一种人行横道线自动检测分析方法及系统技术方案

一种人行横道线自动检测分析方法及系统，包括输入街景的影像，将影像分为训练组和测试组，利用训练组训练用于检测人行横道线的分类器；例如分类器对测试组影像进行人行横道线的检测识别，通过后期处理排除错误检测；利用分类器对训练组影像进行人行横道线的检测识别，并通过后期处理排除错误检测；根据步骤4所得各测试组影像的识别结果和步骤5所得各训练组影像的识别结果分别统计检测结果，包括对任一张测试组影像或训练组影像，依照横坐标值的不同，对每一个识别结果矩形包含的像素进行累加，得到横坐标值相应像素被识别为人行横道的次数，绘制直方图并提取特征，训练用于污损程度分析的神经网络模型进行人行横道线污损程度分析。

【技术实现步骤摘要】
一种人行横道线自动检测分析方法及系统
本专利技术属于测绘科学与
，涉及一种人行横道线自动检测分析的方法及系 统。
技术介绍
随着我国城镇化进程的发展，城市中人口密度、交通基础设施大量增加。由于缺乏 对交通基础设施的自动监管手段，使得交通基础设施维修维护不及时，从而带来了交通安 全隐患。人行横道线作为交通基础设施之一，具有保障人民生命财产安全、维护交通秩序顺 畅的重要意义。人行横道线的污损将对交通安全以及人民生命财产安全带来严重的威胁。 所以需要一种成本低廉、高效、自动的人行横道线的检测与污损程度分析的方法，来对城市 中大量的人行横道线的状态进行监管。 对于人行横道线的自动检测，现有的研究主要集中在从近景影像中检测出单条 人行横道区域。例如Sichelschmidt等的研究是从车辆的视角进行人行横道的识别，而 Mohammad，张莹和曹玉珍的文章均是以行人的视角识别或量测人行横道的长度，目的在于 为辅助盲人过马路提供帮助。Ma，St印hen和Mohammad所著的另外两篇文章中，也描述了 从行人视角的影像上进行单条人行横道线的识别方法。但这些研究的主要目的仅仅是提取 人行横道线的轮廓，而非在近景序列影像中快速准确的自动检测出横道线。而纵观国内外 对人行横道线状态的监管方法，现有的研究中尚无对人行横道线的污损状态进行自动分析 的有效技术方案。
技术实现思路
本专利技术能够快速的从影像上自动检测出人行横道线区域，并对其污损程度进行分 析，解决因缺少高效的自动检测数量庞大的人行横道线的方法，导致的未能及时发现污 损、掉漆的人行横道线并进行维护，从而给人民的生命财产带来威胁的问题。 为达到上述目的，本专利技术采用如下的技术方案： -种人行横道线自动检测分析方法，包括如下步骤： 步骤1，输入街景的影像； 步骤2,将影像分为训练组和测试组，利用训练组的数据制作正负样本，训练用于 检测人行横道线的分类器； 步骤3,利用步骤2训练出的分类器对测试组影像进行人行横道线的检测识别； 步骤4,通过后期处理排除步骤3所得结果的错误检测，得到人行横道线识别结 果； 步骤5,利用步骤2训练得到的分类器对训练组影像进行人行横道线的检测识别， 并通过后期处理排除所得结果的错误检测，得到人行横道线识别结果； 步骤6,根据步骤4所得各测试组影像的识别结果和步骤5所得各训练组影像的识 别结果分别统计检测结果，包括对任一张测试组影像或训练组影像，依照横坐标值的不同， 对每一个识别结果矩形包含的像素进行累加，得到横坐标值相应像素被识别为人行横道的 次数； 步骤7,为每张测试组影像和训练组影像分别绘制直方图，包括对任一张测试组影 像或训练组影像，根据步骤6所得统计结果绘制成直方图，直方图的横轴表示影像的横坐 标值，直方图的纵轴表示像素被识别为人行横道的次数； 步骤8,从各测试组影像和训练组影像的直方图中提取特征； 步骤9,利用步骤8从所有训练组影像的直方图中分别提取的特征，训练用于污损 程度分析的神经网络模型； 步骤10,根据步骤8从各测试组影像分别提取的特征，利用步骤9中所得神经网络 模型对测试组的影像进行人行横道线污损程度分析，得到分析结果。 而且，步骤3和步骤5利用步骤2训练出的分类器进行人行横道线的检测识别时， 对分类器输出的识别结果矩形按照位置信息进行聚类，剔除离散的识别结果矩形。 而且，步骤4和步骤5的后期处理中，包括依据人行横道线的宽度计算影像上人行 横道线长度的理论范围，如果识别结果的长度超出该范围，则认为是错误识别进行剔除。 本专利技术还相应提供一种人行横道线自动检测分析系统，包括如下模块： 输入模块，用于输入街景的影像； 分类器模块，用于将影像分为训练组和测试组，利用训练组的数据制作正负样本， 训练用于检测人行横道线的分类器； 测试初始识别模块，用于利用分类器模块训练出的分类器对测试组影像进行人行 横道线的检测识别； 测试后期处理模块，用于通过后期处理排除测试初始识别模块所得结果的错误检 测，得到人行横道线识别结果； 训练识别模块，用于利用分类器模块训练得到的分类器对训练组影像进行人行横 道线的检测识别，并通过后期处理排除所得结果的错误检测，得到人行横道线识别结果； 统计模块，用于根据测试后期处理模块所得各测试组影像的识别结果和训练识别 模块所得各训练组影像的识别结果分别统计检测结果，包括对任一张测试组影像或训练组 影像，依照横坐标值的不同，对每一个识别结果矩形包含的像素进行累加，得到横坐标值相 应像素被识别为人行横道的次数； 直方图生成模块，用于为每张测试组影像和训练组影像分别绘制直方图，包括对 任一张测试组影像或训练组影像，根据统计模块所得统计结果绘制成直方图，直方图的横 轴表示影像的横坐标值，直方图的纵轴表示像素被识别为人行横道的次数； 特征提取模块，用于从各测试组影像和训练组影像的直方图中提取特征； 神经网络模型模块，用于利用特征提取模块从所有训练组影像的直方图中分别提 取的特征，训练用于污损程度分析的神经网络模型； 分析模块，用于根据特征提取模块从各测试组影像分别提取的特征，利用神经网 络模型模块中所得神经网络模型对测试组的影像进行人行横道线污损程度分析，得到分析 结果。 本专利技术能够自动从序列影像中检测出人行横道区域，并分析该人行横道是否掉 漆、污损，并做出相应提示，为道路交通管理部门定期监测大范围内数量庞大的人行横道线 的损耗程度提供了手段，有助于发现人行横道这类交通基础设施是否因年久失修而存在掉 漆、污损的问题；有利于提示相关部门对污损的设施进行及时的维护、保养，从而减少道路 交通安全隐患，为人民的生命财产安全提供保障。本专利技术主要应用于地理国情监测，智慧城 市的构建，智能交通管理系统，交通基础设施数字化与管理等领域，为人行横道线检测，污 损程度分析和数字化入库管理提供了手段，为建立人行横道线数据库，开展地理国情监测， 构建智能交通系统和智慧城市提供基础技术支持，具有成本低廉、检测阶段无需人工干预、 自动化程度高、检测正确率高的优点。本专利技术受到多项基金的支持，为重点科研项目：1.四 川省地理国情监测工程技术研究中心资助项目，项目批准号GC201514 ;2.中央高校基本科 研业务费专项资金资助项目，项目编号2014213020201。本专利技术具有重大实用价值。 【附图说明】 图1为本专利技术实施例的总流程图； 图2为本专利技术实施例的摄影方向与街道走向一致的示意图； 图3为本专利技术实施例的特征直方图； 图4为本专利技术实施例的基于积分图的像素特征计算方法示意图； 图5为本专利技术实施例人行横道线在影像上的宽度和位置所应该存在的关系示意 图。 【具体实施方式】 本专利技术是基于人工智能和神经网络模型的分类技术提出的一种自动检测人行横 道并进行污损程度分析的方法，全球卫星定位系统GPS (Global Positioning System)的协 助下，同时可以获取人行横道线的位置信息，有着减少道路交通安全隐患，协助保障人民生 命财产安全的实用价值。本专利技术技术方案可本文档来自技高网...

【技术保护点】
一种人行横道线自动检测分析方法，其特征在于，包括如下步骤：步骤1，输入街景的影像；步骤2，将影像分为训练组和测试组，利用训练组的数据制作正负样本，训练用于检测人行横道线的分类器；步骤3，利用步骤2训练出的分类器对测试组影像进行人行横道线的检测识别；步骤4，通过后期处理排除步骤3所得结果的错误检测，得到人行横道线识别结果；    步骤5，利用步骤2训练得到的分类器对训练组影像进行人行横道线的检测识别，并通过后期处理排除所得结果的错误检测，得到人行横道线识别结果；    步骤 6，根据步骤4所得各测试组影像的识别结果和步骤5所得各训练组影像的识别结果分别统计检测结果，包括对任一张测试组影像或训练组影像，依照横坐标值的不同，对每一个识别结果矩形包含的像素进行累加，得到横坐标值相应像素被识别为人行横道的次数；    步骤7，为每张测试组影像和训练组影像分别绘制直方图，包括对任一张测试组影像或训练组影像，根据步骤6所得统计结果绘制成直方图，直方图的横轴表示影像的横坐标值，直方图的纵轴表示像素被识别为人行横道的次数；    步骤8，从各测试组影像和训练组影像的直方图中提取特征；    步骤9，利用步骤8从所有训练组影像的直方图中分别提取的特征，训练用于污损程度分析的神经网络模型；    步骤10，根据步骤8从各测试组影像分别提取的特征，利用步骤9中所得神经网络模型对测试组的影像进行人行横道线污损程度分析，得到分析结果。...

【技术特征摘要】
1. 一种人行横道线自动检测分析方法，其特征在于，包括如下步骤： 步骤1，输入街景的影像； 步骤2,将影像分为训练组和测试组，利用训练组的数据制作正负样本，训练用于检测 人行横道线的分类器； 步骤3,利用步骤2训练出的分类器对测试组影像进行人行横道线的检测识别； 步骤4,通过后期处理排除步骤3所得结果的错误检测，得到人行横道线识别结果； 步骤5,利用步骤2训练得到的分类器对训练组影像进行人行横道线的检测识别，并通 过后期处理排除所得结果的错误检测，得到人行横道线识别结果； 步骤6,根据步骤4所得各测试组影像的识别结果和步骤5所得各训练组影像的识别 结果分别统计检测结果，包括对任一张测试组影像或训练组影像，依照横坐标值的不同，对 每一个识别结果矩形包含的像素进行累加，得到横坐标值相应像素被识别为人行横道的次 数； 步骤7,为每张测试组影像和训练组影像分别绘制直方图，包括对任一张测试组影像或 训练组影像，根据步骤6所得统计结果绘制成直方图，直方图的横轴表示影像的横坐标值， 直方图的纵轴表示像素被识别为人行横道的次数； 步骤8,从各测试组影像和训练组影像的直方图中提取特征； 步骤9,利用步骤8从所有训练组影像的直方图中分别提取的特征，训练用于污损程度 分析的神经网络模型； 步骤10,根据步骤8从各测试组影像分别提取的特征，利用步骤9中所得神经网络模型 对测试组的影像进行人行横道线污损程度分析，得到分析结果。2. 根据权利要求1所述人行横道线自动检测分析方法，其特征在于：步骤3和步骤5利 用步骤2训练出的分类器进行人行横道线的检测识别时，对分类器输出的识别结果矩形按 照位置信息进行聚类，剔除离散的识别结果矩形。3. 根据权利要求1所述人行横道线自动检测分析方法，其特征在于：步骤4和步骤5的 后...

【专利技术属性】
技术研发人员：张永军，李谦，卢洪树，刘欣怡，谭凯，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42