夜视环境下对前方车辆的高精度检测方法技术

一种夜视环境下对前方车辆的高精度检测方法，涉及一种对前方车辆的检测方法，它分别利用结合canny边缘检测的区域生长法和基于马氏距离的彩色图像阈值分割方法进行前灯和尾灯分割；然后进行车灯配对，采用初步过滤和投影扭曲补偿提高相关系数的计算精度。本发明专利技术利用结合canny边缘检测的区域生长法一方面排除了尾灯、街灯、装饰灯的干扰，另一方面保持了头灯外观形状；基于马氏距离的彩色图像阈值分割方法充分利用了尾灯的颜色空间特征，可对尾灯进行准确有效的检测；在车灯配对过程中，采用初步过滤和投影扭曲补偿提高相关系数计算精度，因此本发明专利技术能提高检测精度，其计算求解过程简单，可实现夜视环境下对前方车辆的高精度检测。

【技术实现步骤摘要】

本专利技术涉及一种对前方车辆的检测方法，特别是一种夜视环境下对前方车辆的高精度检测方法。
技术介绍
道路上的其它车辆是驾驶员驾驶过程中必须关注的信息。自动检测其它车辆位置的辅助驾驶系统有广泛的用途，如：碰撞告警、盲区监控、自动巡航等。车载可见光相机是一种广泛用于实现此类功能的廉价传感装置。但在夜间，可见光视频中的视觉信息非常有限。许多譬如道路标志、车道线、水平线之类背景信息和车身结构，车辆颜色等目标信息几乎完全不可用。黑暗的夜间环境下，最为显著的车辆信息是车辆的前灯和尾灯。虽然车灯的外观各有不同，但他们都必须遵循行业规范进行设计，视频图像处理系统可以利用这些遵循规范设计的前后灯特征进行夜间车辆检测。但在夜间用基于车灯的检测方法进行车辆检测时，容易受到发射光、路灯干扰，同时，由于相机的自动曝光机制，导致夜间的车辆前灯成像出现巨大光斑、尾灯因为饱和而失去其色彩特征，这些都是夜视环境下基于车灯进行车辆检测的困难所在。中国专利申请（公开号：103440771A）“模糊隶属度和反馈修正在夜间交通视频车辆检测的应用”公开了一种夜间复杂车辆检测的方法。利用频域的同态滤波和时域的方位模糊技术对车灯进行提取，再利用成功配对车灯的统计信息对车灯进行配对，最后对车辆加以追踪，并引入车辆追踪反馈修正机制，实现夜间车辆的检测与追踪。但该专利方法公开是车辆检测仅仅基于车辆前灯，没有对尾灯进行检测，且其在车灯配对过程中没有考虑因为超车、转弯等造成的投影扭曲现象，其检测精度不高，而且计算求解过程复杂。论文“基于尾灯跟踪的夜间车辆检测”（通信技术，2012,45(10):58-60）中给出一种基于尾灯跟踪的夜间车辆检测方法，该技术公开了对尾灯进行检测的技术，即是先通过HSV颜色模型对尾灯的颜色信息进行分割，辨认出车辆位置，再通过区域边界锁定车灯边缘信息对车辆进行跟踪。但该文方法没有对车灯的对称相关信息进行计算，简单认为在同一个水平横轴上的一对车灯即属于同一辆目标车辆，同时，正如论文结尾部分所指出，该文方法容易受到道路两旁有颜色的路牌或广告牌干扰，另外，路面雨水也会影响该文方法的检测效果，检测精度仍不高。
技术实现思路
本专利技术要解决的技术问题是：提供一种夜视环境下对前方车辆的高精度检测方法，以解决现有技术存在的检测精度不高、计算求解过程复杂的不足之处。解决上述技术问题的技术方案是：一种夜视环境下对前方车辆的高精度检测方法，该方法是分别利用结合canny边缘检测的区域生长法和基于马氏距离的彩色图像阈值分割方法进行前灯和尾灯分割；然后进行车灯配对，采用初步过滤和投影扭曲补偿提高相关系数的计算精度。本专利技术的进一步技术方案是：该方法包括以下步骤：S1.样本收集与统计分析：采集不同气候条件、灯光条件的前灯和尾灯数据各500～1000对，先对采集的车灯图像进行中值滤波，然后对前灯的亮度、尾灯RGB颜色向量、车灯对的圆形度比和中心连线角度、车灯对的相关系数进行统计分析，分别求出其均值和方差；S2.读入视频帧，并分割车灯：读入视频帧，并用基于canny边缘检测的区域生长法分割前灯，用基于马氏距离的彩色图像阈值分割方法分割尾灯；S3.进行车灯配对：在车灯配对过程中，采用初步过滤和投影扭曲补偿提高相关系数的计算精度；S4.输出结果：输出检测到的车灯对目标及其运动轨迹。本专利技术的再进一步技术方案是：所述的步骤S1的具体方法如下：S11.采集不同气候条件、灯光条件的前灯和尾灯数据各500～1000对，先对采集的车灯图像进行中值滤波；S12.对前灯的亮度进行统计分析，并求出其均值和方差；取N个前灯像素，N≥80000，令第i个像素的亮度为Gi,则均值与方差分别为，其中，分别代表前灯亮度的均值与方差；S13.对尾灯RGB颜色向量的统计分析，并求出其均值和方差：取N个尾灯像素，N≥80000，令每个像素的R、G、B三个分量值为随机变量，则每个像素（R，G，B）分量构成一个随机向量，计算所有N个向量的平均向量和协方差矩阵，其中，为平均向量，C为协方差矩阵，由协方差矩阵的性质可知，其对角线元素（C11,C22,C33）即分别为（R，G，B）三个分量的方差，因此其标准差分别为：，，；S14.计算车灯对的圆形度比的均差和方差：先计算车灯对的圆形度比，该圆形度比的计算公式为：其中，分别代表第J个车灯，第K个车灯的圆形度，车灯圆形度的计算方法为：其中，为车灯的圆形度，一个车灯连通区域的面积A用该连通区域的像素数总和来表示，周长P用连通区域的边界上的像素数来表示；然后分别计算采集到的500～1000对前灯、尾灯的圆形度比的均值和方差，S15.计算车灯对的中心连线角度的均差和方差：先计算车灯对的中心连线角度，该中心连线角度的计算方式为：其中，、分别为第J个车灯，第K个车灯中心点坐标；然后分别计算采集到的500～1000对前灯、尾灯的中心连线角度的均值和方差；S16.计算车灯对的相关系数的均差和方差：先计算车灯对的相关系数，该车灯对的相关系数的计算方法是，取某对车灯中的一个为模板，将另一个车灯进行水平翻转，该两个车灯的相应位置的像素亮度构成向量和，计算这两个向量的相关系数，计算其对应像素亮度的相关系数如下：其中，为向量T与I之间的协方差，和分别代表向量T和I的方差；对于头灯，计算其像素亮度的相关系数，并进一步计算头灯像素亮度相关系数的方差和均值；对于尾灯，分别计算其样本数据库中三个分量的相关系数的平均值并构成平均相关系数向量和三个分量的相关系数的协方差矩阵。本专利技术的再进一步技术方案是：在步骤S2中，所述的读入视频帧，并用基于canny边缘检测的区域生长法分割前灯，用基于马氏距离的彩色图像阈值分割方法分割尾灯的方法如下：S21.读入视频帧，先进行中值滤波处理；S22.用基于canny边缘检测的区域生长法分割前灯：以拍摄该帧图像的最大亮度的80～95%作为种子点，进行区域生长，区域生长的准则是与种子点亮度差小于50的且与已生长区域8连通；将canny算法检测到的边缘作为区域生长的停止准则，Canny算法中低阈值选择为图像最大亮度的4%，高阈值选择为图像最高亮度的10%；S23.用基于马氏距离的彩色图像阈值分割方法分割尾灯：计算每个像素与样本像素库中的平均向量的马氏距离，其计算方法如下：其中，代表输入像素()分量组成的向量，即，取阈值Th,若则判断该像素为尾灯像素；S24.对头本文档来自技高网...

【技术保护点】
一种夜视环境下对前方车辆的高精度检测方法，其特征在于：该方法是分别利用结合canny边缘检测的区域生长法和基于马氏距离的彩色图像阈值分割方法进行前灯和尾灯分割；然后进行车灯配对，采用初步过滤和投影扭曲补偿提高相关系数的计算精度。

【技术特征摘要】
1.一种夜视环境下对前方车辆的高精度检测方法，其特征在于：该方法是分别利用结
合canny边缘检测的区域生长法和基于马氏距离的彩色图像阈值分割方法进行前灯和尾灯
分割；然后进行车灯配对，采用初步过滤和投影扭曲补偿提高相关系数的计算精度。
2.根据权利要求1所述的夜视环境下对前方车辆的高精度检测方法，其特征在于：该方
法包括以下步骤：
S1.样本收集与统计分析：
采集不同气候条件、灯光条件的前灯和尾灯数据各500～1000对，先对采集的车灯图像
进行中值滤波，然后对前灯的亮度、尾灯RGB颜色向量、车灯对的圆形度比和中心连线角度、
车灯对的相关系数进行统计分析，分别求出其均值和方差；
S2.读入视频帧，并分割车灯：
读入视频帧，并用基于canny边缘检测的区域生长法分割前灯，用基于马氏距离的彩色
图像阈值分割方法分割尾灯；
S3.进行车灯配对：
在车灯配对过程中，采用初步过滤和投影扭曲补偿提高相关系数的计算精度；
S4.输出结果：
输出检测到的车灯对目标及其运动轨迹。
3.根据权利要求2所述的夜视环境下对前方车辆的高精度检测方法，其特征在于：所述
的步骤S1的具体方法如下：
S11.采集不同气候条件、灯光条件的前灯和尾灯数据各500～1000对，先对采集的车
灯图像进行中值滤波；
S12.对前灯的亮度进行统计分析，并求出其均值和方差；
取N个前灯像素，N≥80000，令第i个像素的亮度为Gi,则均值与方差分别为
，其中，分别代表前灯亮度的均值与方差；
S13.对尾灯RGB颜色向量的统计分析，并求出其均值和方差：
取N个尾灯像素，N≥80000，令每个像素的R、G、B三个分量值为随机变量，则每个像素
（R，G，B）分量构成一个随机向量，计算所有N个向量的平均向量和协方差矩阵，
其中，为平均向量，C为协方差矩阵，由协方差矩阵的性质可知，其对角线元素（C11,
C22,C33）即分别为（R，G，B）三个分量的方差，因此其标准差分别为：，，
；
S14.计算车灯对的圆形度比的均差和方差：
先计算车灯对的圆形度比，该圆形度比的计算公式为：
其中，分别代表第J个车灯，第K个车灯的圆形度，车灯圆形度的计算方法为：
其中，为车灯的圆形度，一个车灯连通区域的面积A用该连通区域的像素数总和来
表示，周长P用连通区域的边界上的像素数来表示；
然后分别计算采集到的500～1000对前灯、尾灯的圆形度比的均值和方差，
S15.计算车灯对的中心连线角度的均差和方差：
先计算车灯对的中心连线角度，该中心连线角度的计算方式为：
其中，、分别为第J个车灯，第K个车灯中心点坐标；
然后分别计算采集到的500～1000对前灯、尾灯的中心连线角度的均值和方差；
S16.计算车灯对的相关系数的均差和方差：
先计算车灯对的相关系数，该车灯对的相关系数的计算方法是，取某对车灯中的一个
为模板，将另一个车灯进行水平翻转，该两个车灯的相应位置的像素亮度构成向量和，
计算这两个向量的相关系数，
计算其对应像素亮度的相关系数如下：
其中，为向量T与I之间的协方差，和分别代表向量T和I的方差；
对于头灯，计算其像素亮度的相关系数，并进一步计算头灯像素亮度相关系数的方差
和均值；对于尾灯，分别计算其样本数据库中三个分量的相关系数的平均值并构
成平均相关系数向量和三个分量的相关系数的协方差矩阵。
4.根据权利要求3所述的夜视环境下对前方车辆的高精度检测方法，其特征在于：在步
骤S2中，所述的读入视频帧，并用基于canny边缘检测的区域生长法分割前灯，用基于马氏...

【专利技术属性】
技术研发人员：阳树洪，唐新来，李春贵，夏冬雪，王智文，黄镇谨，欧阳浩，
申请(专利权)人：广西科技大学，广西科技大学鹿山学院，
类型：发明
国别省市：广西;45