[发明专利]一种用于车载夜视系统的障碍物检测及报警方法

说明书

技术领域

本发明涉及一种用于车载夜视系统的障碍物检测及报警方法，属于计算机视觉技术领域。

背景技术

安全辅助驾驶系统利用传感器技术探测车辆前方的障碍物，及时警告驾驶员注意，减少交通事故带来的损失和人员伤亡。随着我国汽车保有量迅速增加，研制安全辅助驾驶系统具有紧迫性和现实意义。利用数字图像处理技术，接收来自热像仪的红外图像，自动检测图像中出现的机动车、非机动车、行人及大型动物等障碍物，给出告警信息提醒驾驶员及时避让，在未来交通安全中扮演重要角色，具有广泛的应用价值。

基于视觉的障碍物检测方法可分为：运动检测方法、立体视觉检测方法和基于知识的检测方法。运动检测方法，主要有光流法，利用序列帧中光流分析估计运动参数，计算量大，实时性差。立体视觉方法，主要采用双目视觉，利用视差检测障碍物，需要进行立体匹配，摄像机的标定容易产生漂移。基于知识的检测方法，利用障碍物的先验知识在图像中寻找目标所在位置，该方法相对简单，容易硬件实现，可满足运动车辆实时性要求。基于知识的障碍物检测方法主要有基于模板匹配的检测方法和基于分割的检测方法。其中基于模板匹配的检测方法，通过选择合适的障碍物模板来实现检测，该方法需要在图像中做多尺度搜索，计算量大，无法实时实现。

发明内容

本发明的目的是提供一种车载夜视系统的障碍物检测及报警方法，以解决目前车载夜视系统中障碍物的检测过程中需要在图像中做多尺度搜索所导致的计算量大、无法实时实现的问题。

本发明为解决上述技术问题而提供一种车载夜视系统的障碍物检测方法，该检测方法的步骤如下：

1）.读取热像仪输出的红外图像数据，对其进行预处理滤除噪声；

2）.对预处理后的红外图像利用自适应阈值分割方法进行图像分割，得到感兴趣区域；

3）.提取感兴趣区域梯度方向直方图特征组成的特征向量；

4）.将提取到的特征向量输入多级分类器中进行分类识别得到感兴趣区域的判别结果,确定其是否为障碍物。

所述步骤2）的具体步骤如下：

a.统计图像灰度值的最大值和均值，计算其自适应分割阈值；

b.利用分割阈值对图像数据进行分割；

c.对分割区域进行区域标记；

d.计算标记区域的特征值。

所述的步骤3）的具体步骤如下：

A.采用梯度算子对图像进行处理；

B.计算梯度方向上的直方图；

C.将梯度方向直方图组成特征向量。

本发明未解决上述技术问题还提供一种车载夜视系统的障碍物报警方法，该报警方法的步骤如下：

1）.读取热像仪输出的红外图像数据，对其进行预处理滤除噪声；

2）.对预处理后的红外图像利用自适应阈值分割方法进行图像分割，得到感兴趣区域；

3）.提取感兴趣区域梯度方向直方图特征组成的特征向量；

4）.将提取到的特征向量输入多级分类器中进行分类识别，判断感兴趣区域中是否为障碍物；

5）.对判断为障碍物的区域提取尺寸和位置信息，并进行危险等级标定，根据标定的危险等级给出相应的报警提示信息。

所述的步骤2）的具体步骤如下：

a.统计图像灰度值的最大值和均值，计算其自适应分割阈值；

b.利用分割阈值对图像数据进行分割；

c.对分割区域进行区域标记；

d.计算标记区域的特征值。

所述步骤3）的具体步骤如下：

A.采用梯度算子对图像进行处理；

B.计算梯度方向上的直方图；

C.将梯度方向直方图组成特征向量。

所述的步骤5）包括如下步骤：

a）.提取障碍物区域的尺寸和位置信息；

b）.估计障碍物与摄像机之间的距离；

c）.根据估计距离标定危险等级。

本发明的有益效果是:本发明通过先读取热像仪输出的红外图像数据并对其进行预处理滤除噪声，然后利用自适应阈值分割方法进行图像分割，对分割结果进行标记得到感兴趣区域，对感兴趣区域提取梯度方向直方图特征组成特征向量，将特征向量输入多级分类器中进行分类识别，判断感兴趣区域是否为障碍物。本发明能够自动检测前方障碍物，检测识别率高，并可硬件实时实现。

附图说明

图1是本发明用于车载夜视系统的障碍物报警方法的流程图；

图2是本发明用于车载夜视系统的障碍物检测方法实施例中红外图像感兴趣区域标记图；