[发明专利]夜视环境下对前方车辆的高精度检测方法

权利要求书

1.一种夜视环境下对前方车辆的高精度检测方法，其特征在于：该方法是分别利用结合canny边缘检测的区域生长法和基于马氏距离的彩色图像阈值分割方法进行前灯和尾灯分割；然后进行车灯配对，采用初步过滤和投影扭曲补偿提高相关系数的计算精度；该方法包括以下步骤：

S1.样本收集与统计分析：

采集不同气候条件、灯光条件的前灯和尾灯数据各500～1000对，先对采集的车灯图像进行中值滤波，然后对前灯的亮度、尾灯RGB颜色向量、车灯对的圆形度比和中心连线角度、车灯对的相关系数进行统计分析，分别求出其均值和方差；

S2.读入视频帧，并分割车灯：

读入视频帧，并用基于canny边缘检测的区域生长法分割前灯，用基于马氏距离的彩色图像阈值分割方法分割尾灯；

S3.进行车灯配对：

在车灯配对过程中，采用初步过滤和投影扭曲补偿提高相关系数的计算精度；

S4.输出结果：

输出检测到的车灯对目标及其运动轨迹。

2.根据权利要求1所述的夜视环境下对前方车辆的高精度检测方法，其特征在于：所述的步骤S1的具体方法如下：

S11.采集不同气候条件、灯光条件的前灯和尾灯数据各500～1000对，先对采集的车灯图像进行中值滤波；

S12.对前灯的亮度进行统计分析，并求出其均值和方差；

取N个前灯像素，N≥80000，令第i个像素的亮度为G_i,则均值与方差分别为

其中σ²分别代表前灯亮度的均值与方差；

S13.对尾灯RGB颜色向量的统计分析，并求出其均值和方差：

取N个尾灯像素，N≥80000，令每个像素的R、G、B三个分量值为随机变量，则每个像素(R，G，B)分量构成一个随机向量，计算所有N个向量的平均向量和协方差矩阵，

其中，为平均向量，C为协方差矩阵，由协方差矩阵的性质可知，其对角线元素(C₁₁,C₂₂,C₃₃)即分别为(R，G，B)三个分量的方差，因此其标准差分别为：

S14.计算车灯对的圆形度比的均差和方差：

先计算车灯对的圆形度比，该圆形度比的计算公式为：

其中，AP_J、AP_k分别代表第J个车灯，第K个车灯的圆形度，车灯圆形度的计算方法为：

其中，AP为车灯的圆形度，一个车灯连通区域的面积A用该连通区域的像素数总和来表示，周长P用连通区域的边界上的像素数来表示；

然后分别计算采集到的500～1000对前灯、尾灯的圆形度比的均值μ_α和方差σ_α，

S15.计算车灯对的中心连线角度的均差和方差：

先计算车灯对的中心连线角度，该中心连线角度的计算方式为：

其中，(x_j,y_j)、(x_k,y_k)分别为第J个车灯，第K个车灯中心点坐标；

然后分别计算采集到的500～1000对前灯、尾灯的中心连线角度的均值μ_θ和方差σ_θ；

S16.计算车灯对的相关系数的均差和方差：

先计算车灯对的相关系数，该车灯对的相关系数的计算方法是，取某对车灯中的一个为模板，将另一个车灯进行水平翻转，该两个车灯的相应位置的像素亮度构成向量T和I，计算这两个向量的相关系数ρ，

计算其对应像素亮度的相关系数如下：

其中，Cov(T,I)为向量T与I之间的协方差，D(T)和D(I)分别代表向量T和I的方差；

对于前灯，计算其像素亮度的相关系数，并进一步计算前灯像素亮度相关系数的方差和均值；对于尾灯，分别计算其样本数据库中(R,G,B)三个分量的相关系数的平均值并构成平均相关系数向量和三个分量的相关系数的协方差矩阵F。