基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法技术

本发明专利技术公开了一种基于Haar‑Like特征提取算法与灰度值差异分析的辅助驾驶方法，包括：待检样本的收集与标定训练，前方道路视频流的自动采集与预处理；视频流中车尾与红绿灯的识别；视频流中车道线的检测，对检测到的车尾目标进行测距；识别结果反馈给驾驶员并对结果备份存储。本发明专利技术通过分析车内移动设备获取到的前方道路视频流，检测视频中采集的图像帧中存在的车尾、红绿灯与车道线三大要素，实现自动识别的功能，对驾驶员进行一定的结果反馈，为安全、便捷、高效驾驶提供了一套新的基于计算机视觉的可靠解决方案。

Assistant driving method based on Haar like feature extraction algorithm and gray value difference analysis

【技术实现步骤摘要】
基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法
本专利技术涉及一种基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法，属于机器学习和图像目标检测

技术介绍
自动驾驶作为未来汽车发展的重要方向之一，得到了社会各个方面越来越多的关注。随着人工智能进入国家战略层面的议程，国内多家厂商将自动驾驶技术作为战略布局和产品化研究的重要部分。此外，世界各国的交通主管部门大多倡导“防御驾驶”的概念。防御驾驶是一种预测危机并协助远离危机的机制，要求驾驶人除了遵守交通规则，也要防范其它因自身疏忽或违规而发生的交通事故。因此，各大汽车厂商与驾驶人大多主动在车辆上安装各种先进的辅助驾驶系统，以降低肇事概率。目前市面上现有的汽车辅助驾驶系统，大多有着安装复杂、价格昂贵、覆盖面窄等缺点。而人工判别前方道路情况往往比较耗费驾驶员心力，在某些情况下也容易由于驾驶员的舒服造成不可逆转的交通事故，因此迫切需要有一套自动化复杂驾驶方案，能够快速识别前方道路关键元素，并通过语音播放等方式及时警示驾驶员。
技术实现思路
针对现有产品的不足，本专利技术提供了一种基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶系统，能够从道路视频流中检测识别出三大道路关键元素，实现对道路情况的实时感知与处理。本专利技术所要解决的技术问题是通过以下技术方案实现的：一种基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法，包括如下步骤：(1)、待检样本的收集与标定训练，包括对车尾目标和红绿灯目标的标定训练；(2)、前方道路视频流的自动采集与预处理；(3)、视频流中车尾与红绿灯的识别；(4)、视频流中车道线的检测，依赖于灰度值差异分析办法和轮廓处理，检测视频流中出现的车道线轮廓并且进行标记；(5)、对检测到的车尾目标进行测距，根据单目测距原理，估算大致车距；(6)、识别结果反馈给驾驶员并对结果备份存储，识别结果包括前面车尾的距离以及前方道路红绿灯的状况。上述步骤(1)中所述样本的标定训练的步骤如下：(1-1)、分别收集若干包含车尾和红绿灯目标的相关正样本和不包含目标元素的无关负样本，所述负样本可通过随机负样本生成器工具opencv_clipper_picture自动生成；(1-2)、使用Haar-Like特征做检测，利用积分图算法对Haar-Like特征求值进行加速，然后用AdaBoost算法训练车尾、红绿灯图片的正样本和负样本，分别生成区别车尾与非车尾、红绿灯与非红绿灯的强分类器；(1-3)、将强分类器级联生成XML格式的级联分类器检测文件。上述步骤(2)中视频流的预处理包含视频预处理和图像预处理；所述视频预处理包含：1)语音提示初始化；2)车尾红绿灯检测效果与速度选项初始化(缩放比例)；3)级联分类器的载入；4)输出视频宽度、高度、通道数、帧率等参数的初始；5)车道线形状参数的设定；所述图像预处理包含：a)ROI(感兴趣区域)的选取；b)灰度图转换；c)通过线性插值比例缩放检测区域；d)对检测区域进行高斯降噪与直方图均衡；e)建立对应大小的二值图副本。上述步骤(3)中频流中车尾与红绿灯的识别，通过载入好XML文件的级联分类器可以检测设定ROI中的所有车尾目标与红绿灯目标，选取距离图像中心欧氏距离最近的目标，作为当前目标，在原图中用不同颜色的矩形框标记，并将结果反馈给处理系统，所述结果包含目标是否首次出现、目标在原图中的坐标位置的信息。上述步骤(4)的具体步骤如下：(4-1)、通过灰度值差异分析，筛选初步车道线轮廓，包括：1a)预处理部分，包括车道线形状参数的设置，车道线ROI的选取，灰度图、二值图副本的建立；1b)对ROI内的像素点进行动态扫描，扫描到某像素点时，计算像素点左右定长宽度(宽度动态变化，遵循“近大远小”的原则)的灰度值差异，若在阈值允许范围内，则认定该像素点为车道线轮廓成员，在对应的二值图副本中标记为白色；(4-2)、通过轮廓量化与比对，二次复筛车道线轮廓，包括：2a)通过OpenCv中的findContours函数量化二值图中的白色轮廓，将轮廓以“点集”的形式保存在向量容器中，并且同时保留其层次关系；2b)根据初始化的车道线形状参数，二次筛选出车道线轮廓，关键要素包含：车道线单轮廓最小尺寸、弯曲检验、车道线轮廓的方向角角度与位置检验、小面积轮廓补偿比率限制；2c)将二次筛选出的车道线轮廓绘制于原图中。上述步骤(5)的具体步骤如下：(5-1)、摄像机参数的调整，包括安装高度，焦距，图像像素大小；(5-2)、车尾目标检测，根据车尾矩形框的位置，通过局部积分计算车辆轮胎与地面交界线的纵坐标；(5-3)、根据单目测距原理，估算车尾目标近似距离，估算公式为：Distance为估算车距(cm)、camara_height为摄像头安装高度(cm)、focal为摄像头焦距(mm)、pixel_size为像素大小(mm)、car_tire_y为车辆的纵坐标。上述步骤(6)中识别结果通过语音UI结合的方式反馈给驾驶员，其中在移动设备界面中播放绘制有车尾矩形框、红绿灯矩形框、车道线轮廓的输出视频，另外通过语音播报的方式警示驾驶员前方车辆与红绿灯。譬如：1)当前新出现车尾，且与驾驶员车辆的距离小于20m时，警示驾驶员：“请小心前方车辆”；2)但前方新出现红绿灯时，警示驾驶员：“请小心前方红绿灯”。本专利技术所达到的有益效果：1)高度自动化：安装后移动设备后，用户仅需启动移动设备，点击开始运行即可，系统将自动完成视频流抓取、检测处理、结果反馈与备份，无需人工干预；2)检测算法普适性好：检测算法对于不良天气等状况具有一定的适应性，能够保持较为理想的准确度；3)系统易于实现，由于通过对图像的检测完成前方道路情况检验，不需要安装各种传感器，集成度高，成本较为理想；4)系统可扩展性高，移动设备可根据需要自行选用，系统可与未来5G车联网方向关联，将车辆前方道路状况上传云端，统一管理，具有较好的扩充发展空间。附图说明图1为本专利技术的流程图；图2为本专利技术中级联分类器训练流程与原理图；图3为本专利技术中车道线检测流程图；图4位本专利技术中车尾与红绿灯检测及语音播报流程图。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。一种基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法，包括如下步骤：(1)、待检样本的收集与标定训练，包括对车尾目标和红绿灯目标的标定训练；(2)、前方道路视频流的自动采集与预处理；(本文档来自技高网...

【技术保护点】
1.一种基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法，其特征在于包括如下步骤：/n(1)、待检样本的收集与标定训练，包括对车尾目标和红绿灯目标的标定训练；/n(2)、前方道路视频流的自动采集与预处理；/n(3)、视频流中车尾与红绿灯的识别；/n(4)、视频流中车道线的检测，依赖于灰度值差异分析办法和轮廓处理，检测视频流中出现的车道线轮廓并且进行标记；/n(5)、对检测到的车尾目标进行测距，根据单目测距原理，估算大致车距；/n(6)、识别结果反馈给驾驶员并对结果备份存储，识别结果包括前面车尾的距离以及前方道路红绿灯的状况。/n

【技术特征摘要】
1.一种基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法，其特征在于包括如下步骤：
(1)、待检样本的收集与标定训练，包括对车尾目标和红绿灯目标的标定训练；
(2)、前方道路视频流的自动采集与预处理；
(3)、视频流中车尾与红绿灯的识别；
(4)、视频流中车道线的检测，依赖于灰度值差异分析办法和轮廓处理，检测视频流中出现的车道线轮廓并且进行标记；
(5)、对检测到的车尾目标进行测距，根据单目测距原理，估算大致车距；
(6)、识别结果反馈给驾驶员并对结果备份存储，识别结果包括前面车尾的距离以及前方道路红绿灯的状况。


2.根据权利要求1所述的基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法，其特征在于所述步骤(1)中所述样本的标定训练的步骤如下：
(1-1)、分别收集若干包含车尾和红绿灯目标的相关正样本和不包含目标元素的无关负样本，所述负样本可通过随机负样本生成器工具自动生成；
(1-2)、使用Haar-Like特征做检测，利用积分图算法对Haar-Like特征求值进行加速，然后用AdaBoost算法训练车尾、红绿灯图片的正样本和负样本，分别生成区别车尾与非车尾、红绿灯与非红绿灯的强分类器；
(1-3)、将强分类器级联生成XML格式的级联分类器检测文件。


3.根据权利要求1所述的基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法，其特征在于所述步骤(2)中视频流的预处理包含视频预处理和图像预处理；
所述视频预处理包含：
1)语音提示初始化；
2)车尾红绿灯检测效果与速度选项初始化；
3)级联分类器的载入；
4)输出视频宽度、高度、通道数、帧率等参数的初始；
5)车道线形状参数的设定；
所述图像预处理包含：
a)ROI的选取；
b)灰度图转换；
c)通过线性插值比例缩放检测区域；
d)对检测区域进行高斯降噪与直方图均衡；
e)建立对应大小的二值图副本。


4.根据权利要求1所述的基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法，其特征在于所述步骤(3)中频流中车尾与红绿灯的识别，通过载入好XML文件的级联分类器可以检测设定ROI中的所有车尾目标与红...

【专利技术属性】
技术研发人员：沈梦琦，张袁，苏豪，陈慧萍，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏;32