[发明专利]基于车底阴影的车辆检测方法

说明书

本发明公开了一种基于车底阴影的车辆检测方法，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。本发明首先采用两次自适应阈值算法为有利于提取车底和路面的交线，从而初步定位车辆的假设区域，利用垂直Sobel边缘检测和Hough变换完成车辆精确定位，提高检测效率；最后基于熵值归一化的对称性测度进行验证，剔除虚假车辆，提高检测准确度。

技术领域

本发明涉及一种基于车底阴影的车辆检测方法。

背景技术

前方运动车辆检测是智能交通系统领域中一个重要研究方向。利用基于视觉获知前方车辆信息是智能车辆安全驾驶及交通系统研究领域的热点，利于减少伤亡、节约时间、降低污染。

基于视觉的车辆检测方法可归纳为以下四类：基于光流场方法[1较好处理背景运动情况，对噪声、光线变化较敏感，实时性差；基于模型方法对模型的依赖性强；基于立体视觉方法定位较准确，但特征点匹配难度大、计算量大、成本高，对车辆自身运动较敏感；基于特征的方法是利用车辆一些显著特征如车底阴影、边缘、对称性等提取车辆区域，单一特征容易受光照及周边环境影响而被弱化，结合多个特征是基于特征方法的发展趋势。

光强及周边环境会对车辆特征产生较大干扰，但车辆下方的阴影区域在整个图像中较暗，是一种较为鲁棒的特征。依据国内外文献，结合阴影特征和Haar小波来检测车辆，不能有效排除非车辆的阴影，且实时性差；利用车底阴影确定边缘线，但由天桥对路面的投影不能很好排除，并且依赖车道线检测，单帧检测耗时1～1.5s，车内安装多个传感器，成本高；用阴影和边缘特征检测车辆，若图像太亮或太暗，阴影区域检测不到；以阴影和边缘作为检测的主要特征，但路边建筑或树在路面投射大片阴影时，很难检测。

发明内容

本发明要解决的技术问题是提供一种基于车底阴影的车辆检测方法。

基于车底阴影的车辆检测方法，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。

进一步的，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；