[发明专利]一种交通监控视频中车道线定位方法

说明书

技术领域

本发明涉及一种交通监控视频中车道线定位方法。

背景技术

随着交通运输业的快速发展，汽车数量的急剧增加，城市道路交通秩序变得越来越复杂，各种车辆违章行为层出不穷，车辆压线属于一种严重的交通违章行为，用视频的方法来检测车辆压线具有一定的实用价值，准确定位车道线的位置是实现车辆压线检测的重要前提。

对于车辆压线违章中车道线的定位，国内外研究人员提出了很多基于视觉的车道线检测方法，在众多的车道线识别算法中，霍夫变换是最常用的方法之一。车道线的识别主要由两大部分组成，一是车道线的特征提取部分，一般情况下有以下2种边缘检测算法：Canny边缘检测与可调滤波器，然后通过阈值化来提取图像中的边缘信息。二是车道线建模部分，主流算法为霍夫变换和曲线拟合，然而霍夫变换检测出来的车道线是多条线的集合，由于道路表面的不规则，检测到的车道线往往是扭曲的。论文《Real time Detection of Lane Markers in Urban Streets》Intelligent Vehicles Symposium,2008 IEEE中，Aly等人利用B样条进行拟合。虽然样条拟合能够更灵活适应车道线的各种类型，如直线模型或曲线模型，然而曲线拟合的运算复杂度较大，在实际应用中具有一定困难，并且前期的逆透视变换去除透视效果需要获得车载摄像头的位置信息。另外一种常用的方法是颜色分割来提取车道线，但是颜色分割受天气、光照等的影响较大。

专利CN103632140A中，边缘检测采用横向边缘检测，通过Sobel算子进行左右车道线的边缘检测，根据前一帧获取的车道线的位置在边缘图中确定初始边缘检测区域，然后将初始检测区域划分为N个小检测区域，在小检测区域内根据每个小检测区域的边缘图数值和每个小检测区域的像素点的总数，确定某个小检测区域为精确车道线检测区域。首先，Sobel算子进行边缘检测存在边缘定位精度不高、存在较多伪边缘的缺点。其次，小检测区域的划分是采用平均间隔，这样同一条车道线可能划分在不同的区域内；划分在小区域内的也可能含有路面标识，这样检测出来的就是路面标示造成车道线的错误检测，并且当车道线是曲线时也容易造成车道线的错误检测。

发明内容

针对上述技术问题，本发明所要解决的技术问题是提供一种针对现有技术进行改进，引入可调滤波器进行边缘检测，再结合霍夫变换准确实现对车道线位置检测的交通监控视频中车道线定位方法。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种交通监控视频中车道线定位方法，包括如下步骤：

步骤001.针对交通监控摄像头捕获的无运动物体图像，获得该无运动物体图像中的道路区域图像，并对道路区域图像进行灰度处理，得到道路区域灰度图像；

步骤002.针对道路区域灰度图像，采用可调滤波器分别沿水平方向、竖直方向进行卷积滤波处理；

步骤003.针对进行卷积滤波处理后的道路区域灰度图像采用全局阈值的方法进行图像阈值化处理；

步骤004.针对进行阈值化处理后的道路区域灰度图像中的像素点，通过霍夫变换获得道路区域灰度图像中至少一条直线，由各条直线构成车道线的初级位置，进而获得该交通监控摄像头捕获监控视频中车道线初级位置。

作为本发明的一种优选技术方案：所述步骤004之后还包括步骤005，如下所示：

步骤005.依次遍历所述由霍夫变换获得道路区域灰度图像中的各条直线，分别获得彼此相邻两直线彼此间的间距，并与预设直线间距阀值进行比较，若相邻两条直线彼此间的间距小于直线间距阀值，则将该两条直线划并为一体；由经过以上处理重新得到的各条直线构成车道线的中级位置，进而获得该交通监控摄像头捕获监控视频中车道线中级位置。

作为本发明的一种优选技术方案：所述步骤005具体包括如下内容：

步骤005.依次遍历所述由霍夫变换获得道路区域灰度图像中的各条直线，将直角坐标系下的各条直线转换到极坐标系下，各条直线通过极径值、极角值表示；根据各条直线的极径值获得彼此相邻两直线彼此间的间距，并与预设直线间距阀值进行比较，若相邻两条直线彼此间的间距小于直线间距阀值，则将该两条直线划并为一体，并取该两条直线极径值的平均值、极角值的平均值作为经划并处理后直线的极径值、极角值；最后再将极坐标系下经划并处理后所获得的各条直线转换到直角坐标系下，各条直线通过起点坐标、终点坐标表示；由经过以上处理重新得到的各条直线构成车道线的中级位置，进而获得该交通监控摄像头捕获监控视频中车道线中级位置。