[发明专利]车辆外轮廓检测方法及其装置

说明书

技术领域

本发明属于目标检测技术领域，具体涉及一种车辆外轮廓检测方法及其装置。

背景技术

随着智能交通系统的快速发展和国内外学者对机器视觉的深入研究，检测并提取车辆的外轮廓有着很大的意义，为之后的车型分析、车辆尺寸测量打下基石。现在我国检测汽车长度的方法大都是人工卷尺测量和光学式及电磁式检测仪测量等，虽然有一些基于图形图像学的方法，但是大都没有很好的实时性和实用性。从而导致大部分的高速路收费系统都是通过车辆吨位以及车辆作为来收费标准，电子秤等仪器投资大、结构复杂。人眼观察不仅会增加人力又会存在失误风险。所以这些传统的方法急需改革创新，车辆的外轮廓检测有着广泛的应用前景。

目前检测车辆外轮廓的传统算法主要包括：背景差分法、光流法、帧差法。环境因素带来的影响主要分为两类，天气变化引起的光照变化和气流、大地震动、汽车喇叭、发动机轰鸣声等使相机发生轻微抖动。而这些自然因素造成实时采集到的图片光照不均匀并且相机的颤动会引入许多细小的噪声。因此传统的背景差分法和帧差法对引入的噪声无法去除，故这些方法不能达到理想的车辆外轮廓检测，而光流法的工程实用性又比较差。

发明内容

有鉴于此，本发明的主要目的在于提供一种车辆外轮廓检测方法及其装置。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供一种车辆外轮廓检测方法，该方法为：计算机获取不同分辨率下的无目标车辆的背景图像和有目标车辆的前景图像，然后对所述不同分辨率下的背景图像和前景图像分别差分运算获得不同层的背景差分图，对所述不同层的背景差分图进行阈值分割获得第一分割图像和第二分割图像，所述第一分割图像和第二分割图像进行融合运算获得融合后的图像，最后对所述融合后的图像进行腐蚀处理获得车辆外轮廓。

上述方案中，所述计算机获取不同分辨率下的无目标车辆的背景图像和有目标车辆的前景图像，具体为：

确定计算机获取的原始图像为高分辨率图像，原始图像即为无目标车辆的背景图像和有目标车辆的前景图像，再对高分辨率图片经过低通滤波器进行平滑，然后对平滑图像进行抽样处理，获得一系列尺寸缩小的图像，每一级图像均为其前一级图像低通滤波后作隔行隔列降采样，即

其中：G_k(x,y)为第k层图像；G₀为原始图像，m、n可以为-2、-1、0、1、2，即w(m,n)＝h(m)·h(n)为5×5具有低通特性的窗口函数，h为高斯密度分布函数，w(m,n)又称为高斯核，即每一层图像的像素值为前一层对应像素的5×5区域内像素的加权平均，第1层和第2层图像分辨率降低，分辨率分别为x/2×y/2px和x/4×y/4px，而所述第2层图像为低分辨率图像；

所述w(m,n)表示为：

上述方案中，所述对所述不同分辨率下的背景图像和前景图像分别差分运算获得不同层的背景差分图，具体为：在不同分辨率的前景图像与背景图像的相应层对各个像素进行差分运算，根据背景差分法获取不同层的背景差分图：D_k(x,y)＝I_k(x,y)-B_k(x,y)，其中I_k(x,y)为k层的前景图，B_k(x,y)为k层的背景图。

上述方案中，所述对所述不同层的背景差分图进行阈值分割获得第一分割图像和第二分割图像，具体为：对获取到的不同层的背景差分图，分别根据高低双阈值进行分割，根据高阈值分割低分辨率的背景差分图，获得目标车辆的大致轮廓图像，即第一分割图像；根据低阈值分割高分辨率的背景差分图，获取目标车辆的细节图像，即第二分割图像。

上述方案中，所述第一分割图像和第二分割图像进行融合运算获得融合后的图像，最后对所述融合后的图像进行腐蚀处理获得车辆外轮廓，具体为：对第一分割图像进行膨胀腐蚀操作，获得理想的滤波模型，滤除大量细小噪声，根据融合运算对目标车辆的大致轮廓图像和目标车辆的细节图像进行融合，最终检测出前景图像中的目标车辆的外轮廓。

本发明实施例还提供一种车辆外轮廓检测装置，其特征在于，该装置包括为：图像降采样单元、背景差分单元、阈值分割单元、目标检测单元；其中，

所述图像降采样单元，用于获取不同分辨率下的无目标车辆的背景图像和有目标车辆的前景图像，发送获取到的不同分辨率下的无目标车辆的背景图像和有目标车辆的前景图像到背景差分单元；