一种基于Edge Boxes的前车检测方法及装置制造方法及图纸

本发明专利技术提供了一种基于Edge Boxes的前车检测方法，该方法包括：采集场景图像；对场景图像进行灰度处理，获取灰度图像；采用Edge Boxes算法提取灰度图像中的候选车辆窗口；利用分类器对候选车辆窗口进行识别并输出结果。与现有技术相比，本发明专利技术可以实现复杂场景中的前车检测，且鲁棒性和实用性较强。

【技术实现步骤摘要】

本专利技术涉及图像处理、视频监控以及行车安全，特别涉及前车检测方法及装置。
技术介绍
随着交通及车辆产业的逐渐发展，车辆保有量日益增加，同时也每年的交通事故也急剧增加。近年来，行车安全得到了极大的关注，前车检测作为行车安全的一个分支也得到了广泛的研究。公开号为CN103029621A的中国专利技术专利申请公开了一种检测前方车辆的方法，方法首先通过检测前方的运动灯光区域，然后提取灯光区域对以生成前方车辆候选项，最后根据预定的车辆灯光特征检测前方车辆。公开号为CN102855500A的中国专利技术专利申请公开了一种基于Haar和HoG特征的前车检测方法：使用Haar特征和HoG特征对选取的样本进行表征，形成特征向量，并构建弱分类器；利用Adaboost算法对弱分类器进行训练，得到强分类器；针对车载摄像头获得的前方道路视频图像，将其中各种尺寸、各种位置的子图像输入强分类器中进行判断，以获得前方车辆。然而上述前车检测方法在复杂场景下检测率较低。综上所述，目前迫切需要提出一种鲁棒性和实用性较强地检测前车的方法及装置。
技术实现思路
有鉴于此，本专利技术的主要目的在于实现前车检测，且鲁棒性和实用性较强。为达到上述目的，按照本专利技术的第一个方面，提供了一种基于Edge Boxes的前车检测方法，该方法包括：第一步骤，采集场景图像；第二步骤，对场景图像进行灰度处理，获取灰度图像；第三步骤，采用Edge Boxes算法提取灰度图像中的候选车辆窗口；第四步骤，利用分类器对候选车辆窗口进行识别并输出结果。所述第三步骤进一步包括：边缘图像提取步骤，利用边缘检测算法提取灰度图像的边缘图像；归一化处理步骤，对边缘图像进行归一化处理，获取边缘归一化图像；边缘点提取步骤，提取边缘归一化图像中亮度值不小于阈值Th_ENor的像素点作为边缘点；标签序列图像获取步骤，对每一个边缘点，搜寻该边缘点的序列点并标签，获取标签的序列图像；序列相似度计算步骤，计算每两个不同标签序列的相似度；候选车辆窗口获取步骤，计算窗口内标签序列的权值，根据该权值给窗口打分，选取WNum个打分最高的窗口组，并进行窗口重叠处理，选取候选车辆窗口。所述归一化处理步骤进一步为：统计边缘图像中像素点的最大亮度值IEdgemax，将边缘图像中像素点(x,y)的亮度值IE(x,y)除以最大亮度值IEdgemax，即得到归一化图像IN(x,y)。所述边缘点提取步骤进一步为：若归一化图像中像素点(x,y)的亮度值IN(x,y)≥Th_ENor，则提取该像素点作为边缘点，将边缘点的亮度值置为0，否则将该像素点的亮度值置为-1。所述标签序列图像获取步骤进一步包括：序列起点获取步骤，逐行扫描，以扫描到的第一个无标签的边缘点标签为i，并记为序列起点k＝1；邻近序列点搜寻步骤，搜寻边缘点的邻近边缘点，计算边缘点与其邻近边缘点的梯度方向角差值，将梯度方向角差值最小的邻近边缘点作为边缘点的邻近序列点，将梯度方向角差值最小值作为边缘点的邻近序列方向差值累计邻近序列方向差值的和若将邻近序列点标签为i，k＝k+1，并继续执行邻近序列点搜寻步骤，否则转入序列获取步骤；序列获取步骤，扫描无标签的边缘点，若是存在无标签的边缘点，则i＝i+1，并执行序列起点获取步骤，否则输出有标签的序列。所述邻近序列点搜寻步骤中搜寻边缘点的邻近边缘点为搜寻边缘点的八连通域内的边缘点，其中，八连通域为与边缘点相邻的8个像素点，即所述序列相似度计算步骤进一步包括：序列边缘位置点获取步骤，获取第p个标签序列的边缘位置点和第q个标签序列的边缘位置点p＝1,2,L,LNum，q＝1,2,L,LNum，且q＞p，LNum为标签序列的个数；标签序列相似度计算步骤，计算第p个标签序列Sp与第q个标签序列Sq的相似度：α(Sp,Sq)＝|cos(θp-θpq)*cos(θq-θpq)|γ，θp为边缘位置点的梯度方向角，θq为边缘位置点的梯度方向角，θpq为边缘位置点和边缘位置点的夹角；相似度筛选步骤，若α(Sp,Sq)≤Th_Simi，则将α(Sp,Sq)设为0。所述候选车辆窗口获取步骤进一步包括：窗口标签序列权值计算步骤，对于标签序列Sj，j＝1,2,L,LNum，任意选取包含标签序列Sj的窗口，该窗口内标签序列Sj的权值为：t表示交叉域包含的标签序列，T表示交叉域包含的标签序列个数；窗口打分值获取步骤，根据窗口打分公式：获取窗口打分值，bw为窗口的宽度，bh为窗口的高度，mj为第j个标签的边缘位置的梯度值；窗口组获取步骤，将窗口打分值从高到低排序，选取窗口打分值最高的WNum个窗口打分值对应的窗口组B1,B2,L,BWNum；候选车辆窗口选取步骤，对于任意两个窗口Bi和Bj，i＝1,2,L,WNum,j＝1,2,L,WNum，且j≠i，计算窗口Bi和Bj的重叠区域Bij，若Bj≥Bi且则删除Bi，若Bj＜Bi且则删除Bj，剩余的窗口即为候选车辆窗口。所述第四步骤进一步包括：分类器训练步骤，选取一系列标签的车辆图像为正样本，标签的非车辆图像为负样本，根据正样本和负样本对分类器进行训练，得到训练好的分类器；车辆窗口识别步骤，通过训练好的分类器对候选车辆窗口进行识别，输出识别的车辆窗口。按照本专利技术的另一个方面，提供了一种基于Edge Boxes的前车检测装置，该装置包括：场景图像采集模块，用于采集场景图像；灰度图像获取模块，用于对场景图像进行灰度处理，获取灰度图像；候选车辆窗口提取模块，用于采用Edge Boxes算法提取灰度图像中的候选车辆窗口；车辆窗口识别模块，用于利用分类器对候选车辆窗口进行识别并输出结果。所述候选车辆窗口提取模块进一步包括：边缘图像提取模块，用于利用边缘检测算法提取灰度图像的边缘图像；归一化处理模块，用于对边缘图像进行归一化处理，获取边缘归一化图像；边缘点提取模块，用于提取边缘归一化图像中亮度值不小于阈值Th_ENor的像素点作为边缘点；标签序列图像获取模块，用于对每一个边缘点，搜寻该边缘点的序列点并标签，获取标签的序列图像；序列相似度计算模块，用于计算每两个不同标签序列的相似度；候选车辆窗口获取模块，用于计算窗口内标签序列的权值，根据该权值给窗口打分，选取WNum个打分最高的窗口组，并进行窗口重叠处理，选取候选车辆窗口。所述归一化处理模块进一步为：用于统计边缘图像中像素点的最大亮度值IEdgemax，将边缘图像中像素点(x,y)的亮度值IE(x,y)除以最大亮度值IEdgemax，即得到归一化图像IN(x,y)。所述边缘点提取模块进一步为：用于若归一化图像中像素点(x,y)的亮度值IN(x,y)≥Th_ENor，则提取该像素点作为边缘点，将边缘点的亮度值置为0，否则将该像素点的亮度值置为-1。所述标签序列图像获取模块进一步包括：序列起点获取模块，用于逐行扫描，以扫描到的第一个无标签的边缘点标签为i，并记为序列起点k＝1；邻近序列点搜寻模块，用于搜寻边缘点的邻近边缘点，计算边缘点与其邻近边缘点的梯度方向角差值，将梯度方向角差值最小的邻近边缘点作为边缘点的邻近序列点，将梯度方向角差值最小值作为边缘点的邻近序列方向差值累计邻近序列方向差值的和若将邻近序列点标签为i，k＝k+1，并继续执行邻近序列点搜寻模块，否则转入序列获取模块；本文档来自技高网...

【技术保护点】
一种基于Edge Boxes的前车检测方法，其特征在于，该方法包括：第一步骤，采集场景图像；第二步骤，对场景图像进行灰度处理，获取灰度图像；第三步骤，采用Edge Boxes算法提取灰度图像中的候选车辆窗口；第四步骤，利用分类器对候选车辆窗口进行识别并输出结果。

【技术特征摘要】
1.一种基于Edge Boxes的前车检测方法，其特征在于，该方法包括：第一步骤，采集场景图像；第二步骤，对场景图像进行灰度处理，获取灰度图像；第三步骤，采用Edge Boxes算法提取灰度图像中的候选车辆窗口；第四步骤，利用分类器对候选车辆窗口进行识别并输出结果。2.如权利要求1所述的方法，其特征在于，所述第三步骤进一步包括：边缘图像提取步骤，利用边缘检测算法提取灰度图像的边缘图像；归一化处理步骤，对边缘图像进行归一化处理，获取边缘归一化图像；边缘点提取步骤，提取边缘归一化图像中亮度值不小于阈值Th_ENor的像素点作为边缘点；标签序列图像获取步骤，对每一个边缘点，搜寻该边缘点的序列点并标签，获取标签的序列图像；序列相似度计算步骤，计算每两个不同标签序列的相似度；候选车辆窗口获取步骤，计算窗口内标签序列的权值，根据该权值给窗口打分，选取WNum个打分最高的窗口组，并进行窗口重叠处理，选取候选车辆窗口；其中，所述归一化处理步骤进一步为：统计边缘图像中像素点的最大亮度值IEdgemax，将边缘图像中像素点(x,y)的亮度值IE(x,y)除以最大亮度值IEdgemax，即得到归一化图像IN(x,y)；所述边缘点提取步骤进一步为：若归一化图像中像素点(x,y)的亮度值IN(x,y)≥Th_ENor，则提取该像素点作为边缘点，将边缘点的亮度值置为0，否则将该像素点的亮度值置为-1；所述Th_ENor∈[0.05,0.15]。3.如权利要求2所述的方法，所述边缘图像提取步骤中边缘检测算法为Canny算法。4.如权利要求2所述的方法，其特征在于，所述标签序列图像获取步骤进一步包括：序列起点获取步骤，逐行扫描，以扫描到的第一个无标签的边缘点标签为i，并记为序列起点k＝1；邻近序列点搜寻步骤，搜寻边缘点的邻近边缘点，计算边缘点与其邻近边缘点的梯度方向角差值，将梯度方向角差值最小的邻近边缘点作为边缘点的邻近序列点，将梯度方向角差值最小值作为边缘点的邻近序列方向差值累计邻近序列方向差值的和若将邻近序列点标签为i，k＝k+1，并继续执行邻近序列点搜寻步骤，否则转入序列获取步骤；序列获取步骤，扫描无标签的边缘点，若是存在无标签的边缘点，则i＝i+1，并执行序列起点获取步骤，否则输出有标签的序列；其中，所述序列起点获取步骤中i的初始值设为1，i表示第i个标签；k表示第i个标签上的第k个点；所述邻近序列点搜寻步骤中搜寻边缘点的邻近边缘点为搜寻边缘点的八连通域内的边缘点，其中，八连通域为与边缘点相邻的8个像素点，即5.如权利要求2所述的方法，所述序列相似度计算步骤进一步包括：序列边缘位置点获取步骤，获取第p个标签序列的边缘位置点和第q个标签序列的边缘位置点p＝1,2,L,LNum，q＝1,2,L,LNum，且q＞p，LNum为标签序列的个数；标签序列相似度计算步骤，计算第p个标签序列Sp与第q个标签序列Sq的相似度：α(Sp,Sq)＝|cos(θp-θpq)*cos(θq-θpq)|γ，θp为边缘位置点的梯度方向角，θq为边缘位置点的梯度方向角，θpq为边缘位置点和边缘位置点的夹角；相似度筛选步骤，若α(Sp,Sq)≤Th_Simi，则将α(Sp,Sq)设为0；其中，所述γ∈[1,4]，Th_Simi∈[0.03,0.08]。6.如权利要求2所述的方法，其特征在于，所述候选车辆窗口获取步骤进一步包括：窗口标签序列权值计算步骤，对于标签序列Sj，j＝1,2,L,LNum，任意选取包含标签序列Sj的窗口，该窗口内标签序列Sj的权值为：t表示交叉域包含的标签序列，T表示交叉域包含的标签序列个数；窗口打分值获取步骤，根据窗口打分公式：获取窗口打分值，bw为窗口的宽度，bh为窗口的高度，mj为第j个标签的边缘位置的梯度值；窗口组获取步骤，将窗口打分值从高到低排序，选取窗口打分值最高的WNum个窗口打分值对应的窗口组B1,B2,L,BWNum；候选车辆窗口选取步骤，对于任意两个窗口Bi和Bj，i＝1,2,L,WNum，j＝1,2,L,WNum，且j≠i，计算窗口Bi和Bj的重叠区域Bij，若Bj≥Bi且则删除Bi，若Bj＜Bi且则删除Bj，剩余的窗口即为候选车辆窗口；其中，所述交叉域是指从窗口的边框到标签序列Sj的范围内；所述λ∈[1,2]，WNum∈[5,30]，Th_OR∈[0.4,0.6]。7.如权利要求1所述的方法，其特征在于，所述第四步骤进一步包括：分类器训练步骤，选取一系列标签的车辆图像为正样本，标签的非车辆图像为负样本，根据正样本和负样本对分类器进行训练，得到训练好的分类器；车辆窗口识别步骤，通过训练好的分类器对候选车辆窗口进行识别，输出识别的车辆窗口。8.如权利要求7所述的方法，所述第四步骤中分类器为AdaBoost分类器。9.一种前方车辆检测装置，其特征在于，该装置包括：场景图像采集模块，用于采集场景图像；灰度图像获...

【专利技术属性】
技术研发人员：耿磊，
申请(专利权)人：北京智芯原动科技有限公司，
类型：发明
国别省市：北京;11