【技术实现步骤摘要】
一种移动车辆检测方法
本专利技术涉及一种移动车辆检测方法。
技术介绍
智能车辆技术作为提高驾驶安全性的有效途径,是目前各国重点发展的智能交通系统中一个重要组成部分。它的实现涉及模式识别、图形图像处理、机器视觉等多个交叉学科。机器视觉由于具有检测信息量大、适应范围广、智能化程度高等优点,成为了智能车辆技术的重点研究方向。由于检测过程中的众多问题如背景环境、复杂光照,复杂天气等,使得车辆检测的鲁棒性较差。SUSAN(SmallestSegmentAssimilatingNucleus)是最小吸收核同值区的缩写,由英国牛津大学学者S.M.Smith和J.M.Brady提出,是一种基于灰度图像的特征点获取方法。它简单而有效,能较好的连接边缘,可以去除图像中的部分噪声.在SUSAN算法中,由于受车辆边缘与背景的对比度和背景的复杂度影响,阈值t的选取对提取车辆边缘的影响很大.一般情况下,阈值t主要决定了能够提取的特征点的特征数量.对于对比度较大的图像,t取大一些,也可以取得细腻的车辆边缘,但当对比度较小时,t取较小值才能取得较好的车辆边缘.对背景复杂的灰度图像,若阈值t采用全局阈值,则检测效果通常会不好。
技术实现思路
本专利技术要解决的技术问题是提供一种移动车辆检测方法。一种移动车辆检测方法,包括以下步骤:S1:采集车辆视频图像,对视频图像进行灰度转换,裁剪出车辆集中的区域,然后用以下方法对图像进行直方图均衡化:1)计算输入图像的直方图H;2)直方图归一化,因此直方块和为255;3)计算直方图积分;4)采用H,作为查询表:dst(x,y)=H,(src(x,y))进行图 ...
【技术保护点】
1.一种移动车辆检测方法,其特征在于,包括以下步骤:S1:采集车辆视频图像,对视频图像进行灰度转换,裁剪出车辆集中的区域,然后用以下方法对图像进行直方图均衡化:1)计算输入图像的直方图H;2)直方图归一化,因此直方块和为255;3)计算直方图积分;4)采用H’作为查询表:dst(x,y)=H’(src(x,y))进行图像变换;最后,采用3*3的核,标准差为sigma=(3/2‑1)*0.3+0.8的方法进行高斯平滑去噪得到待检测的图像;S2:运用改进的SUSAN边缘检测算法对边缘进行提取,得到二值图像;S3:对二值图像进行膨胀,腐蚀,细化,骨架后进行Hough变换直线检测,并找出连通直线的区域,利用车辆的纹理特征提取出车辆区域。
【技术特征摘要】
1.一种移动车辆检测方法,其特征在于,包括以下步骤:S1:采集车辆视频图像,对视频图像进行灰度转换,裁剪出车辆集中的区域,然后用以下方法对图像进行直方图均衡化:1)计算输入图像的直方图H;2)直方图归一化,因此直方块和为255;3)计算直方图积分;4)采用H’作为查询表:dst(x,y)=H’(src(x,y))进行图像变换;最后,采用3*3的核,标准差为sigma=(3/2-1)*0.3+0.8的方法进行高斯平滑去噪得到待检测的图像;S2:运用改进的SUSAN边缘检测算法对边缘进行提取,得到二值图像;S3:对二值图像进行膨胀,腐蚀,细化,骨架后进行Hough变换直线检测,并找出连通直线的区域,利用车辆的纹理特征提取出车辆区域。2.根据权利要求1所述的移动车辆检测方法,其特征在于,改进的SUSAN边缘检测算法具体如下:1)将Susan模板内部每个像素点的灰度值都与模板中心像素的灰度值进行比较,假如模板内某点像素的灰度值与模板中心像素(也...
【专利技术属性】
技术研发人员:不公告发明人,
申请(专利权)人:贵港市瑞成科技有限公司,
类型:发明
国别省市:广西,45
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。