[发明专利]基于视觉的前方车辆检测方法

说明书

本发明公开了一种基于视觉的前方车辆检测方法，包括以下步骤：S1：采集前方车辆视频图像，对图像进行自适应二值化处理，通过腐蚀、膨胀法滤除干扰点；S2：进行阴影线的合并及ROI区域的提取；S3：利用目标区域内的信息熵、车尾对称性特征对ROI区域进行筛选和判别；S4：使用改进的Robinson方向检测算子提取车辆边界，从而实现前方车辆的检测。本发明提出了一种面向智能车辆与结构化道路的前方移动车辆检测方法，在二值化的过程中，采取局部统计与双最大类间相结合的方法，选取最优阈值，使算法对参数不同的图像具有更强的包容性，增强系统的鲁棒性。

技术领域

本发明涉及一种基于视觉的前方车辆检测方法。

背景技术

统计显示，全球平均每分钟由车辆交通事故造成的直接经济损失高达230亿美元。而在交通事故中车辆追尾占据着最高的比例。为降低事故发生率，进行了智能车辆辅助驾驶系统的研发。其中视频车辆检测技术是该系统的核心环节，是智能交通系统的核心技术之一。使用机器视觉技术检测并跟踪前方车辆具有信息量大、成本低及鲁棒性好等优点。

在此领域内人们提出了许多技术。有的检测方法虽然定位比较准确，但计算量大，需要特殊硬件支持；有的方法复杂环境下的误检率会明显增加；有的方法计算量过大并且需要设计并行SIMD硬件结构。

发明内容

本发明要解决的技术问题是提供一种基于视觉的前方车辆检测方法。

基于视觉的前方车辆检测方法，包括以下步骤：

S1：采集前方车辆视频图像，对图像进行自适应二值化处理，通过腐蚀、膨胀法滤除干扰点；

S2：进行阴影线的合并及ROI区域的提取；

S3：利用目标区域内的信息熵、车尾对称性特征对ROI区域进行筛选和判别；

S4：使用改进的Robinson方向检测算子提取车辆边界，从而实现前方车辆的检测。

进一步的，所述自适应二值化处理的具体方法如下：

S1-1：对图像进行灰度化处理，采用如下公式：

；

S1-2：最大类间方差（OTSU）法：

计算灰度图像的特征参数，计算公式如下：

；

；

式中，分别为背景及目标区域像素点灰度值出现的概率；分别为背景及目标区域像素点的平均灰度值；为整体图像灰度的统计均值；为背景区域与目标区域的组间方差；在1，2，…，m之间改变K，求使方差取得最大值时的K，即时的K值为最优阈值；

S1-3：使用双OTSU法对图像进行分割，方法如下：

1）首先使用OTSU法计算图像整体的阈值T₁；

2）遍历图中的所有像素点，以阈值T₁进行分类，大于T₁的则归类为背景；

3）对2)中筛选过后保留的目标像素再次使用OTSU法，得到新阈值T₂；

4)以T₂为分割阈值对图像再次进行二值化，大于T₂的归类为背景，像素值设置为255，小于T₂的设置为目标像素，像素值设置为0；

S1-4：路面局部灰度值提取与双OTSU相结合的提取方法：

1）假设处理的视频图像分辨率为640*480，则在灰度图像上选取5个长宽均为25个像素的路面区域，统计5个路面区域的平均灰度值及标准差，去除大于180及大于90的区域；