[发明专利]基于车底阴影的前车运动车辆检测方法

说明书

技术领域

本发明具体涉及一种基于车底阴影的前车运动车辆检测方法。

背景技术

前方运动车辆检测是智能交通系统领域中一个重要研究方向。利用基于视觉获知前方车辆信息是智能车辆安全驾驶及交通系统研究领域的热点，利于减少伤亡、节约时间、降低污染。

基于视觉的车辆检测方法可归纳为以下4类：

基于光流场方法较好处理背景运动情况，对噪声、光线变化敏感，实时性差；基于模型方法对模型的依赖性强；基于立体视觉方法定位较准确，但特征点较敏感；基于特征的方法是利用车辆一些显著特征如车底阴影、边缘、对称性等提取车辆区域，单一特征容易受光照及周边环境影响而被弱化，结合多特征是基于特征方法的发展趋势。

光强及周边环境会对车辆特征产生较大干扰，但车辆下方的阴影区域在整个图像中较暗，是一种较为鲁棒的特征。

发明内容

本发明要解决的技术问题是提供一种基于车底阴影的前车运动车辆检测方法。

基于车底阴影的前车运动车辆检测方法，包括以下步骤：

S1：通过装置于车辆内的摄像机实时的采集车辆信息，将获得的车辆行驶视频按照帧分割成一系列的图像序列，并对图像进行灰度化、二值化及降噪预处理；

S2：已知视频图像的一帧灰度图像I，计算灰度图像I的均值与方差以及可调参数a，利用下式计算第一次；

；

；

S3：统计低于的像素点，计算其均值与方差以及可调参数b，利用下式计算第二次将其作为分割图像的阈值；

；

；

S4：利用下列各式判断并寻找阴影线的起点、终点及所在行位置；对阴影分割后的图像搜索阴影线起始位置、终点位置；按从上往下，从左往右，当符合下式时，记为起点；

；

当符合下式时，记为终点；

；

投影到图像中的车宽近似用透视投影公式表示：

；其中，w为图像中目标的宽度（单位：像素）；为车辆实际宽度（单位：m）；H为摄像机光轴距离水平路面高度（单位：m）；y为图像中目标所在的行（单位：像素）；

记录满足下式的阴影线起点、终点及行位置，反之，删除阴影线；

；

S5：根据目标阴影线的相邻性及上下线之间关系合并阴影线，确定车底与路面的交线，从而定位目标的假设矩形区域；

S6：在假设矩形区域内，利用垂直Sobel边缘检测和Hough变换准确提取车辆的左右边界；

S7：计算精确提取的假设矩形区域内的熵值归一化的对称性测度，统计中得出时，则目标为车辆；反之，为虚假车辆。

进一步的，对称性测度的计算方法如下：

假设矩形框其列方向上灰度均值视为横坐标的一维函数：

；

对称轴取矩形框竖直中轴 ，宽度为矩形宽度，以为纵轴的新坐标下，的偶函数和奇函数分量分别为：

，

，

奇函数分量均值为0，偶函数分量均值大于0，对偶函数分量归一化，保证其均值为0，则有：

；

目标矩阵的对称度测量为：

将信息量定义为：

；

信息熵定义为信息量的数学期望：

；

对于灰度图像取值范围为，为灰度图像信息熵最大值；

引用熵值归一化的对称性测度排除虚假目标，定义为：

。

本发明的有益效果是：

本发明首先采用两次自适应阈值算法为有利于提取车底和路面的交线，从而初步定为车辆的假设区域，利用垂直Sobel边缘检测和Hough变换完成车辆精确定位，提高检测效率，最后基于熵值归一化的对称性测度进行验证，剔除虚假车辆，提高检测准确度。有效的解决了白天中不同时段及周边环境阴影的干扰，实时准确检测到前方目标车辆。

具体实施方式

以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。

基于车底阴影的前车运动车辆检测方法，包括以下步骤：

S1：通过装置于车辆内的摄像机实时的采集车辆信息，将获得的车辆行驶视频按照帧分割成一系列的图像序列，并对图像进行灰度化、二值化及降噪预处理；

S2：已知视频图像的一帧灰度图像I，计算灰度图像I的均值与方差以及可调参数a，利用下式计算第一次；

；

；