[发明专利]一种基于曲线斜率变化的汽车方向盘检测方法

说明书

本发明公开了一种基于曲线斜率变化的汽车方向盘检测方法，它先对含有车辆的彩色图像image进行车窗定位并截取车窗右半部分作为新的图像，对该图像处理后得到单像素边缘图像，利用八邻域边缘跟踪算法遍历图像中的每一条单像素边缘，像素点分别按顺序存储在数组中，遍历得到的每一条单像素边缘，计算其对应的一个新的平面直角坐标系，并将每一条单像素边缘等间隔分为6段，计算每段的切线斜率和曲线偏转角度，筛选出候选汽车方向盘边缘；再得到最终检测到的方向盘。本发明结合了劣弧上的点的切线斜率变化特征以及曲线偏转角度特征来进行劣弧检测，其准确性高，提高了方向盘检测的正确率。

技术领域

本发明涉及计算机视觉及智能交通技术领域，具体涉及一种基于曲线斜率变化的汽车方向盘检测方法，它通过提取图像中曲线上的间隔点，并计算其斜率变化来进行劣弧检测的汽车方向盘检测方法。

背景技术

随着智能交通领域的不断发展，目前在道路交通安全监测系统中对于驾驶员行为的检测和分析越来越受到重视。其中包括驾驶员在行车过程中是否手离方向盘以及是否佩戴安全带等，这就需要先对待检测的部位进行准确定位。然而在道路监控视频中对于车窗内的物体一般比较模糊，很难进行准确定位。方向盘是车窗内比较明显的一个特征物体，方向盘的准确定位可以估算出其它待检测部位的相对位置，使得待检测部位的定位更加精准。

在道路监控视频中，方向盘一般呈现出开口向下的劣弧形状。因此，对方向盘的检测可以转换为对边缘图像中圆弧的检测。当前也有部分学者提出了不同的圆弧检测方法，其中与本发明较接近的技术方案为：文献(陈小艳,王强,李柏林.改进的Hough变换检测圆方法[J].计算机系统应用,2015,24(8):197-201.)提出先对图像进行Canny边缘检测，然后去除短小边缘，对剩下的每一条边缘进行遍历存储，并且将其三等分，取连续的三个点计算假定圆圆心和半径，最后通过比较真实边缘上的像素点与真实边缘落在假定圆圆弧上的像素点的比例来确定该边缘是否为圆弧。该算法需要精确到像素级别，一旦假定圆的圆弧与真实边缘之间有一两个像素点的偏差也会认为它们之间的重合度比较低，边缘被判断为不是圆弧，在汽车方向盘检测的应用中方向盘就会检测不到；文献(王永会,李昱鑫,郭耸,等.基于切线段匹配的快速圆弧检测算法[J].计算机应用,2016,36(4):1126-1131.)提出通过逐点扫描边缘图，提取水平、垂直、45°以及135°方向上的所有切线段，将切线段进行两两匹配构造圆心与半径，最后通过Bresenham算法生成假定圆。该算法依赖于八个方向上切线的提取，对于很短小的劣弧以及圆弧发生部分变形的情况都无法正确检测到，而汽车方向盘的形状由于拍摄角度的问题经常会发生变形。

综上所述，当前的圆弧检测方法如果应用在汽车方向盘检测中存在着如下不足：(1)需要精确到像素级别的匹配，鲁棒性差；(2)对于短小劣弧的检测率不高；(3)对于发生形变的圆弧检测率不高。

发明内容

针对现有的圆弧检测方法如果应用在汽车方向盘检测中存在的上述问题，本发明提出了一种基于曲线斜率变化的汽车方向盘检测方法，它通过提取图像中曲线上的间隔点，并计算其斜率变化来进行劣弧检测的汽车方向盘检测方法。

所述的一种基于曲线斜率变化的汽车方向盘检测方法，其特征在于包括如下步骤：

步骤1：对含有车辆的彩色图像image进行车窗定位；

步骤2：从图像image中截取车窗右半部分作为新的图像WinImg，并且对图像WinImg进行灰度化、高斯滤波、形态学边缘检测、局部二值化以及边缘细化操作，得到图像WinImg的单像素边缘图像，记为EdgeImg；

步骤3：利用八邻域边缘跟踪算法遍历EdgeImg中的每一条单像素边缘，并且将每一条单像素边缘上的像素点分别按顺序存储在数组中，记为Array_i,i＝1,2,…,n，其中,Array_i表示第i条单像素边缘，n表示EdgeImg中单像素边缘的数量；