[发明专利]基于车底阴影的车辆检测方法

权利要求书

1.基于车底阴影的车辆检测方法，其特征在于，包括以下步骤：

S1：通过装置于车辆内的摄像机实时的采集车辆信息，将获得的车辆行驶视频按照帧分割成一系列的图像序列，并对图像进行灰度化、二值化及降噪预处理；

S2：采用基于改进的阴影分割方法分割出车底阴影；

S3：提取车底与路面交线边缘，从而定位车辆位置；

S4：基于对称性验证车辆，排除虚假车辆。

2.根据权利要求1所述的车辆检测方法，其特征在于，所述基于改进的阴影分割方法具体如下：

S2-1：根据均值方差公式计算灰度图像的均值与方差：

其中，f(x，y)为灰度图像在(x，y)点处的亮度值，M、N分别为图像的宽和高，μ₁、σ₁分别为灰度图像均值和方差；

S2-2：第一次自适应阈值为：

Threshold₁＝μ₁-σ₁/a；

其中，a＝μ₁/σ₁；

S2-3：对整幅灰度图像中统计低于Threshold₁的像素点，对低于Threshold₁的像素点利用均值方差公式计算均值μ₂和方差σ₂：

Threshold₂＝μ₂-σ₂/b；

其中，b＝μ₂/σ₂；

S2-4：通过阈值Threshold₂分割灰度图像，提取出车底阴影。

3.根据权利要求1所述的车辆检测方法，其特征在于，提取车底与路面交线边缘的方法具体如下：

S3-1：对阴影分割后的图像搜索阴影线起始位置x_start、终点位置x_end，按从上往下从左往右扫描，当符合下式时，记为起点：

f(x-1,y)-f(x,y)＝255&&f(x,y)-f(x+1,y)＝0；

继续扫描连续黑点，当符合下式时，记为终点：

f(x,y)-f(x-1,y)＝0&&f(x+1,y)-f(x,y)＝225；

S3-2：投影到图像中的车宽近似用透视投影公式表示：

其中，w为图像中目标车辆的宽度(单位：像素)；w_p为车辆实际宽度(单位：m)；H为摄像机广州距离水平路面高度(单位：m)；y为图像中目标所在的行(单位：像素)；

S3-3：阴影线长度length＝x_end-x_start表明目标宽度，记录满足下式的阴影线起点、终点及行位置；反之剔除阴影线：

w*0.8＜length＝x_end-x_start＜w*1.2；

S3-4：按从上向下，当满足y方向上：|y₁-y₂|＜5，则对y方向相邻阴影线进行合并，合并原则遵循左端点取靠近左边的点，右端点取靠近右边的点；阴影线变成最接近目标车底边缘线，从而确定目标车辆的假设矩形区域的位置。

4.根据权利要求1所述的车辆检测方法，其特征在于，所述基于对称性验证车辆的具体方法如下：

S4-1：在假设矩形区域内，利用垂直Sobel边缘检测和Hough变换准确提取车辆的左右边界；

S4-2：将假设矩形框其列方向上灰度均值视为横坐标一维函数：

对称轴取矩形框竖直中轴x_S，宽度为矩形宽度w＝x_end-x_start，以x_S为纵轴的新坐标下，g(x)＝g(x_S+u)的偶函数和奇函数的分量分别为：

对偶函数O(u,x_S)分量归一化，保证其均值为0，则有：

目标矩形的对称性测量为：

S4-3：从概率统计学角度，将信息量定义为：

I(l_i)＝-lgp(l_i)；

信息熵定义为信息量的数学期望：

对于灰度图像E(l)取值范围为[0，5.546]，E_m灰度图像信息熵最大值；

根据车辆对称性特点，引用熵值归一化的对称性测度排除虚假目标，定义为：

S4-4：通过公式计算精确提取的假设矩形区域内的熵值归一化的对称性测度

S4-5：当时，则目标为车辆；反之，为虚假车辆。