本發(fā)明具體涉及一種基于車底陰影的前車運(yùn)動(dòng)車輛檢測方法。

背景技術(shù)：

前方運(yùn)動(dòng)車輛檢測是智能交通系統(tǒng)領(lǐng)域中一個(gè)重要研究方向。利用基于視覺獲知前方車輛信息是智能車輛安全駕駛及交通系統(tǒng)研究領(lǐng)域的熱點(diǎn)，利于減少傷亡、節(jié)約時(shí)間、降低污染。

基于視覺的車輛檢測方法可歸納為以下4類：

基于光流場方法較好處理背景運(yùn)動(dòng)情況，對(duì)噪聲、光線變化敏感，實(shí)時(shí)性差；基于模型方法對(duì)模型的依賴性強(qiáng)；基于立體視覺方法定位較準(zhǔn)確，但特征點(diǎn)較敏感；基于特征的方法是利用車輛一些顯著特征如車底陰影、邊緣、對(duì)稱性等提取車輛區(qū)域，單一特征容易受光照及周邊環(huán)境影響而被弱化，結(jié)合多特征是基于特征方法的發(fā)展趨勢。

光強(qiáng)及周邊環(huán)境會(huì)對(duì)車輛特征產(chǎn)生較大干擾，但車輛下方的陰影區(qū)域在整個(gè)圖像中較暗，是一種較為魯棒的特征。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是提供一種基于車底陰影的前車運(yùn)動(dòng)車輛檢測方法。

基于車底陰影的前車運(yùn)動(dòng)車輛檢測方法，包括以下步驟：

s1：通過裝置于車輛內(nèi)的攝像機(jī)實(shí)時(shí)的采集車輛信息，將獲得的車輛行駛視頻按照幀分割成一系列的圖像序列，并對(duì)圖像進(jìn)行灰度化、二值化及降噪預(yù)處理；

s2：已知視頻圖像的一幀灰度圖像i，計(jì)算灰度圖像i的均值與方差以及可調(diào)參數(shù)a，利用下式計(jì)算第一次；

；

；

s3：統(tǒng)計(jì)低于的像素點(diǎn)，計(jì)算其均值與方差以及可調(diào)參數(shù)b，利用下式計(jì)算第二次將其作為分割圖像的閾值；

；

；

s4：利用下列各式判斷并尋找陰影線的起點(diǎn)、終點(diǎn)及所在行位置；對(duì)陰影分割后的圖像搜索陰影線起始位置、終點(diǎn)位置；按從上往下，從左往右，當(dāng)符合下式時(shí)，記為起點(diǎn)；

；

當(dāng)符合下式時(shí)，記為終點(diǎn)；

；

投影到圖像中的車寬近似用透視投影公式表示：

；其中，w為圖像中目標(biāo)的寬度（單位：像素）；為車輛實(shí)際寬度（單位：m）；h為攝像機(jī)光軸距離水平路面高度（單位：m）；y為圖像中目標(biāo)所在的行（單位：像素）；

記錄滿足下式的陰影線起點(diǎn)、終點(diǎn)及行位置，反之，刪除陰影線；

；

s5：根據(jù)目標(biāo)陰影線的相鄰性及上下線之間關(guān)系合并陰影線，確定車底與路面的交線，從而定位目標(biāo)的假設(shè)矩形區(qū)域；

s6：在假設(shè)矩形區(qū)域內(nèi)，利用垂直sobel邊緣檢測和hough變換準(zhǔn)確提取車輛的左右邊界；

s7：計(jì)算精確提取的假設(shè)矩形區(qū)域內(nèi)的熵值歸一化的對(duì)稱性測度，統(tǒng)計(jì)中得出時(shí)，則目標(biāo)為車輛；反之，為虛假車輛。

進(jìn)一步的，對(duì)稱性測度的計(jì)算方法如下：

假設(shè)矩形框其列方向上灰度均值視為橫坐標(biāo)的一維函數(shù)：

；

對(duì)稱軸取矩形框豎直中軸，寬度為矩形寬度，以為縱軸的新坐標(biāo)下，的偶函數(shù)和奇函數(shù)分量分別為：

，

，

奇函數(shù)分量均值為0，偶函數(shù)分量均值大于0，對(duì)偶函數(shù)分量歸一化，保證其均值為0，則有：

；

目標(biāo)矩陣的對(duì)稱度測量為：

將信息量定義為：

；

信息熵定義為信息量的數(shù)學(xué)期望：

；

對(duì)于灰度圖像取值范圍為，為灰度圖像信息熵最大值；

引用熵值歸一化的對(duì)稱性測度排除虛假目標(biāo)，定義為：

。

本發(fā)明的有益效果是：

本發(fā)明首先采用兩次自適應(yīng)閾值算法為有利于提取車底和路面的交線，從而初步定為車輛的假設(shè)區(qū)域，利用垂直sobel邊緣檢測和hough變換完成車輛精確定位，提高檢測效率，最后基于熵值歸一化的對(duì)稱性測度進(jìn)行驗(yàn)證，剔除虛假車輛，提高檢測準(zhǔn)確度。有效的解決了白天中不同時(shí)段及周邊環(huán)境陰影的干擾，實(shí)時(shí)準(zhǔn)確檢測到前方目標(biāo)車輛。

具體實(shí)施方式

以下具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步闡述，但不作為對(duì)本發(fā)明的限定。

基于車底陰影的前車運(yùn)動(dòng)車輛檢測方法，包括以下步驟：

s1：通過裝置于車輛內(nèi)的攝像機(jī)實(shí)時(shí)的采集車輛信息，將獲得的車輛行駛視頻按照幀分割成一系列的圖像序列，并對(duì)圖像進(jìn)行灰度化、二值化及降噪預(yù)處理；

s2：已知視頻圖像的一幀灰度圖像i，計(jì)算灰度圖像i的均值與方差以及可調(diào)參數(shù)a，利用下式計(jì)算第一次；

；

；

s3：統(tǒng)計(jì)低于的像素點(diǎn)，計(jì)算其均值與方差以及可調(diào)參數(shù)b，利用下式計(jì)算第二次將其作為分割圖像的閾值；

；

；

s4：利用下列各式判斷并尋找陰影線的起點(diǎn)、終點(diǎn)及所在行位置；對(duì)陰影分割后的圖像搜索陰影線起始位置、終點(diǎn)位置；按從上往下，從左往右，當(dāng)符合下式時(shí)，記為起點(diǎn)；

；

當(dāng)符合下式時(shí)，記為終點(diǎn)；

；

投影到圖像中的車寬近似用透視投影公式表示：

；其中，w為圖像中目標(biāo)的寬度（單位：像素）；為車輛實(shí)際寬度（單位：m）；h為攝像機(jī)光軸距離水平路面高度（單位：m）；y為圖像中目標(biāo)所在的行（單位：像素）；

記錄滿足下式的陰影線起點(diǎn)、終點(diǎn)及行位置，反之，刪除陰影線；

；

s5：根據(jù)目標(biāo)陰影線的相鄰性及上下線之間關(guān)系合并陰影線，確定車底與路面的交線，從而定位目標(biāo)的假設(shè)矩形區(qū)域；

s6：在假設(shè)矩形區(qū)域內(nèi)，利用垂直sobel邊緣檢測和hough變換準(zhǔn)確提取車輛的左右邊界；

s7：計(jì)算精確提取的假設(shè)矩形區(qū)域內(nèi)的熵值歸一化的對(duì)稱性測度，統(tǒng)計(jì)中得出時(shí)，則目標(biāo)為車輛；反之，為虛假車輛。

對(duì)稱性測度的計(jì)算方法如下：

假設(shè)矩形框其列方向上灰度均值視為橫坐標(biāo)的一維函數(shù)：

；

對(duì)稱軸取矩形框豎直中軸，寬度為矩形寬度，以為縱軸的新坐標(biāo)下，的偶函數(shù)和奇函數(shù)分量分別為：

，

，

奇函數(shù)分量均值為0，偶函數(shù)分量均值大于0，對(duì)偶函數(shù)分量歸一化，保證其均值為0，則有：

；

目標(biāo)矩陣的對(duì)稱度測量為：

將信息量定義為：

；

信息熵定義為信息量的數(shù)學(xué)期望：

；

對(duì)于灰度圖像取值范圍為，為灰度圖像信息熵最大值；

引用熵值歸一化的對(duì)稱性測度排除虛假目標(biāo)，定義為：

。