一种基于单目视觉的夜间车辆检测方法技术

一种基于单目视觉的夜间车辆检测方法，属于图像处理技术领域。主要思想是通过伽马校正预处理得到高低两种对比度的图像，利用高对比度图像中车辆尾灯的颜色和对称性得出感兴趣区域，再用低对比度的图像进行adaboost分类决策。本发明专利技术极大提高了夜间车辆的检测率和减小了误检率，又保证了能在短时间内完成检测，实现了实时检测。本发明专利技术具有实时、准确性高的特点，适用于车辆辅助驾驶系统，尤其对夜间车辆驾驶具有很好的辅助作用。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及图像分割和图像颜色特征检测技术，主要应用于车辆智能辅助驾驶领域，以解决车辆智能辅助驾驶技术中的车辆防碰撞技术问题。
技术介绍
智能交通系统是一项庞大的社会性的系统工程，包括辅助安全驾驶系统、先进的交通管理系统、商用车辆运营系统、电子收费系统、公共交通运营系统、应急管理系统、先进的车辆控制系统等。其中，智能辅助驾驶系统是这个系统之中成本较小，与民众关系较为密切，而具有相当明显的社会效应的重要组成部分，具有巨大的社会经济发展潜力，能够显著地提高交通的安全水平，增加交通的机动性，降低汽车运输对环境的影响，提高汽车运输生产率和经济效益。其中，相对雷达、激光、超声波、红外线等传感器进行感知道路环境，视觉传感系统具有不可忽视的优点。在实际生活中，驾驶员通过视觉可以获得90%以上的环境信息，并且视觉采集设备具有相对廉价，直观，通用性强等优点。详见文献Massimo Bertozzi, AlbertO Broggi, Gianni Conte, Alessandra Fasciolj. Obstacle andLane Detection on ARGO. 1997IEEE Conf.1ntelligent Transportation Systems, IEEEPress, 1997, p. 449 等。 研究显示，若在公路交通事故发生前的1. 5秒给驾驶员发出预警，则可避免的90%交通碰撞事故。因此，通过在汽车上安装车辆防碰撞预警系统，利用技术手段分析车道、周围车辆的状况等驾驶环境信息，一旦当驾驶员发生疲劳及精神分散、汽车出现车距过近，存在追尾可能时，能够及时给予驾驶主动预警，是减少公路交通事故行之有效的技术措施。车辆防碰撞预警系统的基本原理是系统通过图像传感器获取前方车辆的几何信息，通过车辆运动参数传感器获取决策算法所必需的车辆运动参数如车速、车辆转向状态等，系统根据这些结果结合系统设定的相关参数判断是否将会发生车辆碰撞。详见文献 JANSS0NJ, J0HANNSS0NJ. Decision making for collision avoidance system 2002Society of Automotive Engineers. Pennsylvania:World Headquarters, 2002.陈勇杨尚罡.汽车防撞预警系统的研究与发展.计算机仿真，2006，(12).对道路上车辆检测的研究，目前大致可以分为下列几种类型的方法1、基于先验知识的方法一般来说，车辆作为大规模工业生产产品，其外形比较规贝U。很多车辆检测计算方法都利用车辆外形的一些先验知识来实现检测图像中是否存在车辆的功能。一般来说，被利用最多的车辆检测的知识包括对称性、色彩、阴影、角点、竖直/水平方向边缘、纹理和车灯等。2、基于光流场分析的方法这类方法利用来自同一摄像机对目标车辆的连续多次观测来检测运动的目标。这类方法无需任何摄像机标定，能够检测广义障碍物，并可以计算出车辆的主运动和障碍物的相对运动。但是，对相邻两帧间图像匹配的计算量非常大，而且当障碍物静止或运动速度很慢时失效。3、基于立体视觉的方法这类方法使用来自不同视角的多个摄像机在同一时刻的对同一目标车辆的多次观测来测量视觉系统与目标间的深度信息来检测车辆的存在。传统的立体视觉使用基于三维重构的方法，但由于常需使用复杂的匹配算法，导致计算量相当大，不适合实时应用。夜间车辆检测最明显的特征就是高亮的尾灯，在图像上呈高亮的白色车灯对或者是明显的红球(根据所用摄像机的不同，成像效果不一样)。利用基于先验知识的方法，形态学算子结合颜色信息能够在夜间光照条件较差的条件下提取尾灯特征，从而根据车辆大小的先验信息，检测出目标车辆的存在及其在图像上的位置，并使用卡尔曼滤波器跟踪。但由于夜间光照强度仍有强弱，往往不能得出一个通用性强的准则来进行尾灯的提取。并且由于环境的复杂，会带来例如道路反光、标示牌反光的各种极容易造成误检的信息。
技术实现思路
本专利技术提供，该方法利用图像处理技术处理采集到的视频图像，根据图片的颜色信息确定合适的阈值进行尾灯的提取，再辅以基于sift特征的adaboost分类器,可以使检测的准度高,实时性好,在减少误检的前提下依然保持闻速的检测。为了方便地描述本
技术实现思路
，首先对一些术语进行定义。定义1:伽马校正(Gamma correction)又叫伽马非线性化(gammanonlinearity)、伽马编码(gamma encoding)或是就只单纯叫伽马(gamma)。是用来针对影片或是影像系统里对于光线的辉度(luminance)或是三色刺激值(tristimulus values)所进行非线性的运算或反运算。最简单的例子里伽马校正是由下列幂定律公式所定义的。Vout-Vin其中输入和输出的值都为非负值，同时一般来说值的范围都是在0到I之间。定义2 :HSV色彩属性模式是根据色彩的三个基本属性色相、饱和度和明度来确定颜色的一种方法。色相(H)是色彩的基本属性，就是平常所说的颜色名称，如红色、黄色等，依照标准色轮上的位置，取0-360度的数值。(也有用(Tl00%的方法确定的)。饱和度(S)是指色彩的纯度，饱和度越高色彩越纯，饱和度越低则逐渐变灰，通常取0-100%的数值。明度(V)也叫“亮度”，通常取0 100%的数值。从RGB模式到HSV模式的转换一种颜色如果在三原色光模式中三个因数分别为红(R)、绿(G)和蓝(B)，将(T255的数值转换为0. (Tl. 0，如果三个因数中最大的值为MAX，最小的值为MIN，代入下式本文档来自技高网...

【技术保护点】
一种基于单目视觉的夜间车辆检测方法，包括以下步骤：步骤1：训练Adaboost分类器；所述Adaboost分类器的正样本数量不低于1000个，负样本数量不低于3000个；其中，正样本为确定为夜间车辆尾灯的图像，样本为确定为夜间不含车辆尾灯的图像，正样本与负样本为同样大小的图像；步骤2：图像采集；将图像采集装置安装于车辆后视镜下方，图像采集装置光轴与车体长度方向平行，调整图像采集装置的高度与俯仰角，使得通过图像采集装置能够在视野范围内获得车辆前方清晰的图像；安装有所述图像采集装置的车辆在夜间行进时采集车辆前方的图像，记为图像A；步骤3：感兴趣区域（ROI）提取；具体包括以下步骤：步骤3?1：由于图像A中上三分之一部分为天空、树木、标识牌或建筑物等干扰信息，而前方车辆只会处于图像A的下三分之二部分，因此选定图像A的下三分之二部分作为初始感兴趣区域以减少后续计算量，将该初始ROI区域图像即为图像B；步骤3?2：利用公式VOUT=VINγ对图像B进行伽马校正，取γ=2得到高对比图像C，取γ=0.25得到低对比图像D，其中VIN表示图像B中每一像素点的像素值，VOUT表示低对比图像C或高对比图像D中每一像素点的像素值；步骤3?3：将图像C由RGB模式转换为HSV模式，然后二值化，得到二值化图像E；对HSV模式的图像C进行二值化时，将340°0.85、且面积最大的两个白色连通区域为车辆尾灯区域，最后确定一个能框住这两个白色连通区域的最小矩形区域为最终的ROI区域；步骤4：Adaboost判别；在步骤3?2所得图像D中截取步骤3?5所确定的ROI区域，作为待判别图像F，所述图像F与步骤1中所述样本图像具有相同的大小；将图像F输入步骤1所得Adaboost分类器进行判别，以最终确定行驶车辆前方是否具有障碍车辆；对行驶车辆前方的图像进行视频采集，对所采集的视频图像逐帧进行步骤2至步骤4的操作，以实时判断行驶车辆前方是否具有障碍车辆。...

【技术特征摘要】
1.一种基于单目视觉的夜间车辆检测方法，包括以下步骤步骤1:训练Adaboost分类器；所述Adaboost分类器的正样本数量不低于1000个，负样本数量不低于3000个；其中，正样本为确定为夜间车辆尾灯的图像，样本为确定为夜间不含车辆尾灯的图像，正样本与负样本为同样大小的图像；步骤2 :图像采集；将图像采集装置安装于车辆后视镜下方，图像采集装置光轴与车体长度方向平行，调整图像采集装置的高度与俯仰角，使得通过图像采集装置能够在视野范围内获得车辆前方清晰的图像；安装有所述图像采集装置的车辆在夜间行进时采集车辆前方的图像，记为图像A ;步骤3 :感兴趣区域(ROI)提取；具体包括以下步骤步骤3-1 :由于图像A中上三分之一部分为天空、树木、标识牌或建筑物等干扰信息，而前方车辆只会处于图像A的下三分之二部分，因此选定图像A的下三分之二部分作为初始感兴趣区域以减少后续计算量，将该初始ROI区域图像即为图像B ；步骤3-2 :利用公式Vtot=VinY对图像B进行伽马校正，取Y =2得到高对比图像C，取 Y =0. 25得到低对比图像D，其中Vin表示图像B中每一像素点的像素值，Vout表示低对比图像C或高对比图像D中每一像素点的像素值；步骤3-3 :将图像C由RGB模式转换为HSV模式，然...

【专利技术属性】
技术研发人员：解梅，余宇，慕春雷，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：