[发明专利]一种道路行驶区域的视觉检测方法

说明书

本发明公开了一种道路行驶区域的视觉检测方法，该方法利用超像素作为中层特征感知一致性单元，在中层超像素分割基础上构建能量函数，能量函数的数据依赖项由超像素的颜色、纹理、位置特征定义，数据交互项引入时空邻域超像素的交互作用，根据其标签和颜色特征差异性予以定义，此外，根据“初始化类别标签—初始全局能量计算—局部能量比较—全局能量比较”循环判别实施能量最小化，本发明可有效检测图像及视频中的道路行驶区域，方法简单有效。

技术领域

本发明属于图像处理、计算机视觉及模式识别领域，具体涉及一种道路行驶区域的视觉检测方法。

背景技术

道路行驶区域的检测，在图像处理、计算机视觉及模式识别领域具有重要的应用，根据道路行驶区域的检测结果，可决定视频图像场景中车辆、行人存在的空间范围，并服务于智能交通系统领域；经典的马尔科夫随机场方法可实现像素级别的图像区域检测，基本思想是将上下文约束应用于图像中相邻的元素；为了增加检测判别所使用的特征维数，提高区域检测的速度，Wang方法(参考Wang的方法：Wang XF,Zhang XP.A new localizedsuperpixel Markov random field for image segmentation[C].IEEE InternationalConference on Multimedia&Expo.2009)提出了一种基于局部超像素马尔科夫随机场的图像分割方法，采用循环迭代的方式，以超像素代替像素实现图像区域检测，然而该方法存在未充分利用图像时域信息、能量函数迭代复杂、效率不高等缺陷；Pei方法(参考Pei的方法：Pei SC,Chang WW,Shen CT.Saliency detection using superpixel beliefpropagation[C].IEEE International Conference on Image Processing,2014.)提出了一种基于超像素显著性特征的图像区域检测算法，首先将图像分割为中层超像素，并提取单个超像素的视觉特征，在此基础上建立马尔科夫随机场算法来优化图像显著性区域，然而该方法要求图像前背景区域具有较强对比度，并且对初始显著性区域的依赖性较强。

发明内容

本发明解决的问题在于提供一种在运动复杂背景条件下的道路行驶区域检测的快速鲁棒方法，该方法在中层超像素分割基础上构建能量函数，能量函数的数据依赖项由超像素的颜色、纹理、位置特征定义；数据交互项引入时空邻域超像素的交互作用，根据其标签和颜色特征差异性予以定义；根据“初始全局能量值计算—局部能量值比较—全局能量值比较”循环判别实施能量最小化；图像序列的首帧超像素类别标签依据语义标注生成，具有良好的区域判别效果。本发明准确率高，简单有效。

为了达到上述目的，本发明采用如下技术方案：

一种道路行驶区域的视觉检测方法，包括如下步骤：

步骤1：对输入图像进行超像素分割；

步骤2：采用语义标注分类的方式，对首帧图像中超像素的类别标签进行初始化；对图像序列中的其余各帧，认为相邻图像帧之间的道路区域改变较小，将当前帧超像素类别标签传播到下一帧作为初始化；

步骤3：初始全局能量函数计算：基于初始超像素类别标签，计算当前帧的初始全局能量函数E₁⁰，其中能量函数由数据观测项和数据交互项两部分组成，数据交互项考虑了帧内的空域超像素交互影响，以及相邻帧之间的时域超像素交互影响；

其中针对t时刻的全局能量函数定义如下：