[发明专利]一种道路行驶区域的视觉检测方法

摘要

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。

主权项

1.一种道路行驶区域的视觉检测方法，其特征在于：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：其中代表t时刻的全局能量函数，当t＝0时代表初始全局能量函数，S代表超像素集合，x_i代表第i个超像素的表观特征，y_i代表第i个超像素的标签，y_i的取值范围为{1,0}，logp(x_i|y_i)代表第i个超像素对应的数据观测项，f_ij(·)为空域数据交互项，用于衡量单幅图像内相邻超像素的交互作用，N_spa{i}代表第i个超像素的空域邻近超像素，N_tem{i}代表第i个超像素的时域邻近超像素，λ₁和λ₂分别代表空域数据交互项的权重，若算法针对单幅图像时λ₂＝0；定义数据观测项对应的概率值为颜色、纹理和位置概率的乘积表达形式：p(x_i|y_i)＝p(c_i|y_i)p(t_i|y_i)p(h_i|y_i)                      (2)其中c_i，t_i和h_i分别代表超像素i的颜色、纹理和位置特征；颜色概率基于三通道的高斯分布进行计算：其中μ_m和S_m分别代表标签y_i对应的颜色特征池中，第m个均值及协方差矩阵；纹理概率基于Gabor滤波器的输出进行计算；在计算纹理概率时，选取以当前超像素为中心的图像子块，计算该图像子块的Gabor滤波器输出向量，并求取与纹理特征池中各聚类中心的互相关系数，将其最大值的指数形式作为纹理概率值，纹理概率的计算公式如下：其中MT_m代表道路区域纹理特征池T_r中，第m个纹理聚类中心，互相关系数r(·)定义如下：其中N代表纹理特征向量的维数；位置概率计算公式如下：在计算位置概率时，将输入图像映射到一个尺寸相对较小的规则方块，其中h_i代表规则方块中的坐标位置，而在训练数据集时，也采用同样的映射方式获取规则方块，代表训练数据集中，位于规则方块h_i坐标处属于标签y_i的超像素数目，代表在训练集中，位于规则方块h_i坐标处的超像素总数，α_λ和ω_λ为常数值；数据交互项的计算公式如下：f_ij(y_i,y_j)＝(1‑δ(y_i,y_j))exp(‑β||x_i‑x_j||²)       (7)其中||·||代表L₂范数，δ(·)代表克罗内克函数：常数系数β定义为：β＝(2<||x_i‑x_j||²>)^‑1            (9)其中<·>代表所有超像素对计算所得的期望均值；步骤4：局部能量函数比较：对于每个超像素i，定义其局部能量函数为：依据局部能量函数值对每个超像素的标签y_i进行比较置换，若计算所得的局部能量值则更新其标签y_i＝L\y_i否则保留当前标签；步骤5：t时刻的全局能量函数的更新：根据新的超像素类别标签，按照公式(1)计算更新后的全局能量函数步骤6：全局能量函数循环判别：如果与上次迭代取值之差小于阈值ε，则算法终止；否则跳转至步骤4)循环执行。