[发明专利]基于车辆视觉系统的目标区域确定方法及系统

说明书

本发明涉及一种基于车辆视觉系统的目标区域确定方法及系统。该方法包括：获取车行前方的图像；对获取的图像进行分割得到超像素图；对超像素图中相关的分割块进行合并；从合并后得到的所有超像素块中，筛选出面积在预设范围内的超像素块；对筛选出的超像素块设置候选边界框；从所有候选边界框中筛选出宽高比在预设范围内的候选边界框；根据筛选出的各候选边界框确定目标区域。本发明先对采集的图像进行分割成超像素块，并对分割的超像素块进行合并以及筛选，极大地减少了待处理超像素块的数量；又对形成的候选边界框进行筛选。本发明通过对超像素块及候选边界框的筛选，极大地减小了后续处理的计算量，提高了系统进行目标区域确定的实时性。

技术领域

本发明涉及车辆视觉系统技术领域，尤其涉及一种基于车辆视觉系统的目标区域确定方法及系统。

背景技术

随着我国汽车保有量的增加，交通拥堵、交通事故频发、堵车造成环境污染等问题变得更加突出，智能交通系统的应运而生极大地改善了这些问题。基于图像检测和处理技术的车辆检测系统作为智能交通系统的一个重要的子系统，已逐渐成为目前智能交通系统国内外研究的热点。车辆检测是自动驾驶系统和辅助驾驶系统的重要组成部分。自动驾驶系统通过车辆检测系统对当前道路信息的收集，获取车辆周边其他车辆的信息，从而做出车速调节、车距保持、并线等各种操作。辅助驾驶系统的应用可以极大降低交通事故的发生率，使交通运输更加高效。

车辆检测系统一般是通过安装在交通工具上的摄像机摄取市区公路以及乡村道路中车辆图像，输入计算机进行处理完成的。由于户外环境存在多种复杂因素的影响，它比一般的非自然场景下的目标识别更具挑战性。车辆检测系统的主要难点有：车辆检测的实时性、如何减小光照变化、尺寸变化、部分遮挡对车辆检测的影响。

在车辆检测领域国内外学者们做了大量的研究，非专利文献1(Dollar P,AppelR,Belongie S,et al.Fast Feature Pyramids for Object Detection[J].IEEETransactions on Pattern Analysis&Machine Intelligence,2014,36(8):1532-45.)提出了一种快速金字塔特征目标检测系统。他们基于快速金字塔模型提取图像梯度特征和颜色特征，然后将整幅图像特征输入到AdaBoost分类器进行检测。由于需要提取整个金字塔模型图像的特征进行匹配，将导致计算量增大，不仅无法保证系统的实时性要求，同时在复杂环境下还会导致较多的误检率，存在严重的安全隐患。

发明内容

鉴于上述的分析，本发明旨在提供一种基于车辆视觉系统的目标区域确定方法及系统，用以解决现有方法计算量大导致的实时性差的问题。

本发明的目的主要是通过以下技术方案实现的：

一个方面，本发明提出了一种基于车辆视觉系统的目标区域确定方法，该方法包括如下步骤：获取车行前方的图像；对获取的所述图像进行分割得到超像素图；对超像素图中相关的分割块进行合并；从合并后得到的所有超像素块中，筛选出面积在预设范围内的超像素块；对筛选出的超像素块设置候选边界框；从所有候选边界框中筛选出宽高比在预设范围内的候选边界框；根据筛选出的各候选边界框确定目标区域。

进一步地，上述基于车辆视觉系统的目标区域确定方法中，所述筛选出面积在预设范围内的超像素块步骤中的预设范围为：大于1000像素且小于150000像素。