[发明专利]一种基于车辆轨迹的路面障碍物智能识别设备

权利要求书

1.一种基于车辆轨迹的路面障碍物的智能识别设备，智能识别指的是对摄像头获取的图像采用目标检测和目标跟踪的方法展开的，智能识别是对车辆进行跟踪得到其运动轨迹，根据运动轨迹判断道路某处位置是否存在障碍物、交通事故、维修施工情况，其特征在于包括图像获取部件、车辆目标检测部件、车辆目标跟踪及轨迹提取部件、障碍物预警部件。

2.根据权利要求1所述的一种基于车辆轨迹的路面障碍物的智能识别设备，其特征在于图像获取部件为摄像头及立柱，获取图像信息包括视频和抓拍图片。

3.根据权利要求1所述的一种基于车辆轨迹的路面障碍物的智能识别设备，其特征在于所述车辆目标检测部件主要实现背景提取和车辆提取，背景提取步骤如下：在理想场景下将运动车辆看成背景图像中的噪声，由于车辆的多样性，造成场景内路面和车辆亮度不同，将车辆的亮度和路面的亮度作比较，就会出现以下情况：有的车辆亮度比路面亮度高，有的车辆亮度比路面亮度低，消除噪声采用多幅图像先累加后平均的方法，因此，通过对一段视频中连续图像先累加后平均方法来获取该场景的背景；公式如下：

其中Background(x,y)为视频中的背景图像，Ii(x,y)为第i帧图像，N表示提取背景视频帧数；

车辆提取采用彩色背景差分法来提取运动车辆，步骤如下：

(1)彩色背景差分：

将第i帧彩色图像fi和彩色背景图像BGi在R、G、B三通道分别作差，可以提取出前景运动目标fgi,公式如下：

图像进过彩色背景差分后仍然是由RGB三基色组成的，为了简化运算要对图像进行灰度化处理，最后在通过阈值分割就可以提取出图像中车辆运动目标的前景；

(2)形态学处理：

通过彩色背景差分法得到的前景目标还需要进一步的处理，才能够提取出较为完整的运动车辆目标，本发明采用形态学和团块填充对二值化图像进行处理，消除噪声和空洞；最基本的形态学操作是腐蚀和膨胀，还有先腐蚀在膨胀的开运算和先膨胀在腐蚀的闭运算；

车辆阴影去除：

在白天，当有强烈的阳光照射时，车辆由于阳光的投射会在路面造成阴影，阴影是亮度比背景低的一些区域，在交通视频检测场景中，像素点(i+j)的亮度模型为：

Si(x,y)＝Ei(x,y)Ri(x,y)

其中，Si(x,y)表示i时刻像素点(x,y)的亮度，Ri(x,y)表示反射系数，Ei(x,y)表示为物体表面单位接收的光照强度，Ri(x,y)一般情况下比较小，可以认为是常量，Ei(x,y)的计算公式如下：

其中CA和CP分别是环境和亮度，N(x,y)表示物体表面的法向量，L为物体表面至光源方向的矢量，k(x,y)表示阳光没有被物体完全遮挡住形成的半影相对于无阴影时光能的损失系数(0≤k(x,y)≤1)；当k(x,y)＝0时，对应于阳光被物体完全遮挡形成暗影的光强为常数；

采用HSV色彩空间的运动目标阴影消除方法，HSV色彩空间采用色彩的色调、饱和度和亮度等信息，更加接近人类的色觉反映，因而能更加准确的反应出运动目标与阴影的色彩和灰度信息；

基于HSV空间阴影消除算法步骤如下：

HSV空间可由RGB空间经过一定的变换得到，即：

其中，H表示色调，S表示饱和度，V表示亮度，R表示红色，G表示绿色，B表示蓝色，在阴影区域在HSV颜色空间下，相对于非阴影的前景区域在色调H和饱和度S基本不变,最大的不同在于亮度V上，阴影区域比非阴影区域变暗很多，公式如下：

其中，S(x,y)是前景目标图像在坐标(x,y)处的阴影掩码，S(x,y)＝1代表是阴影，

τs和τH分别是饱和度和色彩分量的阈值，分别表示第K帧彩色图像转化到HSV空间后的三通道分量值，分别表示第K帧动态彩色背景图像转化到HSV空间后在(x,y)坐标处的三通道分量值。