[发明专利]基于图像的尾灯检测与识别方法

说明书

本发明公开了一种基于图像的尾灯检测与识别方法，该方法利用普通摄像头采集得到的前方车辆的实时图像，通过梯度锐化和图像剪切进行预处理；结合HSI和RGB颜色空间进行自适应阈值分割，提取尾灯的颜色信息；通过滤波去噪和形态学变换，提取轮廓并利用几何条件约束同组尾灯；基于SVM对状态信息分层处理，并输出前车尾灯图像的语义解释。本发明作为车载先进驾驶辅助系统中的重要一环，针对复杂城市环境下前车尾灯的检测与状态信息判断问题有较好的处理效果以及实时处理能力。

技术领域

本发明属于图像处理领域，具体涉及一种基于图像的尾灯检测与识别方法。

背景技术

道路交通安全问题是一个全球性的问题，如何利用智能驾驶辅助系统帮助驾驶员规避安全风险成为当下热门的话题。智能驾驶辅助系统侧重于对周围的行车环境有一个全面的感知，比如提供给驾驶员有关道路、周围车辆、交通标志等信息，从而帮助驾驶员对汽车的行驶路线有一个安全的规划。目前相关研究多集中在道路检测、交通灯识别、行人检测和障碍物识别等方面，但针对周围车辆对本车的行驶状态影响的研究较少。前车的尾灯信息即灯语作为向其他车辆表达本车路线规划的重要手段，是周围行车环境研究的重点所在。

目前，尾灯检测识别研究集中于夜间车辆检测，采用的方法有提取尾灯形状、颜色、运动特征等。由于夜间前车尾灯的亮度较大，对于低成本的图像采集设备而言，在尾灯检测时对采集得到的图像进行颜色特征的提取比较方便稳定。在处理颜色特征时，不同的研究者依据处理的侧重点选用了不同的颜色模型进行处理。如Nagumo S等学者(Nagumo S,Hasegawa H,Okamoto N.Extraction of forward vehicles by front-mounted camerausing brightness information[C]//Electrical and Computer Engineering,2003.IEEE CCECE 2003.Canadian Conference on.IEEE,2003,2:1243-1246)选用YCrCb颜色模型分割出夜间车尾灯区域并运用关键位置特征对尾灯对匹配验证；O'Malley R等人(O'Malley R,Jones E,Glavin M.Rear-lamp vehicle detection and tracking in low-exposure color video for night conditions[J],Intelligent TransportationSystems,IEEE Transactions on,2010,11(2):453-462)使用HSV模型对汽车尾灯区域进行了研究，采用大量的实景图像样本，经统计分析得到了HSV空间中尾灯分割阈值；刘勃等人(刘勃,周荷琴,魏铭旭.基于颜色和运动信息的夜间车辆检测方法[J].中国图象图形学报:A辑,2005,10(2):187-191.)在RGB颜色空间中进行了研究，衡量每个像素的红色分量比例，以确定像素是否属于尾灯区域，然后用跟踪算法匹配尾灯对。但是上述研究由于只针对单一的颜色空间进行尾灯区域的检测分割，会对使用的颜色空间有极强的依赖性，导致信息的不完整，严重者会使尾灯区域无法提取。此外，多数研究只提取检测了前车的尾灯区域并用于车辆的实时跟踪，对尾灯图像所蕴含的灯语信息不做语义解释。

如何提高复杂城市环境下尾灯检测的准确性及鲁棒性，同时对尾灯的灯语信息进行语义解释一直是先进驾驶辅助系统(ADAS)亟待解决的关键问题。本发明提出了一种基于图像的尾灯检测与识别方法，能够有效提高前车尾灯区域的检测精度，并对尾灯状态图像进行语义解释，弥补现有方法在尾灯状态识别领域的空缺。

发明内容

本发明为了解决现有尾灯检测方法对单一颜色空间的过度依赖性导致的尾灯检测准确率低的问题，同时为了弥补在尾灯状态识别方向现有方法的空缺，提出了一种基于图像的尾灯检测与识别方法。该方法利用普通摄像头采集得到的前方车辆的实时图像，通过梯度锐化和图像剪切进行预处理；结合HSI和RGB颜色空间进行自适应阈值分割，提取尾灯的颜色信息；通过滤波去噪和形态学变换，提取轮廓并利用几何条件约束同组尾灯；基于SVM对状态信息分层处理，并输出前车尾灯图像的语义解释。