【技术实现步骤摘要】
本专利技术涉及图像处理
，尤其涉及监控场景下夜间道路车辆检测，基于图像的亮度方差特征，利用决策树学习法的夜间道路反射光筛选、分割剔除方法，减少路面反光对夜间车灯检测的干扰,提高利用车灯的夜间车辆检测方法的准确率以及检测的时间性能。
技术介绍
近些年来，针对基于监控视频的白天道路车辆检测技术已经较为成熟；而针对夜间道路监控的车辆检测，由于一般利用车灯特征实现车辆检测，容易受到夜间道路的路面反射光干扰影响，导致基于车灯的夜间车辆检测准确率较低。夜间道路监控的车辆测算法主要分为：(1)基于机器学习的检测方法，这种方法主要是提取出车辆的一些描述特征，实行图像特征的训练分类，这个方法需要一个比较能全面描述车辆的特征，并建立样本库进行训练，这个过程的计算量过大，可能会存在时间性能问题，而车辆检测的一个重要需求是达到实时检测；(2)基于尾灯的车辆检测方法，该方法主要是通过尾灯的颜色信息或形态特征来实现车辆检测，但是利用颜色信息进行检测会局限于固定的颜色阈值，对环境关照变化的鲁棒性过低；同时，车尾灯的形态多样，仅仅依靠形态信息中的一种条件来筛选车灯，并不能将道路上的车辆完...
【技术保护点】
基于亮度方差特征的夜间道路车辆检测方法，其特征在于包括如下步骤：步骤1：根据车灯区域与反射光区域在亮度方差特征上的差异，计算原始图像中车灯区域与反射光区域的像素点对应的方差值，得到对应的方差结果图VR，作为检测过程中的特征；利用大气散射原理对原始图像进行处理，得到反射图RI；利用直方图双峰法对原始图像中的车辆进行阈值分割，得到灰度特征图I；步骤2：对于步骤1得到的三种结果图，分别提取结果图中车灯位置的像素值和反射光位置的像素值，构成三维向量作为检测特征；步骤3：将提取出来的车灯位置的像素值特征作为正样本，反射光位置的像素为负样本；然后利用决策树学习法，对正负样本进行学习训练...
【技术特征摘要】
1.基于亮度方差特征的夜间道路车辆检测方法，其特征在于包括如下步骤：步骤1：根据车灯区域与反射光区域在亮度方差特征上的差异，计算原始图像中车灯区域与反射光区域的像素点对应的方差值，得到对应的方差结果图VR，作为检测过程中的特征；利用大气散射原理对原始图像进行处理，得到反射图RI；利用直方图双峰法对原始图像中的车辆进行阈值分割，得到灰度特征图I；步骤2：对于步骤1得到的三种结果图，分别提取结果图中车灯位置的像素值和反射光位置的像素值，构成三维向量作为检测特征；步骤3：将提取出来的车灯位置的像素值特征作为正样本，反射光位置的像素为负样本；然后利用决策树学习法，对正负样本进行学习训练，得到对应的决策树；步骤4：利用步骤3构建的决策树结果对检测过程中出现的光亮区域像素点实行分类决策，将分类得到是反光区域的像素点消除，得到剩下车灯像素点的二值图像，其中的亮区域就是检测到的车灯区域。2.根据权利要...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。