CN104680171B - 图像中斑马线的检测装置、方法 - Google Patents
图像中斑马线的检测装置、方法 Download PDFInfo
- Publication number
- CN104680171B CN104680171B CN201310616044.2A CN201310616044A CN104680171B CN 104680171 B CN104680171 B CN 104680171B CN 201310616044 A CN201310616044 A CN 201310616044A CN 104680171 B CN104680171 B CN 104680171B
- Authority
- CN
- China
- Prior art keywords
- value
- unit
- image
- described image
- visual signature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种图像中斑马线的检测装置、方法,其中,该装置包括:第一计算单元,所述第一计算单元用于根据检测到的所述图像的边缘特征计算所述图像的视觉特征,其中,所述视觉特征包括:色度特征、间距特征和亮度差特征;第一处理单元,所述第一处理单元用于根据对所述第一计算单元计算的所述视觉特征的统计结果判断所述图像中是否存在斑马线。通过同时计算图像中的视觉特征包括:色度特征、间距特征、亮度差特征,并根据视觉特征的统计结果判断图像中是否存在斑马线,提高实时检测斑马线的速度和有效性,能够准确的避免斑马线的错误检测。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种图像中斑马线的检测装置、方法。
背景技术
车辆辅助系统近年来得到快速的发展,由于车辆辅助系统能够在车辆发生危险前,将危险环境识别出,因此它已经成为提高交通安全性的有效工具。在车辆辅助系统中存在许多传感器,可以用于为预防活动提供检测信息。目前,通过利用照相机和多种图像处理算法,能够便于车辆辅助系统识别出更多的交通场景特性,以强化其智能分析能力。
应该注意,上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
本发明实施例提供了一种斑马线检测装置和方法,通过根据检测到的图像的边缘特征计算图像的视觉特征;根据对视觉特征的统计结果判断图像中是否存在斑马线。能够实现在车辆与斑马线距离较远时对斑马线的识别,即实现对前方斑马线的提前预报,由此提高交通的安全性以及实时检测斑马线的准确性。
根据本发明实施例的一个方面,提供一种图像中斑马线的检测装置,其中,该装置包括:
第一计算单元,该第一计算单元用于根据检测到的该图像的边缘特征计算该图像的视觉特征,其中,该视觉特征包括:色度特征、间距特征和亮度差特征;
第一处理单元,该第一处理单元用于根据对该第一计算单元计算的该视觉特征的统计结果判断该图像中是否存在斑马线。
根据本发明实施例的另一个方面,提供了一种图像中斑马线的检测方法,其中,该方法包括:
根据检测到的该图像的边缘特征计算该图像的视觉特征,该视觉特征包括:色度特征、间距特征和亮度差特征;
根据对该视觉特征的统计结果判断该图像中是否存在斑马线。
本发明的有益效果在于:通过本发明实施例的方法和装置,能够实现在车辆与斑马线远距离时对斑马线的有效识别,提高实时检测斑马线的速度和有效性,能够准确的避免斑马线的错误检测。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解,其构成了说明书的一部分,用于例示本发明的实施方式,并与文字描述一起来阐释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本发明实施例1的图像中斑马线的检测方法的一流程图;
图2是本发明实施例1步骤101的一种实施方式流程图;
图3是本发明实施例2的图像中斑马线的检测方法流程图;
图4是本发明实施例2步骤303中获取的感兴趣区域示意图;
图5是本发明实施例2步骤306中边缘特征图像中的边缘特征点示意图;
图6是本发明实施例2步骤307中采样点示意图;
图7是本发明实施例3的图像中斑马线的检测装置构成一示意图;
图8是本发明实施例3中第一计算单元701的构成一示意图;
图9是本发明实施例3中第一处理单元702的构成一示意图;
图10是本发明实施例3的图像中斑马线的检测装置构成一示意图。
具体实施方式
参照附图,通过下面的说明书,本发明的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本发明的特定实施方式,其表明了其中可以采用本发明的原则的部分实施方式,应了解的是,本发明不限于所描述的实施方式,相反,本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。
实施例1
本发明实施例1提供了一种图像中斑马线的检测方法,图1是本发明实施例1的图像中斑马线的检测方法流程图。请参照图1,该方法包括:
步骤101,根据检测到的该图像的边缘特征计算该图像的视觉特征,该视觉特征包括:色度特征、间距特征和亮度差特征;
步骤102,根据对该视觉特征的统计结果判断该图像中是否存在斑马线。
在本实施例中,在进行斑马线的检测时,可以先获取一个图像,例如可以通过车载摄像仪获得前方马路的一个图像。然后对该图像进行图像处理来检测是否存在斑马线。
在本实施例中,可以检测该图像的边缘特征,然后根据检测到的边缘特征计算视觉特征,该视觉特征包括:色度特征、间距特征和亮度差特征。由此,相比于现有技术,可以更加精确地对斑马线进行检测。
在本实施例中,为了提高检测效率,该方法还可以包括
步骤100,对图像进行预处理。其中,步骤100为可选步骤。
其中,可以将待检测图像先归一化成标准尺寸,对归一化后的图像进行去噪处理(例如可使用高斯核平滑滤波器),并将去噪后的图像转换为灰度图像;或者可以选择图像的中感兴趣区域(REGION OF INTEREST,ROI)作为待检测的图像。以上预处理的任意一种均可以采用现有技术实现,此处不再赘述。
图2是本发明实施例1的获取视觉特征的一流程图,示出了步骤101的一种实施方式,其中以一行为例进行说明。如图2所示,该方法包括:
步骤201,选择该图像中的一行数据;
步骤202,检测所选行数据的多个边缘特征点;
步骤203,将该多个边缘特征点中相邻的两个边缘特征点的中心作为所选行的一个采样点,以获得一个或多个采样点;
步骤204,根据该多个边缘特征点和该一个或者多个采样点,计算该图像所选行的视觉特征。
在本实施方式的步骤201中,可以选择图像中的任意一行数据,本实施例并不以此作为限制;在步骤202中,该图像所选行数据的边缘特征可以通过Canny算子边缘检测器、Sobel算子边缘检测器或Roberts算子边缘检测器进行检测。以上只是示例性说明,本实施例并不限制于此。需要说明的是,步骤201和步骤202的执行顺序可以不分先后;例如,也可以是先提取图像的边缘特征,再选择图像中的一行数据。
在本实施方式的步骤203中,可以将多个边缘特征点中任意相邻的两个边缘特征点的中心作为所选行的一个采样点,由此可以获得一个或多个采样点。以下仅以采样点为相邻两个边缘特征点的中心为例进行说明,需要注意的是,获取采样点的方式并不限制于此,例如还可以是固定间隔边缘特征点的中心或预先设定的位置等。
在本实施方式的步骤204中,该视觉特征包括:色度特征、间距特征和亮度差特征。其中,色度特征可以是待检测图像所选行采样点的灰度值特征,间距特征可以是待检测图像所选行中相邻边缘特征点之间的间距特征,亮度差特征可以是待检测图像中相邻采样点之间的灰度值之差的特征。但本实施例并不限制于此,例如色度特征也可以是待检测图像中所选行采样点的RGB值特征,间距特征可以是待检测图像所选行中相邻采样点之间的间距特征等。
以上对如何获取视觉特征进行了示意性说明,以下说明如何根据视觉特征检测斑马线。
在本实施例的步骤102中,根据对该视觉特征的统计结果判断该图像中是否存在斑马线,包括分别对色度特征、间距特征、亮度差特征进行统计。
在步骤102的一个实施方式中,可以对所选行的该视觉特性进行统计,将符合所述色度特征为黑白连续间隔,所述间距特征为等间距,所述亮度差特征为明暗连续间隔的采样点判定为斑马线特征点,并统计最大连续的所述斑马线特征点的数目作为第一统计值;在该第一统计值大于第三阈值时,判定该图像中存在斑马线。
其中,判断该色度特征为黑白连续间隔的方式可以是:在相邻的三个该采样点的灰度值中,在中间采样点的灰度值同时小于或同时大于其前后相邻的采样点的灰度值时,该色度特征为黑白连续间隔。
例如,相邻三个采样点的灰度值分别是10、250、15或240、15、245,则判断该色度特征为黑白连续间隔;或者也可以直接计算采样点的RGB值,如果相邻三个采样点的RGB值分为是(255,255,255),(0,0,0),(255,255,255)或为(0,0,0),(255,255,255),(0,0,0)时,则判断该色度特征为黑白连续间隔。这里仅以RGB值为纯白或者纯黑为例进行说明,在实际处理时,可以根据需要分别设定RGB值分别为黑、白的阈值,此处不再赘述。
其中,判断该间距特征为等间距的方式可以是,在相邻的所述采样点的间距比值不超过第二阈值时,该间距特征为等间距,这里可以预先设定在计算相邻采样点的间距比值时,使用相邻采样点间距中较大的间距值比较小的间距值。
例如,这里可以根据图像中采样点的坐标值计算相邻采样点的间距,例如相邻的三个采样点坐标分别是(10,10)、(25,10)、(39,10),则相邻采样点的间距分别是15和14,其间距的比值为15/14,如果第二阈值为1.5,则判断该间距特征为等间距;或者可以预先设定在计算相邻采样点的间距比值时,使用相邻采样点间距中较小的间距值比较大的间距值,在该比值大于预设的阈值时,判定该间距特征为等间距;或者也可以通过计算相邻采样点的间距之差的绝对值不超过第二阈值时,该间距特征为等间距,例如上述计算的相邻采样点间距分别为15和14,其间距差的绝对值为1,如果第二阈值预设为2,则可判断该间距特征为等间距;需要注意的是,本发明不限于此,这里也可以通过计算相邻边缘特征点间距的比值或差值来判断该间距特征为等间距,其判断方式与采样点类似,此处不再重复。
其中,判断该亮度差特征为明暗连续间隔的方式可以是,在相邻的两个该采样点的灰度值之差的绝对值大于第一阈值时,该亮度差特征为明暗连续间隔。例如,相邻两个采样点的灰度值分别是10、250,其灰度值之差的绝对值为240,如果第一阈值为200,则判断该亮度差特征为明暗连续间隔。在实际处理时,第一阈值可以根据需要任意设定,本实施例并不以此作为限制,由于要判断该亮度差特征是否为明暗连续间隔,例如可以将第一阈值设为比较大的数值。
以上只是示例性的说明该色度特征为黑白连续间隔,该间距特征为等间距,该亮度差特征为明暗连续间隔的判断方法,本实施例并不以此作为限制。例如,色度特征可以为黑灰连续间隔,间距特征为大致等间距,亮度差特征为大致明暗连续间隔等等,可以根据实际情况进行适当的调整以确定具体的实施方式。
在本实施方式中,在判断该色度特征是否为黑白连续间隔,该间距特征是否为等间距,该亮度差特征是否为明暗连续间隔后,将符合上述三种情况的采样点判定为斑马线特征点,并统计最大连续的所述斑马线特征点的数目,作为第一统计值;在该第一统计值大于第三阈值时,判定该图像中存在斑马线。
例如,所选行的采样点共为20个,其中符合上述三种情况的采样点数目为15个,即斑马线特征点为15个,但其中最大连续的斑马线特征点的数目为11个,即在连续相邻的11个采样点(斑马线特征点)中,其视觉特征均符合色度特征为黑白连续间隔,间距特征为等间距,亮度差特征为明暗连续间隔。如果第三阈值为10,则可以判定该图像中存在斑马线。其中,第三阈值可以根据实际需要任意设定,例如第三阈值可以是边缘特征点的数目的80%等,本实施例并不以此作为限制。
以上仅以图像的一行为例进行了说明。在本实施例的另一种实施方式中,为了进一步提高斑马线检测的准确性,在步骤101中可以选择图像中的多行数据,或所有行数据,并分别计算所选多行数据或所有行数据的视觉特征,其中所选多行数据可以是图像中的任意多行数据,也可以是按照预定规则选择多行数据;其中计算视觉特征的方法可参考上述实施方式,此处不再重复。
在步骤102中,根据多个所选行分别统计的所述第一统计值计算第二统计值;在所述第二统计值大于第四阈值时,判定所述图像中存在斑马线;其中,所述第二统计值是多个所选行分别统计的第一统计值的最大值或平均值。
例如,预先选择5行数据分别计算其第一统计值为11、10、12、11、11,则第二统计值可以为12(最大值)或11(平均值)。如果第四阈值为10,则可以判定所述图像中存在斑马线。
其中第二统计值的计算方式并不仅限于多个第一统计值的最大值或平均值,另外所选择的行数和第四阈值可以根据实际需要任意设定,第四阈值可以与第三阈值设置为相同的值,也可以为不同的值,本实施例并不以此作为限制。
由本发明实施例的上述方法可知,通过同时计算图像中的视觉特征包括:色度特征、间距特征、亮度差特征,并根据视觉特征的统计结果判断图像中是否存在斑马线,可以提高实时检测斑马线的效率和有效性,能够准确的避免斑马线的错误检测。
实施例2
本发明实施例2还提供一种图像中斑马线的检测方法,在实施例1的基础上进一步说明该检测方法。该方法可以应用于车辆辅助系统中,但本发明不限于此。
图3是本发明实施例2的图像中斑马线的检测方法流程图,该实施例只是示意的,例如,在图3中,有些步骤可以省略,有些步骤可以被其他实施方式替换,如前所述,在此不再赘述。请参照图3,该方法包括:
步骤301,对图像进行预处理;
其中,步骤301中图像可以通过设置于车辆前车窗的照相机实时捕捉前方道路图像获取,也可以通过提取道路实时录像中的图像帧获取;对图像进行预处理主要包括将待检测图像先归一化成标准尺寸,对归一化后的图像进行去噪处理(可使用高斯核平滑滤波器),并将去噪后的图像转换为灰度图像。
步骤302,获取灰度图像中的边缘特征;
步骤303,获取图像的感兴趣区域;
图4是本实施例步骤303中获取的感兴趣区域示意图,如图4所示,在整幅图像401中,可以获取以坐标(X0,Y0)为起始坐标,宽为W,高为H的感兴趣区域402。通过获取感兴趣区域,可以降低图像中无效信息的干扰,提高图像处理效率。
步骤304,初始化参数;
其中,可以对如下参数进行初始化设置:
设置行数统计值RowCnt=Y0;第一统计值初始值RowMaxVote=1;第二统计值初始值FinalMaxVote=1;其中,第一统计值和第二统计值的定义与实施例1相同,此处不再重复。
步骤305,选择感兴趣区域中的一行数据,设置行号为y=RowCnt;
步骤306,确定所选行数据中的边缘特征点Xe(n);
图5是本实施例的步骤306中边缘特征图像中的边缘特征点的一示意图。例如可以确定如下的边缘特征点:Xe1,Xe2,Xe3,Xe4…Xe9…,其中可以将边缘特征点分配为高特征值如255,将非边缘特征点分配为低特征值如0。另外如果所选行中的边缘特征为边缘线段,可以选取线段的起点作为边缘特征点;例如Xe9。但本发明不限于此。
步骤307,根据边缘特征点确定采样点;
图6是本实施例的步骤307中采样点的一示意图。其中,可以将该多个边缘特征点中相邻的两个边缘特征点的中心作为所选行的一个采样点,以获得一个或多个采样点,即
Xs(n)=(Xe(n)+Xe(n+1))/2 (1)
如图6所示,可以获得如下的采样点:Xs1,Xs2,Xs3,Xs4…Xs8…。
步骤308,根据该多个边缘特征点和该一个或者多个采样点,计算该图像所选行的视觉特征;
在本实施例中,可以采用如下方式计算所选行的视觉特征:
亮度差特征DG(n)=ABS[G(n)–G(n-1)]; (2)
色度特征BW(n)=(G(n)>G(n-1))?1:-1; (3)
间距特征RL(n)=L(n)/L(n-1)=(Xs(n+1)–Xs(n))/(Xs(n)–Xs(n-1)); (4)
其中,G(n)表示采样点Xs(n)的灰度值,ABS[x]表示对变量x取绝对值,L(n)表示相邻两个采样点之间的间距,以上只是示例性的说明视觉特征的计算方法,本实施例并不以此作为限制。
步骤309,对所选行的所述视觉特性进行统计,将符合所述色度特征为黑白连续间隔,所述间距特征为等间距,所述亮度差特征为明暗连续间隔的采样点判定为斑马线特征点,并统计最大连续的所述斑马线特征点的数目,作为第一统计值;
在本实施例中,下面是步骤309计算第一统计值的代码示例,
其中,TempVoteCnt作为表示第一统计值的临时变量,ZFPDecision[DG(n),BW(n),RL(n)]表示确定视觉特征中的色度特征是否为黑白连续间隔,所述间距特征是否为等间距,所述亮度差特征是否为明暗连续间隔的判断函数,其函数的实施方式与实施例1中步骤102类似,此处不再重复。
步骤310,在计算出第一统计值后,判断是否对图像中所选行的多行数据均处理完毕,如果判断结果为否则执行步骤305,否则执行步骤311;
在本实施例中,判断在RowCnt>ROW_NUM_END时,执行步骤310,ROW_NUM_END表示感兴趣区域的最后一行行号即ROW_NUM_END==Y0+H–1,否则设置循环条件即RowCnt=RowCnt+STEP;STEP为预先设置的所选行间隔行数常量,在更新RowCnt值后执行步骤305;
步骤311,根据多个所选行分别统计的所述第一统计值计算第二统计值;在所述第二统计值大于第四阈值时,判定所述图像中存在斑马线。
在本实施例中,第二统计值是多个所选行分别统计的第一统计值的最大值,下面是步骤311计算第二统计值的代码示例,
其中,计算第二统计值的方式并不限于以上所述,还可以参考实施例1中的计算方式,其内容并合并于此,此处不再赘述。
下面是步骤311中判断斑马线是否存在的代码示例:
其中ZFP_NUM_TH为第四阈值,其设定方式与实施例1类似,此处不再重复。
由本发明实施例的上述方法可知,通过同时计算图像中的视觉特征包括:色度特征、间距特征、亮度差特征,并根据视觉特征的统计结果判断图像中是否存在斑马线,提高实时检测斑马线的速度和有效性,能够准确的避免斑马线的错误检测。
实施例3
本发明实施例3还提供一种图像中斑马线的检测装置,由于该装置解决问题的原理与实施例1及实施例2的方法类似,因此其具体的实施可以参照实施例1或实施例2的实施,内容相同之处不再赘述。
图7是本发明实施例3的图像中斑马线的检测装置构成一示意图。请参照图7,该装置包括:第一计算单元701、第一处理单元702,其中,
第一计算单元701,其用于根据检测到的该图像的边缘特征计算该图像的视觉特征,其中,该视觉特征包括:色度特征、间距特征和亮度差特征;
第一处理单元702,其用于根据对该第一计算单元701计算的该视觉特征的统计结果判断该图像中是否存在斑马线。
在本实施例中,为了提高检测效率,该装置还可以包括:第二处理单元700,其用于对图像进行预处理。
图8是本发明实施例中第一计算单元701的构成一示意图,其中该第一计算单元701包括:
第一选择单元801,其用于选择该图像中的一行数据;
第一检测单元802,其用于检测所选行数据的多个边缘特征点;
第一获取单元803,其用于将该第一检测单元802检测到的该多个边缘特征点中相邻的两个边缘特征点的中心作为所选行的一个采样点,以获得一个或多个采样点;
第二计算单元804,其用于根据该第一检测单元802检测的该多个边缘特征点和该第一获取单元803获取的该一个或者多个采样点,计算该图像视觉特征。
图9是本发明实施例中第一处理单元702的构成一示意图,其中该第一处理单元702包括:
第一统计单元901,其用于对所选行的该视觉特性进行统计,将符合该色度特征为黑白连续间隔,该间距特征为等间距,该亮度差特征为明暗连续间隔的采样点判定为斑马线特征点,并统计最大连续的所述斑马线特征点的数目,作为第一统计值;
第一确定单元902,其用于该第一统计单元901统计的该第一统计值大于第三阈值时,判定该图像中存在斑马线。
在本实施例中,该第一统计单元901还可以包括:
第一判定单元9011,其用于在第一获取单元803获取的相邻的两个该采样点的灰度值之差的绝对值大于第一阈值时,判定该亮度差特征为明暗连续间隔;
第二判定单元9012,其用于在第一获取单元803获取的相邻的三个该采样点的灰度值中,中间采样点的灰度值同时小于或同时大于其前后相邻的采样点的灰度值时,判定该色度特征为黑白连续间隔;
第三判定单元9013,其用于在第一检测单元802检测到的相邻采样点的间距比值不超过第二阈值时,判定该间距特征为等间距。
其中,第一统计单元901、第一确定单元、第一判定单元9011、第二判定单元9012、第三判定单元9013的具体实施方式与实施例1类似,其内容被合并于此,此处不再重复。
在本实施例的另一种实施方式中,为了进一步提高斑马线检测的准确性,该第一选择单元801还可以用于选择该图像的所有行数据,或者部分行数据;
第一统计单元902还可以用于分别统计该第一选择单元801选择的行数据的多个第一统计值;
该第一处理单元702还可以包括:
第二统计单元903,其用于根据第一统计单元901分别统计的多个第一统计值计算第二统计值;其中,该第二统计值是该多个第一统计值的最大值或平均值;
第二确定单元904,其用于在该第二统计单元903计算的该第二统计值大于第四阈值时,判定该图像中存在斑马线。
本发明实施例还提供一种图像中斑马线的检测装置。
图10是本发明实施例的图像中斑马线的检测装置一构成示意图。如图10所示,该检测装置1000可以包括:中央处理器(CPU)200和存储器210;存储器210耦合到中央处理器200。其中该存储器210可存储各种数据,如图像的视觉特征和统计结果等;此外还存储图像中斑马线检测的程序,并且在中央处理器200的控制下执行该程序,以判断图像中是否存在斑马线。
在一个实施方式中,上述图像中斑马线的检测装置的功能可以被集成到中央处理器200中。其中,中央处理器200可以被配置为:根据检测到的所述图像的边缘特征计算所述图像的视觉特征,所述视觉特征包括:色度特征、间距特征和亮度差特征;并根据对所述视觉特征的统计结果判断所述图像中是否存在斑马线。
其中,根据检测到的所述图像的边缘特征计算所述图像的视觉特征包括:选择所述图像中的一行数据;检测所选行数据的多个边缘特征点;将所述多个边缘特征点中相邻的两个边缘特征点的中心作为所选行的一个采样点,以获得一个或多个采样点;根据所述多个边缘特征点和所述一个或者多个采样点,计算所述图像所选行的视觉特征。
其中,根据对所述视觉特征的统计结果判断所述图像中是否存在斑马线包括:对所选行的所述视觉特性进行统计,将符合所述色度特征为黑白连续间隔,所述间距特征为等间距,所述亮度差特征为明暗连续间隔的采样点判定为斑马线特征点,并统计最大连续的所述斑马线特征点的数目作为第一统计值;在所述第一统计值大于第三阈值时,判定所述图像中存在斑马线。
其中,中央处理器200还可以被配置为:
在相邻的两个所述采样点的灰度值之差的绝对值大于第一阈值时,所述亮度差特征为明暗连续间隔;在相邻的三个所述采样点的灰度值中,在中间采样点的灰度值同时小于或同时大于其前后相邻的采样点的灰度值时,所述色度特征为黑白连续间隔;在相邻的所述采样点的间距比值不超过第二阈值时,所述间距特征为等间距。
或者对所述图像的所有行的视觉特性进行统计,或者选择部分行的视觉特性进行统计;根据多个所选行分别统计的所述第一统计值计算第二统计值;在所述第二统计值大于第四阈值时,判定所述图像中存在斑马线;其中,所述第二统计值是多个所选行分别统计的第一统计值的最大值或平均值。
在另一个实施方式中,图像中斑马线检测装置可以与中央处理器分开配置,例如可以将图像中斑马线检测装置配置为与中央处理器200连接的芯片,通过中央处理器的控制来实现图像中斑马线检测装置的功能。
此外,如图10所示,图像中斑马线检测装置还可以包括:收发器220和传感器230等;其中,上述部件的功能与现有技术类似,此处不再赘述。值得注意的是,图像中斑马线检测装置1000也并不是必须要包括图10中所示的所有部件;此外,图像中斑马线检测装置1000还可以包括图10中没有示出的部件,可以参考现有技术。
由本发明实施例的上述装置可知,通过同时计算图像中的视觉特征包括:色度特征、间距特征、亮度差特征,并根据视觉特征的统计结果判断图像中是否存在斑马线,提高实时检测斑马线的速度和有效性,能够准确的避免斑马线的错误检测。
本发明实施例还提供一种计算机可读程序,其中当在图像中斑马线检测装置中执行所述程序时,所述程序使得计算机在所述图像中斑马线检测装置中执行实施例1或实施例2所述的图像中斑马线检测方法。
本发明实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在图像中斑马线检测装置中执行实施例1或实施例2所述的图像中斑马线检测方法。
本发明以上的装置和方法可以由硬件实现,也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序,当该程序被逻辑部件所执行时,能够使该逻辑部件实现上文所述的装置或构成部件,或使该逻辑部件实现上文所述的各种方法或步骤。本发明还涉及用于存储以上程序的存储介质,如硬盘、磁盘、光盘、DVD、flash存储器等。
以上结合具体的实施方式对本发明进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改,这些变型和修改也在本发明的范围内。
关于包括以上实施例的实施方式,还公开下述的附记:
附记1、一种图像中斑马线的检测装置,其中,所述装置包括:
第一计算单元,所述第一计算单元用于根据检测到的所述图像的边缘特征计算所述图像的视觉特征,其中,所述视觉特征包括:色度特征、间距特征和亮度差特征;
第一处理单元,所述第一处理单元用于根据对所述第一计算单元计算的所述视觉特征的统计结果判断所述图像中是否存在斑马线。
附记2、根据附记1所述的装置,其中,所述第一计算单元还包括:
第一选择单元,所述第一选择单元用于选择所述图像中的一行数据;
第一检测单元,所述第一检测单元用于检测所选行数据的多个边缘特征点;
第一获取单元,所述第一获取单元用于将所述第一检测单元检测到的所述多个边缘特征点中相邻的两个边缘特征点的中心作为所选行的一个采样点,以获得一个或多个采样点;
第二计算单元,所述第二计算单元用于根据所述第一检测单元检测的所述多个边缘特征点和所述第一获取单元获取的所述一个或者多个采样点,计算所述图像视觉特征。
附记3、根据附记2所述的装置,其中,所述第一处理单元包括:
第一统计单元,所述第一统计单元用于对所选行的所述视觉特性进行统计,将符合所述色度特征为黑白连续间隔,所述间距特征为等间距,所述亮度差特征为明暗连续间隔的采样点判定为斑马线特征点,并统计最大连续的所述斑马线特征点的数目,作为第一统计值;
第一确定单元,所述第一确定单元用于所述第一统计单元统计的所述第一统计值大于第三阈值时,判定所述图像中存在斑马线。
附记4、根据附记3所述的装置,其中,所述第一统计单元还包括:
第一判定单元,所述第一判定单元用于在所述第一获取单元获取的相邻的两个所述采样点的灰度值之差的绝对值大于第一阈值时,判定所述亮度差特征为明暗连续间隔;
第二判定单元,所述第二判定单元用于在所述第一获取单元获取的相邻的三个所述采样点的灰度值中,中间采样点的灰度值同时小于或同时大于其前后相邻的采样点的灰度值时,判定所述色度特征为黑白连续间隔;
第三判定单元,所述第三判定单元用于在所述第一检测单元检测到的相邻的所述采样点的间距比值不超过第二阈值时,判定所述间距特征为等间距。
附记5、根据附记4所述的装置,其中,所述装置还包括:
所述第一选择单元还用于选择所述图像的所有行数据,或者部分行数据;
所述第一统计单元还用于分别统计所述第一选择单元选择的行数据的多个第一统计值;
其中,所述第一处理单元还包括:
第二统计单元,所述第二统计单元用于根据所述多个所选行分别统计的所述第一统计值计算第二统计值;其中,所述第二统计值是所述多个第一统计值的最大值或平均值;
第二确定单元,所述第二确定单元用于在所述第二统计单元计算的所述第二统计值大于第四阈值时,判定所述图像中存在斑马线。
附记6、根据附记1所述的装置,其中,所述装置还包括:
第二处理单元,所述第二处理单元用于对图像进行预处理。
附记7、一种图像中斑马线的检测方法,其中,所述方法包括:
根据检测到的所述图像的边缘特征计算所述图像的视觉特征,所述视觉特征包括:色度特征、间距特征和亮度差特征;
根据对所述视觉特征的统计结果判断所述图像中是否存在斑马线。
附记8、根据附记7所述的方法,其中,根据检测到的所述图像的边缘特征计算所述图像的视觉特征包括:
选择所述图像中的一行数据;
检测所选行数据的多个边缘特征点;
将所述多个边缘特征点中相邻的两个边缘特征点的中心作为所选行的一个采样点,以获得一个或多个采样点;
根据所述多个边缘特征点和所述一个或者多个采样点,计算所述图像所选行的视觉特征。
附件9、根据附记8所述的方法,其中计算所述图像所选行的视觉特征包括:
所述亮度差特征DG(n)=ABS[G(n)–G(n-1)];
所述色度特征BW(n)=(G(n)>G(n-1))?1:-1;
所述间距特征RL(n)=L(n)/L(n-1)=(Xs(n+1)–Xs(n))/(Xs(n)–Xs(n-1));
其中,G(n)表示采样点的灰度值,L(n)表示相邻采样点Xe(n)和Xe(n+1)的距离。
附记10、根据附记8所述的方法,其中,根据对所述视觉特征的统计结果判断所述图像中是否存在斑马线包括:
对所选行的所述视觉特性进行统计,将符合所述色度特征为黑白连续间隔,所述间距特征为等间距,所述亮度差特征为明暗连续间隔的采样点判定为斑马线特征点,并统计最大连续的所述斑马线特征点的数目作为第一统计值;
在所述第一统计值大于第三阈值时,判定所述图像中存在斑马线。
附记11、根据附记10所述的方法,其中,所述方法还包括:
在相邻的两个所述采样点的灰度值之差的绝对值大于第一阈值时,所述亮度差特征为明暗连续间隔;
在相邻的三个所述采样点的灰度值中,在中间采样点的灰度值同时小于或同时大于其前后相邻的采样点的灰度值时,所述色度特征为黑白连续间隔;
在相邻的所述采样点的间距比值不超过第二阈值时,所述间距特征为等间距。
附记12、根据附记11所述的方法,其中,所述方法还包括:
对所述图像的所有行的视觉特性进行统计,或者选择部分行的视觉特性进行统计;
根据多个所选行分别统计的所述第一统计值计算第二统计值;
在所述第二统计值大于第四阈值时,判定所述图像中存在斑马线;
其中,所述第二统计值是多个所选行分别统计的第一统计值的最大值或平均值。
附记13、根据附记7所述的方法,其中,在检测图像的边缘特征数据之前,所述方法还包括对待检测图像进行预处理。
Claims (8)
1.一种图像中斑马线的检测装置,其中,所述装置包括:
第一计算单元,所述第一计算单元用于根据检测到的所述图像的边缘特征计算所述图像的视觉特征,其中,所述视觉特征包括:色度特征、间距特征和亮度差特征;
第一处理单元,所述第一处理单元用于对所述图像的视觉特征进行统计,根据对所述第一计算单元计算的视觉特征的统计结果判断所述图像中是否存在斑马线;
其中,所述第一计算单元还包括:
第一选择单元,所述第一选择单元用于选择所述图像中的一行数据;
第一检测单元,所述第一检测单元用于检测所选行数据的多个边缘特征点;
第一获取单元,所述第一获取单元用于将所述第一检测单元检测到的所述多个边缘特征点中相邻的两个边缘特征点的中心作为所选行的一个采样点,以获得一个或多个采样点;
第二计算单元,所述第二计算单元用于根据所述第一检测单元检测的所述多个边缘特征点和所述第一获取单元获取的所述一个或者多个采样点,计算所述图像视觉特征。
2.根据权利要求1所述的装置,其中,所述第一处理单元包括:
第一统计单元,所述第一统计单元用于对所选行的所述视觉特征进行统计,将符合所述色度特征为黑白连续间隔,所述间距特征为等间距,所述亮度差特征为明暗连续间隔的采样点判定为斑马线特征点,并统计最大连续的所述斑马线特征点的数目,作为第一统计值;
第一确定单元,所述第一确定单元用于所述第一统计单元统计的所述第一统计值大于第三阈值时,判定所述图像中存在斑马线。
3.根据权利要求2所述的装置,其中,所述第一统计单元还包括:
第一判定单元,所述第一判定单元用于在所述第一获取单元获取的相邻的两个所述采样点的灰度值之差的绝对值大于第一阈值时,判定所述亮度差特征为明暗连续间隔;
第二判定单元,所述第二判定单元用于在所述第一获取单元获取的相邻的三个所述采样点的灰度值中,中间采样点的灰度值同时小于或同时大于其前后相邻的采样点的灰度值时,判定所述色度特征为黑白连续间隔;
第三判定单元,所述第三判定单元用于在所述第一检测单元检测到的相邻的所述采样点的间距比值不超过第二阈值时,判定所述间距特征为等间距。
4.根据权利要求3所述的装置,其中,所述装置还包括:
所述第一选择单元还用于选择所述图像的所有行数据,或者部分行数据;
所述第一统计单元还用于分别统计所述第一选择单元选择的行数据的多个第一统计值;
其中,所述第一处理单元还包括:
第二统计单元,所述第二统计单元用于根据所述多个所选行分别统计的所述第一统计值计算第二统计值;其中,所述第二统计值是所述多个第一统计值的最大值或平均值;
第二确定单元,所述第二确定单元用于在所述第二统计单元计算的所述第二统计值大于第四阈值时,判定所述图像中存在斑马线。
5.一种图像中斑马线的检测方法,其中,所述方法包括:
根据检测到的所述图像的边缘特征计算所述图像的视觉特征,所述视觉特征包括:色度特征、间距特征和亮度差特征;
对所述图像的视觉特征进行统计,根据对视觉特征的统计结果判断所述图像中是否存在斑马线;
其中,根据检测到的所述图像的边缘特征计算所述图像的视觉特征包括:
选择所述图像中的一行数据;
检测所选行数据的多个边缘特征点;
将所述多个边缘特征点中相邻的两个边缘特征点的中心作为所选行的一个采样点,以获得一个或多个采样点;
根据所述多个边缘特征点和所述一个或者多个采样点,计算所述图像所选行的视觉特征。
6.根据权利要求5所述的方法,其中,根据对所述视觉特征的统计结果判断所述图像中是否存在斑马线包括:
对所选行的所述视觉特征进行统计,将符合所述色度特征为黑白连续间隔,所述间距特征为等间距,所述亮度差特征为明暗连续间隔的采样点判定为斑马线特征点,并统计最大连续的所述斑马线特征点的数目作为第一统计值;
在所述第一统计值大于第三阈值时,判定所述图像中存在斑马线。
7.根据权利要求6所述的方法,其中,所述方法还包括:
在相邻的两个所述采样点的灰度值之差的绝对值大于第一阈值时,所述亮度差特征为明暗连续间隔;
在相邻的三个所述采样点的灰度值中,在中间采样点的灰度值同时小于或同时大于其前后相邻的采样点的灰度值时,所述色度特征为黑白连续间隔;
在相邻的所述采样点的间距比值不超过第二阈值时,所述间距特征为等间距。
8.根据权利要求7所述的方法,其中,所述方法还包括:
对所述图像的所有行的视觉特征进行统计,或者选择部分行的视觉特征进行统计;
根据多个所选行分别统计的所述第一统计值计算第二统计值;
在所述第二统计值大于第四阈值时,判定所述图像中存在斑马线;
其中,所述第二统计值是多个所选行分别统计的第一统计值的最大值或平均值。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310616044.2A CN104680171B (zh) | 2013-11-27 | 2013-11-27 | 图像中斑马线的检测装置、方法 |
JP2014230330A JP6432296B2 (ja) | 2013-11-27 | 2014-11-13 | 画像中のゼブラクロッシングの検出装置及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310616044.2A CN104680171B (zh) | 2013-11-27 | 2013-11-27 | 图像中斑马线的检测装置、方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104680171A CN104680171A (zh) | 2015-06-03 |
CN104680171B true CN104680171B (zh) | 2018-10-02 |
Family
ID=53315188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310616044.2A Active CN104680171B (zh) | 2013-11-27 | 2013-11-27 | 图像中斑马线的检测装置、方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6432296B2 (zh) |
CN (1) | CN104680171B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6536698B2 (ja) * | 2016-01-29 | 2019-07-03 | 日産自動車株式会社 | 車両の走行制御方法および車両の走行制御装置 |
CN107049717B (zh) * | 2016-11-23 | 2019-03-01 | 杭州视氪科技有限公司 | 一种基于rgb-d相机和立体声的视障人士斑马线检测系统及方法 |
CN106951837B (zh) * | 2017-03-06 | 2020-07-14 | 北京航空航天大学 | 一种面向飞行校验的斑马线检测定位方法 |
CN107944407A (zh) * | 2017-11-30 | 2018-04-20 | 中山大学 | 一种基于无人机的路口斑马线识别方法 |
CN110533686B (zh) * | 2019-10-08 | 2022-03-04 | 凌云光技术股份有限公司 | 线阵相机行频与物体运动速度是否匹配的判断方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101621650A (zh) * | 2008-07-03 | 2010-01-06 | 索尼株式会社 | 图像数据处理设备和图像数据处理方法 |
CN101877064A (zh) * | 2009-04-30 | 2010-11-03 | 索尼株式会社 | 图像分类方法及图像分类装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4032727B2 (ja) * | 2001-12-12 | 2008-01-16 | アイシン精機株式会社 | 車線境界検出装置 |
JP3873918B2 (ja) * | 2003-03-14 | 2007-01-31 | セイコーエプソン株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
JP5324240B2 (ja) * | 2009-01-29 | 2013-10-23 | 株式会社ゼンリン | 路面標示地図生成方法及び路面標示地図生成装置 |
JP5631581B2 (ja) * | 2009-12-01 | 2014-11-26 | 富士重工業株式会社 | 道路認識装置 |
JP2011128990A (ja) * | 2009-12-18 | 2011-06-30 | Canon Inc | 画像処理装置とその方法 |
JP5554579B2 (ja) * | 2010-01-26 | 2014-07-23 | 富士通株式会社 | 車線検出プログラム及び車線検出装置 |
JP5035371B2 (ja) * | 2010-03-15 | 2012-09-26 | アイシン精機株式会社 | 横断歩道検出装置、横断歩道検出システム,横断歩道検出方法及びプログラム |
JP2013186664A (ja) * | 2012-03-07 | 2013-09-19 | Toyota Motor Corp | 横断歩道認識装置および横断歩道認識方法 |
-
2013
- 2013-11-27 CN CN201310616044.2A patent/CN104680171B/zh active Active
-
2014
- 2014-11-13 JP JP2014230330A patent/JP6432296B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101621650A (zh) * | 2008-07-03 | 2010-01-06 | 索尼株式会社 | 图像数据处理设备和图像数据处理方法 |
CN101877064A (zh) * | 2009-04-30 | 2010-11-03 | 索尼株式会社 | 图像分类方法及图像分类装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2015103249A (ja) | 2015-06-04 |
JP6432296B2 (ja) | 2018-12-05 |
CN104680171A (zh) | 2015-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528878B (zh) | 检测车道线的方法、装置、终端设备及可读存储介质 | |
CN107330376B (zh) | 一种车道线识别方法及系统 | |
CN104680171B (zh) | 图像中斑马线的检测装置、方法 | |
US7639878B2 (en) | Shadow detection in images | |
US8902053B2 (en) | Method and system for lane departure warning | |
EP2057601B1 (en) | A method, an apparatus and a computer-readable medium for processing a night vision image dataset | |
CN110287791B (zh) | 一种用于人脸图片的筛选方法和系统 | |
EP2023309B1 (en) | Vehicle discriminating device, vehicle discriminating method, vehicle discriminating program, and program recording medium with the vehicle discriminating program stored therein | |
EP2835763A2 (en) | A hybrid method and system of video and vision based access control for parking stall occupancy determination | |
CN113221861B (zh) | 一种多车道线检测方法、装置及检测设备 | |
CN104272347A (zh) | 去除包含在静止图像中的雾的图像处理装置及其方法 | |
CN112862845A (zh) | 一种基于置信度评估的车道线重构方法及装置 | |
CN106548131A (zh) | 一种基于行人检测的施工人员安全帽实时检测方法 | |
CN102610104B (zh) | 一种车载的前方车辆检测方法 | |
CN113850872A (zh) | 一种基于高位视频的服务区停车压线检测方法 | |
CN117876971B (zh) | 基于机器视觉的建筑施工安全监测及预警方法 | |
CN110458029B (zh) | 一种雾天环境中的车辆检测方法及装置 | |
CN113808135B (zh) | 图像亮度异常检测方法、电子设备及存储介质 | |
Chen et al. | A novel lane departure warning system for improving road safety | |
CN114620030A (zh) | 泊车性能测试方法、装置、服务器及产品 | |
Santos et al. | Car recognition based on back lights and rear view features | |
JP5338762B2 (ja) | ホワイトバランス係数算出装置及びプログラム | |
Pillai et al. | Detecting tail lights for analyzing traffic during night using image processing techniques | |
CN113450335B (zh) | 一种路沿检测方法、路沿检测装置及路面施工车辆 | |
JP5754214B2 (ja) | 画像処理装置および画像処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |