[发明专利]基于图像的尾灯检测与识别方法

摘要

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。

主权项

1.一种基于图像的尾灯检测与识别方法，其特征在于：包括如下步骤：步骤S1)、利用普通摄像头采集前方车辆的实时图像，并利用梯度锐化方法增强实时图像的对比度，然后对实时图像进行切割，并取图像的下方4/5部分作为待检测的彩色图像；步骤S2)、采用多色彩空间的信息特征交互方法，对待检测的彩色图像进行分割，由此得到尾灯区域图像；具体步骤如下：步骤S21)、将步骤S1得到的待检测的彩色图像转入HSI空间，归一化后以红色特征为分割条件，采用如下阈值分割得到初步分割尾灯区域：将满足上述条件的像素点标为白色，不满足上述条件的像素点标为黑色；步骤S22)、利用图像间的运算，在步骤S1图像上保留HSI空间的分割结果，即得到叠加了HSI初步分割结果的RGB空间彩色图像；步骤S23)、在RGB色彩空间中，将步骤S22得到的彩色图像分割为三个颜色通道，利用自适应阈值分割法对红色通道图像进行阈值分割，同步骤S21，满足阈值条件的像素点标为白色，不满足阈值条件的像素点标为黑色，得到精细化分割的尾灯区域；步骤S3)、提取轮廓信息，利用几何约束条件匹配最相似的尾灯区域为一组尾灯对；具体步骤如下：步骤S31)、对步骤S2得到的尾灯区域图像进行滤波去噪，消除图像中存在的小椒盐噪声点；进行形态学处理，弥补割裂的尾灯区域内部的孔洞，促使原连通域继续保持连通，得到许多不规则连通域；步骤S32)、遍历步骤S31得到的图像中的不规则连通域，得到连通域的最小外接矩形，并储存外接矩形的几何信息，采用几何约束条件将最相似的两个连通域匹配为同一组尾灯对，并在步骤1得到的图像上将匹配到的尾灯对区域标识出来；步骤S4)、构造多色彩空间信息融合的分类特征向量，用于SVM的训练及测试；具体步骤如下：步骤S41)、将步骤S32得到的尾灯对区域设置为感兴趣区域ROI，减少处理的复杂度，提高识别效率；步骤S42)、将步骤S41得到的ROI图像转入L*a*b*空间，并分为L*、a*、b*三个通道；将步骤S41得到的ROI图像转入HSV空间，并分为H、S、V三个通道；融合L*、S、V通道信息构造色彩空间L*SV，并分左右尾灯区域，求得L*SV空间下检测出的尾灯区域的各色彩通道的平均灰度值以及整个尾灯对区域的L*和V通道上的平均灰度值；将色彩空间融合信息排列为8维特征向量；步骤S5)、利用支持向量机SVM分层判断尾灯蕴含的灯语信息；具体步骤如下：步骤S51)、在图像数据库中选取3类样本集，对3类中的每一类样本区分正负样本，依照上述步骤得到3个特征向量构成的矩阵，其中正样本标记为1，负样本标记为‑1；将矩阵输入SVM进行训练，得到3个用于测试的SVM分类器，分别为SVM1、SVM2、SVM3；步骤S52)、将步骤S4得到的特征向量输入经过步骤S51训练好的SVM分类器进行尾灯灯语的分层状态识别与判断，并将判断结果转化为标记；步骤S6)、依据步骤S52的状态标记，输出相应的语义解释，完成前车尾灯状态的识别。