變換。本發(fā)明一種利用計算機視覺技術(shù)進行盲道和人行橫道實時檢測的方法，其優(yōu)點及 功效在于本發(fā)明能實時檢測所拍攝圖像中的盲道和人行橫道，引導(dǎo)盲人安全的行進。本發(fā) 明的方法對于拍攝角度的變化具有很好的穩(wěn)定性對于正面拍攝和側(cè)面拍攝的圖像數(shù)據(jù)， 本發(fā)明的方法都能準(zhǔn)確的檢測出盲道的位置和走向。通過改變樣本集的數(shù)據(jù)，本發(fā)明的方 法可以得到用于檢測其它目標(biāo)的分類器，因而本發(fā)明具有很好的擴展性。


圖1是本發(fā)明所述方法的流程圖，其中“目標(biāo)”是指盲道或人行橫道；圖2是步驟(3. 2)中所使用的矩形特征模板圖，其中A、B、C、D是使用的四種模板；
具體實施例方式本發(fā)明可以在嵌入式系統(tǒng)上實現(xiàn)，這樣更加便于盲人攜帶，同時可以有效的降低 功耗。該系統(tǒng)由以下模塊構(gòu)成數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊和語言提示模塊。數(shù)據(jù)采集模 塊主要用于對周圍環(huán)境的圖像數(shù)據(jù)進行采集；數(shù)據(jù)處理模塊用于對采集的圖像進行檢測，尋找盲道或人行橫道；語言提示模塊根據(jù)檢測信息引導(dǎo)盲人行走。本發(fā)明的一個具體實施方式
包含如下步驟[1]、采集盲道的圖像數(shù)據(jù)，采集盲道周圍環(huán)境(其中包括人行橫道)的圖像數(shù)據(jù)； 采集人行橫道的圖像數(shù)據(jù)，采集人行橫道周圍環(huán)境(其中包括盲道)的圖像數(shù)據(jù)；[2]、利用第[1]步采集的圖像數(shù)據(jù)按照如下步驟建立正樣本集和反樣本集(2. 1)、建立仿射變換模型，通過模型中參數(shù)的隨機變換，對采集的盲道圖像數(shù)據(jù) 和采集的人行橫道圖像數(shù)據(jù)進行仿射變換，生成新的盲道圖像數(shù)據(jù)和新的人行橫道圖像數(shù) 據(jù)；(2. 2)、采集的盲道圖像數(shù)據(jù)和新生成的盲道圖像數(shù)據(jù)一起構(gòu)成盲道正樣本集，采 集的盲道周圍環(huán)境數(shù)據(jù)(即非盲道數(shù)據(jù))構(gòu)成盲道反樣本集；(2. 3)、采集的人行橫道圖像數(shù)據(jù)和新生成的人行橫道圖像數(shù)據(jù)一起構(gòu)成人行橫 道正樣本集，采集的人行橫道周圍環(huán)境數(shù)據(jù)(即非人行橫道數(shù)據(jù))構(gòu)成人行橫道反樣本集。[3]、運用第[2]步建立的正樣本集和反樣本集按照如下步驟進行分類器訓(xùn)練，生 成對盲道的分類器和對人行橫道的分類器分類器的具體訓(xùn)練算法可以有多種選擇，比如 利用AdaBoost算法等。(3.1)、將盲道和人行橫道的正樣本集和反樣本集中的數(shù)據(jù)都歸一化為同樣尺寸 的圖像樣本數(shù)據(jù)；(3. 2)、對于第(3. 1)步得到的樣本數(shù)據(jù)，采用矩形特征模板計算樣本的特征值， 矩形特征模板由黑白相間的矩形圖案組成，樣本的特征值等于模板中白色區(qū)域所覆蓋的像 素之和減去模板中黑色區(qū)域所覆蓋的像素之和。通過改變矩形特征模板在圖像樣本上的大 小和位置，計算出圖像樣本的N個特征值(N> 1)；如圖2所示，對于圖2中的A、B、D這三 種模板，樣本的特征值等于模板中白色區(qū)域所覆蓋的像素之和減去模板中黑色區(qū)域所覆蓋 的像素之和；對于圖2中的C模板，樣本的特征值等于模板中白色區(qū)域所覆蓋的像素之和減 去模板中黑色區(qū)域所覆蓋的像素之和的2倍；將黑色區(qū)域像素和乘以2是為了使C模板中 黑白兩色的矩形區(qū)域像素數(shù)目一致。(3. 3)對于盲道樣本的每一個特征值f(i)，i = 1，. . .，N，利用盲道正樣本集和盲 道反樣本集進行訓(xùn)練得到一個分類器C(i)，i = 1，...，N，該分類器使全部的r個盲道正樣 本都能被正確歸類到盲道正樣本集；同時使最大數(shù)量的盲道反樣本被正確歸類到盲道反樣 本集，這個最大數(shù)量的盲道反樣本計為e (i)，而反樣本總數(shù)計為w (w > e (i))；(3. 4)、從第(3.3)步得到的N個分類器中選擇一個分類器C (t (1))，該分類器是使 e(i)取值最大的分類器，即 e(t(l)) =max{e(i),i = 1，...，N}；(3. 5)、從盲道反樣本集中去除被第(3.4)步所正確歸類的e (t (1))個盲道反樣 本，使盲道反樣本集中樣本的個數(shù)減少到w-e(t(l))個；(3. 6)、返回第(3. 3)步，并利用從第(3. 5)步得到的新的盲道反樣本集和原先的 盲道正樣本集一起重新進行分類器訓(xùn)練，得到一個新的分類器C(t (2))；依次類推，直到第 m次循環(huán)得到分類器C (t (m))，使盲道反樣本集中樣本的個數(shù)減少到零； (3. 7)、將上述步驟得到的m個分類器C (t (1))，. . .，C (t (m))級聯(lián)起來形成一個分 級的分類器，作為最終對盲道的分類器； (3. 8)、利用人行橫道樣本再次執(zhí)行第(3. 3)步到第(3. 7)步，生成對人行橫道的分類器。[4]、運用生成的盲道分類器和人行橫道分類器對實際拍攝的圖像進行檢測，從圖 像中檢測出所需要的目標(biāo)(盲道和人行橫道)，并對檢測結(jié)果進行如下后處理(4. 1)、對檢測到的目標(biāo)區(qū)域運用形態(tài)學(xué)方法進行處理，剔除其中的錯誤檢測點， 然后計算檢測區(qū)域的質(zhì)心作為目標(biāo)的位置信息；(4. 2)、對運用形態(tài)學(xué)處理后的目標(biāo)區(qū)域作霍特林變換，得到目標(biāo)形狀的主方向和 次方向；其中主方向作為目標(biāo)(盲道和人行橫道)的走向。上述步驟中所涉及的概念歸納說明如下[1]仿射變換模型用如下公式所表達的數(shù)學(xué)模型x，= a x+b y+c ；f = d x+e y+f ；其中(x，y)是初始的圖像點坐標(biāo)，(x’，y’ )是經(jīng)過仿射變換的圖像點坐標(biāo)；a、b、 c、d、e、f是可以隨機變換的六個模型參數(shù)。[2]分類器一種映射關(guān)系，能將輸入的樣本映射到正樣本集或反樣本集。[3]形態(tài)學(xué)計算機視覺領(lǐng)域中一種公知的數(shù)學(xué)處理方法。[4]霍特林變換計算機視覺領(lǐng)域中一種公知的數(shù)學(xué)變換方法，又稱為K-L變換。
權(quán)利要求
一種利用計算機視覺技術(shù)進行盲道和人行橫道實時檢測的方法，其特征在于該方法包括如下步驟步驟一、采集盲道的圖像數(shù)據(jù)，采集盲道周圍環(huán)境的圖像數(shù)據(jù)；采集人行橫道的圖像數(shù)據(jù)，采集人行橫道周圍環(huán)境的圖像數(shù)據(jù)；步驟二、利用仿射變換模型，通過模型中參數(shù)的隨機變換，對步驟一采集到的盲道和人行橫道的圖像數(shù)據(jù)進行仿射變換，生成新的盲道和人行橫道圖像數(shù)據(jù)，和采集的盲道和人行橫道的圖像數(shù)據(jù)一起構(gòu)成正樣本集和反樣本集；步驟三、運用步驟二建立的正樣本集和反樣本集進行分類器訓(xùn)練，生成對盲道的分類器和對人行橫道的分類器；步驟四、將生成的分類器數(shù)據(jù)導(dǎo)入到嵌入式系統(tǒng)中，對實際拍攝的圖像進行檢測，從圖像中檢測出所需要的目標(biāo)，并對檢測結(jié)果進行后處理，得到目標(biāo)的位置和走向。
2.根據(jù)權(quán)利要求1所述的利用計算機視覺技術(shù)進行盲道和人行橫道實時檢測的方法， 其特征在于所述步驟二具體按如下步驟實現(xiàn)(1)、建立仿射變換模型，通過模型中參數(shù)的隨機變換，對采集的盲道圖像數(shù)據(jù)和采集 的人行橫道圖像數(shù)據(jù)進行仿射變換，生成新的盲道圖像數(shù)據(jù)和新的人行橫道圖像數(shù)據(jù)；(2)、采集的盲道圖像數(shù)據(jù)和新生成的盲道圖像數(shù)據(jù)一起構(gòu)成盲道正樣本集，采集的盲 道周圍環(huán)境數(shù)據(jù)即非盲道數(shù)據(jù)，構(gòu)成盲道反樣本集；(3)、采集的人行橫道圖像數(shù)據(jù)和新生成的人行橫道圖像數(shù)據(jù)一起構(gòu)成人行橫道正樣 本集，采集的人行橫道周圍環(huán)境數(shù)據(jù)即非人行橫道數(shù)據(jù)，構(gòu)成人行橫道反樣本集。
3.根據(jù)權(quán)利要求1所述的利用計算機視覺技術(shù)進行盲道和人行橫道實時檢測的方法， 其特征在于所述步驟三具體按如下步驟實現(xiàn)(1)、將盲道和人行橫道的正樣本集和反樣本集中的數(shù)據(jù)都歸一化為同樣尺寸的圖像 樣本數(shù)據(jù)；(2)、對于第(1)步得到的樣本數(shù)據(jù)，采用矩形特征模板計算樣本的特征值，矩形特征 模板由黑白相間的矩形圖案組成，樣本的特征值等于模板中白色區(qū)域所覆蓋的像素之和減 去模板中黑色區(qū)域所覆蓋的像素之和；通過改變矩形特征模板在圖像樣本上的大小和位 置，計算出圖像樣本的N個特征值(N> 1)；(3)對于盲道樣本的每一個特征值f(i)，i= 1，...，N，利用盲道正樣本集和盲道反樣 本集進行訓(xùn)練得到一個分類器C(i)，i = 1，...，N，該分類器使全部的r個盲道正樣本都能 被正確歸類到盲道正樣本集；同時使最大數(shù)量的盲道反樣本被正確歸類到盲道反樣本集， 這個最大數(shù)量的盲道反樣本計為e (i)，而反樣本總數(shù)計為w (w > e (i))；(4)、從第(3)步得到的N個分類器中選擇一個分類器C(t(l))，該分類器是使e(i)取 值最大的分類器，即 e(t(l)) =max{e(i),i = 1，···，Ν}；(5)、從盲道反樣本集中去除被第(4)步所正確歸類的e(t(l))個盲道反樣本，使盲道 反樣本集中樣本的個數(shù)減少到w-e(t(l))個；(6)、返回第(3)步，并利用從第(5)步得到的新的盲道反樣本集和原先的盲道正樣本 集一起重新進行分類器訓(xùn)練，得到一個新的分類器C (t (2))；依次類推，直到第m次循環(huán)得 到分類器C (t (m))，使盲道反樣本集中樣本的個數(shù)減少到零；(7)、將上述步驟得到的m個分類器C(t (1))，. . .，C (t (m))級聯(lián)起來形成一個分級的分類器，作為最終對盲道的分類器；(8)、利用人行橫道樣本再次執(zhí)行第(3)步到第(7)步，生成對人行橫道的分類器。
4.根據(jù)權(quán)利要求1所述的的利用計算機視覺技術(shù)進行盲道和人行橫道實時檢測的方 法，其特征在于所述步驟四中的后處理，具體如下(1)、對檢測到的目標(biāo)區(qū)域運用形態(tài)學(xué)方法進行處理，剔除其中的錯誤檢測點，然后計 算檢測區(qū)域的質(zhì)心作為目標(biāo)的位置信息；(2)、對運用形態(tài)學(xué)處理后的目標(biāo)區(qū)域作霍特林變換，得到目標(biāo)形狀的主方向和次方 向；其中主方向作為目標(biāo)的走向。
全文摘要
本發(fā)明一種利用計算機視覺技術(shù)進行盲道和人行橫道實時檢測的方法，包括如下步驟一、采集盲道的圖像數(shù)據(jù)，采集盲道周圍環(huán)境的圖像數(shù)據(jù)；采集人行橫道的圖像數(shù)據(jù)，采集人行橫道周圍環(huán)境的圖像數(shù)據(jù)；二、利用仿射變換模型，通過模型中參數(shù)的隨機變換，對步驟一采集到的盲道和人行橫道的圖像數(shù)據(jù)進行仿射變換，生成新的盲道和人行橫道圖像數(shù)據(jù)，和采集的盲道和人行橫道的圖像數(shù)據(jù)一起構(gòu)成正樣本集和反樣本集；三、運用步驟二建立的正樣本集和反樣本集進行分類器訓(xùn)練，生成對盲道的分類器和對人行橫道的分類器；四、對實際拍攝的圖像進行檢測，從圖像中檢測出所需要的目標(biāo)，并對檢測結(jié)果進行后處理，得到目標(biāo)的位置和走向。
文檔編號G06K9/66GK101853399SQ20101017401
公開日2010年10月6日 申請日期2010年5月11日 優(yōu)先權(quán)日2010年5月11日
發(fā)明者王兆仲, 肖漢 申請人:北京航空航天大學(xué)