一种快速检测夜间前方同向车辆方法技术

本发明专利技术公开了一种快速检测夜间前方同向车辆方法，通过确定车辆可能存在区域，在此区域内根据颜色信息识别尾灯光晕范围，在光晕范围内根据灰度值识别尾灯，通过识别车牌，确定各个尾灯对，最终计算车辆坐标位置。本发明专利技术解决了目前检测算法中存在的图像处理耗时长，准确度不高，不能满足实时性和准确性要求等问题。题。题。

【技术实现步骤摘要】
一种快速检测夜间前方同向车辆方法


[0001]本专利技术涉及数字图像处理领域，具体涉及一种快速检测夜间前方同向车辆方法。

技术介绍

[0002]由于夜间照明条件较差，出现紧急情况时，驾驶员来不及反应，极易发生交通事故。近些年，随着智能驾驶的快速发展，各种辅助驾驶功能层出不穷，提高了夜间驾驶的安全性和舒适性。辅助驾驶系统中包含三大部分，检测部分，处理部分和执行部分。其中，如何在夜间检测前方同向车辆是辅助驾驶系统中的一大难点。
[0003]目前识别方法主要分为两类，一类是根据前方车辆部分明显特征进行识别，另一类根据前方车辆总体特征进行识别。
[0004]第一类方法多采用识别尾灯的方法，因为夜间前方车辆最明显的特征就是尾灯发出的红色光。目前有基于根据HSV颜色空间识别尾灯，但是转换公式复杂，计算耗时；有根据形状和光源配对识别前方车辆尾灯，但是现在尾灯的造型设计多样，一体式尾灯的使用使得配对方法失效。
[0005]第二类方法多采用车辆模型的检测方法，通过对不同的夜间车辆特征进行权重的定义，对大量的正负样本的不同特征进行权重的训练学习，再通过分类方法来决定是否为车辆。但是该方法对建立的模型有一定的依赖性，计算量较大，并且在处于比较复杂拥挤的交通环境下适应性较低。还有基于机器学习的方法实现车辆检测，主要依据分类模型训练实现车辆检测，此方法需要建立大量样本库，以满足种类，形状都相差较大的不同车辆检测，导致样本库的数目会极其巨大，样本库的建立存在困难。

技术实现思路

[0006]本专利技术采用第一类识别方法，通过识别尾灯和车牌位置确定车辆坐标位置。由于尾灯的高亮度，在摄像头采集的图片上实际显示为白色，而尾灯光晕为红色，基于此本专利技术提出一种快速检测夜间前方同向车辆方法，通过确定尾灯光晕范围，识别尾灯，通过识别车牌，确定各个尾灯对，最终计算车辆坐标位置。区别于其他检测方法对整幅图像进行处理，本方法先确定车辆可能存在区域，在此区域内根据颜色信息识别尾灯光晕范围，在光晕范围内根据灰度值识别尾灯，确定车辆坐标位置。本专利技术解决了目前检测算法中存在的图像处理耗时长，准确度不高，不能满足实时性和准确性要求等问题。
[0007]一种快速检测夜间前方同向车辆方法，包括以下步骤：
[0008]步骤1：采集车辆前方道路交通图像，图像以RGB格式存储；
[0009]步骤2：划分车辆可能存在区域(此区域由摄像头本身参数及实际安装位置实验确定)，在此区域内根据公式2R-G-B计算所有像素点颜色信息,得到图像P1，根据公式2B-R-G计算所有像素点颜色信息，得到图像P2；
[0010]进一步，所述划分车辆可能存在区域公式具体如下：
[0011][0012]式中x，y是车灯可能存在区域像素点的水平坐标和垂直坐标，x1是水平坐标起始点，x2是水平坐标截止点，y1是垂直坐标起始点，y2是垂直坐标截止点。
[0013]步骤3：计算步骤2得到图像P1和P2的划分阈值分别为T1和T2，P1中高于阈值T1的像素点为尾灯光晕像素点，低于阈值T1的像素点为背景像素点，P2中高于阈值T2的像素点为车牌像素点，低于阈值T2的像素点为背景像素点；
[0014]进一步，所述图像的划分阈值T由最大类间方差法确定，类间方差g计算公式具体如下：
[0015]g＝ω0×
ω1×
(μ
0-μ1)2[0016]式中，ω0为前景像素点数占整幅图像的比例，μ0为其平均灰度；ω1为背景像素点数占整幅图像的比例，μ1为其平均灰度。采用遍历的方法得到使类间方差g最大的阈值T，即为所求。
[0017]步骤4：采用密度聚类算法，识别图像P1中尾灯光晕区域；
[0018]进一步，所述密度聚类算法采用八连通聚类，具体流程如下所示：
[0019]步骤4.1：任意选取P1中一个没有被处理的尾灯光晕像素点PI作为核心点，标记为已处理；
[0020]步骤4.2：对PI的ε邻域内的所有像素点进行判断，判断是否是尾灯光晕像素点；
[0021]步骤4.3：若是，执行步骤4.4，若都不是，一类聚类结束，执行步骤4.5；
[0022]步骤4.4：将此像素点和像素点PI合并成一类，标记此像素点已处理，并将此像素点作为核心点，转到步骤4.2；
[0023]步骤4.5：判断P1中所有光晕像素点是否都已处理，若是，结束聚类，若不是，转到步骤4.1；
[0024]进一步，所述PI的ε邻域指像素点上，下，左，右，左上，右上，左下，右下八个像素点；
[0025]步骤5：计算原图像像素点灰度值，得到灰度图像P3；
[0026]进一步，所述像素点的灰度值计算公式如下：
[0027]Gray＝(R+G<<1+B)>>2
[0028]式中，R,G,B是像素点红、绿、蓝三个通道的值。
[0029]步骤6：在灰度图像P3中，在步骤4求出的尾灯光晕范围内，判断像素点灰度值，灰度值大于230，判定为尾灯像素点，灰度值低于230判定为背景像素点；
[0030]步骤7：采用密度聚类算法，识别图像P3中尾灯区域；
[0031]进一步，所述密度聚类算法采用八连通聚类，具体流程如下：
[0032]步骤7.1：任意选取P3中一个没有被处理的尾灯像素点PI
’
作为核心点，标记为已处理；
[0033]步骤7.2：对PI
’
的ε邻域内的所有像素点进行判断，判断是否是尾灯像素点；
[0034]步骤7.3：若是，执行步骤7.4，若都不是，一类聚类结束，执行步骤7.5；
[0035]步骤7.4：将此像素点和像素点PI
’
合并成一类，标记此像素点已处理，并将此像素点作为核心点，转到步骤7.2；
[0036]步骤7.5：判断P3中所有尾灯像素点是否都已处理，若是，结束聚类，若不是，转到步骤7.1；
[0037]进一步，所述PI
’
的ε邻域指像素点上，下，左，右，左上，右上，左下，右下八个像素点；
[0038]步骤8：采用密度聚类算法，识别图像P2中车牌区域；
[0039]进一步，所述密度聚类算法采用八连通聚类，具体流程如下:
[0040]步骤8.1：任意选取P2中一个没有被处理的尾灯光晕像素点PI”作为核心点，标记为已处理；
[0041]步骤8.2：对PI”的ε邻域内的所有像素点进行判断，判断是否是车牌像素点；
[0042]步骤8.3：若是，执行步骤8.4，若都不是，一类聚类结束，执行步骤8.5；
[0043]步骤8.4：将此像素点和像素点PI”合并成一类，标记此像素点已处理，并将此像素点作为核心点，转到步骤8.2；
[0044]步骤8.5：判断P2中所有车牌像素点是否都已处理，若是，结束聚类，若不是，转到步骤8.1；
[0045]进一步，所述PI”的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种快速检测夜间前方同向车辆方法，其特征在于，包括以下步骤：步骤1：采集车辆前方道路交通图像，图像以RGB格式存储；步骤2：划分车辆可能存在区域(此区域由摄像头本身参数及实际安装位置实验确定)，在此区域内根据公式2R-G-B计算所有像素点颜色信息,得到图像P1，根据公式2B-R-G计算所有像素点颜色信息，得到图像P2；步骤3：计算步骤2得到图像P1和P2的划分阈值分别为T1和T2，P1中高于阈值T1的像素点为尾灯光晕像素点，低于阈值T1的像素点为背景像素点，P2中高于阈值T2的像素点为车牌像素点，低于阈值T2的像素点为背景像素点；步骤4：采用密度聚类算法，识别图像P1中尾灯光晕区域；步骤5：计算原图像像素点灰度值，得到灰度图像P3；步骤6：在灰度图像P3中，在步骤4求出的尾灯光晕范围内，判断像素点灰度值，灰度值大于230，判定为尾灯像素点，灰度值低于230判定为背景像素点；步骤7：采用密度聚类算法，识别图像P3中尾灯区域；步骤8：采用密度聚类算法，识别图像P2中车牌区域；步骤9：根据尾灯与尾灯，尾灯和车牌的几何关系，确定尾灯对，完成车辆识别。2.根据权利要求1所述的一种快速检测夜间前方同向车辆方法，其特征在于，所述划分车辆可能存在区域公式具体如下：式中x，y是车灯可能存在区域像素点的水平坐标和垂直坐标，x1是水平坐标起始点，x2是水平坐标截止点，y1是垂直坐标起始点，y2是垂直坐标截止点。3.根据权利要求1所述的一种快速检测夜间前方同向车辆方法，其特征在于，所述图像的划分阈值T由最大类间方差法确定，类间方差g计算公式具体如下：g＝ω0×
ω1×
(μ
0-μ1)2式中，ω0为前景像素点数占整幅图像的比例，μ0为其平均灰度；ω1为背景像素点数占整幅图像的比例，μ1为其平均灰度。采用遍历的方法得到使类间方差g最大的阈值T，即为所求。4.根据权利要求1所述的一种快速检测夜间前方同向车辆方法，其特征在于，所述步骤4中密度聚类算法采用八连通聚类，具体流程如下所示：步骤4.1：任意选取P1中一个没有被处理的尾灯光晕像素点PI作为核心点，标记为已处理；步骤4.2：对PI的ε邻域内的所有像素点进行判断，判断是否是尾灯光晕像素点；步骤4.3：若是，执行步骤4.4，若都不是，一类聚类结束，执行步骤4.5；步骤4.4：将此像素点和像素点PI合并成一类，标记此像素点已处理，并将此像素点作为核心点，转到步骤4.2；步骤4.5：判断P1中所有光晕像素点是否都已处理，若是，结束聚类，若不是，转到步骤4.1。5.根据权利要求4所述的一种快速检测夜间前方同向车辆方法，其特征在于，所述PI的ε邻域指像素点上，下，左，右，左...

【专利技术属性】
技术研发人员：刘国学，刘威，耿国庆，罗石，
申请(专利权)人：常州通宝光电股份有限公司，
类型：发明
国别省市：