[发明专利]一种车辆鲁棒检测及分车道到达累计曲线估计方法

摘要

本发明公开一种车辆鲁棒检测及分车道到达累计曲线估计方法，首先非拥堵区域的检测，避免针对交通拥堵停驶车辆进行复杂遮挡处理及检测的无谓工作。然后，基于假设生成和验证框架，融合AdaBoost分类器与车底阴影检测结果，得到鲁棒的车辆检测结果。最后，使用投影畸变车辆稳定特征将车辆位置划归特定的车道，准确估计分车道车辆到达累计曲线。本发明能够有效避免针对车辆遮挡的复杂处理过程，实现了高峰时段交通拥堵状态实时进行鲁棒的车辆检测并准确地获取交通参数，对解决车辆到达率和车头时距调查成本高、工作量大、不确定因素多等问题具有实际的意义。

主权项

1.一种车辆鲁棒检测及分车道到达累计曲线估计方法，其特征在于，包括以下步骤：步骤1、离线设置感兴趣区域：设置车道线、车辆检测有效区域以及车辆到达检测线；步骤2、非拥堵区域检测：对车辆检测有效区域进行车辆存在检测、车辆运动检测以及基于局部细分的非拥堵区域检测；步骤3、基于特征融合的车辆鲁棒检测，其包括：步骤3.1、基于AdaBoost级联分类器的车辆检测采用人工标记车辆样本的方式来获取初始训练样本集，以此样本集训练AdaBoost级联分类器，在交通视频每帧图像中检测到的车辆候选区域可表示为多个矩形块，其中每个矩形块P⁽¹⁾为：P⁽¹⁾＝{x,y,w,h,t}其中，(x,y)是该矩形区域左上角像素坐标，(w,h)是宽度和高度，t是从初始观察时间开始算起的图像帧累计数，当前图像帧的所有矩形块可表示为：其中，P_i⁽¹⁾是第i个候选矩形块，其总数为N；步骤3.2、车底阴影检测采用三水平最大类间方差法实现车底阴影检测，即，确定两个灰度阈值，T₁和T₂，通过各像素灰度值与这两个阈值的比较，能够将车辆检测有效区域R分为三个区域：高灰度值区域R_h、中间灰度值区域R_m和低灰度值区域R_l，分别定义为：R_h＝{(x,y)∈M|I(x,y)≥T₁}R_m＝{(x,y)∈M|T₁＞I(x,y)≥T₂}R_l＝{(x,y)∈M|other}其中，R_l就是所选定的车底阴影候选区域，所述低灰度值区域R_l经过形态学处理以及连通分量分析，得到所检测的车底阴影候选区域，可描述为：P⁽²⁾＝{x,y,w,h,t}，其中，(x,y)是该矩形区域左上角像素坐标，(w,h)是宽度和高度，t是从初始观察时间开始算起的图像帧累计数，当前图像帧中所有车底阴影检测矩形块可表示为：其中，是第j个候选矩形块，其总数为M；步骤3.3、车辆融合鲁棒检测采用基于假设生成和检验框架的车辆融合检测算法，即，对于候选队列Ψ⁽¹⁾中的每辆车，依次比较其与候选队列Ψ⁽²⁾任意一辆车的距离d，当该距离小于预定义的距离标准G_d时，该车辆位置保留；否则，该车辆位置被丢弃；融合AdaBoost级联分类器与车底阴影两种车辆检测结果，能够鲁棒确定车辆的存在性以及具体位置，当前图像帧中最终检测到的车辆可表示为：Ψ＝{P₁,…,P_i,…,P_j,…,P_L}，其中，其总数为L；步骤4：分车道车辆到达累计曲线估计步骤4.1：分车道车辆定位设车辆与路面接触的稳健点选定为车辆在路面上的投影点，给定非拥堵区域车辆的鲁棒检测结果，车辆稳定点P_s可表示为：P_S＝(x+w/2,y+h,t)其中，位置坐标(x+w/2,y+h)是各车辆矩形区域下边沿基线的中间点，每条车道线段P₁P₂则由两个端点P₁和P₂所定义，根据两向量叉积方法，计算车辆稳健特征点P_s相对于车道线段P₁P₂方向可以通过下式中的正负号表示其中，×表示两向量和的叉积，因此同时与这两个向量正交，并服从右手规则，该两向量叉积相当于计算如下行列式其中，(x_i,y_i)两值是各点P_i,i∈{1,2,S}的坐标，车辆稳健特征点P_S相对于该线段P₁P₂的方向只需对该值DET符号进行判断，如果符号为正，P_S位于右侧的车道，如果符号为负，则正好相反；利用同样的方法，依次用各车道线段的两端点值P₁和P₂代入DET的计算公式，与车辆稳健特征点P_S进行计算；最终车辆所属车道的索引号index由这些DET符号的第一次变化所确定；则经过分车道定位后的每辆车可被描述为P＝{x,y,w,h,index,t}步骤4.2：分车道车辆到达累计曲线估计车辆跨越分车道检测线时刻的估计，使用车辆分车道定位的计算几何算法来确定；车辆仍由稳健特征点P_S来表示，检测线段P₃P₄的两端点P₃和P₄则由分车道检测线段来定义；每一帧都需要处理DET行列式，其符号的变化时间直接对应了所估计的车辆到达时刻T_i^Arri，同时可以获得分车道累计到达车辆数分车道车辆到达累计曲线ArriPro(t)就是在时间轴上将车辆到达累计数沿着车辆到达时刻T_i^Arri展开，即：