[发明专利]基于颜色特征的障碍物或阴影检测方法

说明书

本发明涉及一种基于颜色特征的障碍物或阴影检测方法，该方法为：对图像进行边缘检测，将图像按所检测出的边缘区分为不同对象；基于HSV颜色模型提取出图像的H分量和S分量，获得图像的H分量图和S分量图；对H分量图和S分量图分别进行特征统计，获得不同对象分别在H分量图和S分量图中的平均灰度级和平均对比度；对所获得的平均灰度级和平均对比度进行分析，判断图像中是否包含阴影或障碍物。本发明将基于颜色空间的阴影检测算法和基于纹理的阴影检测算法相结合，综合利用了颜色空间和纹理参数来对阴影或障碍物进行检测，易于实现和应用。

技术领域

本发明涉及一种用于对图像进行检测以分辨其中所包含的阴影或障碍物的方法。

背景技术

在某些领域中，如有轨电车的行驶方向前方的行驶环境的检测，需要对障碍物或是阴影区域进行分辨，通常采用计算机视觉技术来实现，从而为有轨电车的行驶提供支持。

目前常用的阴影检测方法分为两类：基于几何模型的方法和基于阴影特征的方法。基于几何模型的方法是利用场景、运动目标、光照条件的先验信息，建立阴影模型，此方法通常在特定场景中使用。基于阴影特征的方法是利用阴影的几何特点、亮度、色彩、纹理等信息来标识阴影区域，其中颜色和纹理是当前使用最为广泛的两种性质。基于阴影特征的方法中，最常见的几种检测算法如下：

1、基于HSV空间特征和纹理特征的阴影检测算法：该算法将含有运动目标和阴影的RGB图像转化到HSV空间，利用阴影覆盖区色调变化不大，饱和度相对变大，亮度相对变小的特点逐像素与背景帧图像比较而进行初判断，再对初判断的区域用基于统计方法的纹理特征进行纹理相似的判断，进一步确定阴影区域。该方法在夜晚或强光状态下无法进行对饮用的检测。

2、基于颜色和纹理的阴影检测算法：该算法先利用SNP算法根据阴影覆盖区域像素点亮度值比背景亮度值低，通过计算各像素点颜色畸变、亮度畸变，并与背景各像素点进行比较初步检测出阴影区域。但当物体的颜色和阴影的颜色相近时便无法区分，所以再利用一阶梯度来表示纹理特征，通过设定相应阈值区分阴影和非阴影。

3、比率边缘检测和局部二元模式LBP两种纹理特征阴影检测法。

4、基于对立色彩空间和基于色彩特征不变量的阴影检测算法。

上述各个方法均具有一定的局限性，且其实现过程均较复杂繁琐。

发明内容

本发明的目的是提供一种易于实现的基于颜色特征的障碍物或阴影检测方法。

为达到上述目的，本发明采用的技术方案是：

一种基于颜色特征的障碍物或阴影检测方法，用于对图像进行分析以检测出其中是否包含障碍物或阴影，该方法为：首先对所述图像进行边缘检测，将所述图像按所检测出的边缘区分为不同对象；然后基于HSV颜色模型提取出所述图像的H分量和S分量，从而获得所述图像的H分量图和S分量图；接着对所述H分量图和所述S分量图分别进行特征统计，获得不同所述对象分别在所述H分量图和所述S分量图中的平均灰度级和平均对比度；最后对所获得的平均灰度级和平均对比度进行分析，若相邻所述对象在所述H分量图中的平均灰度级之差、在所述S分量图中的平均灰度级之差均小于设定的允许值a，且相邻所述对象在所述H分量图中的平均对比度之差、在所述S分量图中的平均对比度之差均小于设定的允许值b，则相邻所述对象中包含阴影；否则，相邻所述对象中包含障碍物。

该方法应用于有轨电车上而对所述有轨电车行驶方向前方的区域是否包含障碍物或阴影进行检测。

由于上述技术方案运用，本发明与现有技术相比具有下列优点：本发明将基于颜色空间的阴影检测算法和基于纹理的阴影检测算法相结合，综合利用了颜色空间和纹理参数来对阴影或障碍物进行检测，易于实现和应用。

附图说明

附图1为本发明的实施例中涉及的图像。