CN104867332A - 基于隔帧差法的前方车道线内行驶车辆的检测方法 - Google Patents

Abstract

本发明公开了一种基于隔帧差法的前方车道线内行驶车辆的检测方法，包括下述步骤：首先读取实时交通图像并取出连续四帧彩色图像，然后对图像进行灰度化处理，之后结合Hough变换和投影法将图像中车辆前方车道线内的部分区域提取出来，然后采用高斯滤波器平滑处理，去除部分噪声，经过前面的处理后再运用本发明提出的隔帧差法，从读取的第一帧图像算起，用第三帧图像与第一帧图像相减，得到第一幅帧间差分图像，之后将第四帧图像与第二帧图像相减，得到第二幅帧间差分图像，然后按照之前设定的阈值将两幅差分图像转换为二值图像，最后将两幅二值图像再相减并取绝对值，得到最终检测结果。

Description

基于隔帧差法的前方车道线内行驶车辆的检测方法

技术领域：

本发明涉及一种高速公路前方行驶车辆的检测方法，具体涉及一种基于隔帧差法的前方车道线内行驶车辆的检测算法。

背景技术：

改革开放以来，随着我国国民经济的高速发展，人民生活水平日益提高，我国机动车辆规模及数量大幅度增加。据公安部统计，截止2013年底全国机动车数量已突破2.5亿辆，机动车驾驶人近2.8亿人。共有31个城市的汽车数量超过100万辆。与此同时，城市交通拥堵问题日益突出，公路上违章违规的车辆屡见不鲜，由此造成的交通安全问题日益增多。

为了能够维持和谐的交通环境，使得车辆能够各行其道，实现秩序井然的状态，现有技术中对于运动目标的检测，传统上使用的帧差法一般是背景帧差法或三帧差法。背景帧差法常用于对固定摄像头拍摄图像的检测，因为只有拍摄位置固定才能获取统一不变的背景，而三帧差法这种方法的缺点是对于运动速度(包括相对于摄像机的相对速度)缓慢的目标，识别效果不好，容易漏检或误检。

发明内容：

本发明的目的在于针对现有技术的不足，提供一种基于隔帧差法的前方车道线内行驶车辆的检测算法。

为达到上述目的，本发明采用如下的技术方案予以实现：

基于隔帧差法的前方车道线内行驶车辆的检测方法，包括下述步骤：

步骤一，读取实时交通图像，获取连续的四帧彩色图像；

步骤二，将提取的四帧彩色图像分别转换成灰度图像；

步骤三，运用Hough变换检测灰度图像的车道线，再采用投影法提取灰度图像中前方车道线内的区域图像；

步骤四，对前方车道线内的区域图像采用高斯滤波器平滑处理，消除部分噪声；

步骤五，对消除部分噪声后的灰度图像运用隔帧差法进行处理。

本发明进一步的改进在于，步骤五的具体步骤如下：

1)对消除部分噪声后的四帧图像，按其先后顺序以函数f_i(x,y)表示，i＝1,2,3,4，将第三帧图像与第一帧图像相减得到第一幅差分图像D₁(x,y)，将第四帧图像减去第二帧图像，得到第二幅差分图像D₂(x,y)，满足表达式：

D_j(x,y)＝f_j+2(x,y)-f_j(x,y)，j＝1,2

2)得到两幅差分图像后，再将D₁(x,y)与D₂(x,y)转换成二值图像G_j(x,y)，转换公式为：

$G_j(x,y)=\left\{\begin{array}{c}1,D_j(x,y)\≥T\\ 0,D_j(x,y)\≥T\end{array}\right.$

式中，T为预先设定的阈值，且T≈(Imax-(Imax-Imin)/2)，其中Imax和Imin分别表示图像灰度值的最大值与最小值；

3)最后将两幅二值图像G₁(x,y)和G₂(x,y)再一次相减并取绝对值，得到前方车道线内行驶车辆的检测结果，用R(x,y)表示，满足：

R(x,y)＝|G₁(x,y)-G₂(x,y)|

当R(x,y)＞0时，表示前方车道线内有行驶车辆，否则，表示前方车道线内没有行驶车辆。

相对于现有技术，本发明具有如下的有益效果：

现有技术中的背景帧差法常用于对固定摄像头拍摄图像的检测，因为只有拍摄位置固定才能获取统一不变的背景，而三帧差法这种方法的缺点是对于运动速度(包括相对于摄像机的相对速度)缓慢的目标，识别效果不好，容易漏检或误检，而本发明采用隔帧差法进行相减的两帧图像之间还有一帧，这样前方车辆的运动距离更大，位移更明显，所以更易检测出来。经过隔帧相减并转换得到两幅二值图像，然后将二值图像再相减，得到最终的处理结果，进一步增强了检测效果，从而使结果更准确。

本发明能够对机动车前方车道线内行驶的车辆进行实时检测，帮助驾驶员及时准确的判断前方是否有同车道行驶的车辆，在遇到紧急情况时(例如从其他车道突然驶入一台车辆)能够在驾驶员的反应时间内做出快速准确的判断，从而防止交通事故的发生。

附图说明：

图1为本发明的方法流程图；

图2为在实时交通图像中提取的一帧彩色图像；

图3(a)、(b)、(c)及(d)为经过灰度化，投影法提取和高斯滤波器平滑处理后得到的连续四帧交通图像；

图4(a)为图3(c)与图3(a)相减后得到的第一幅差分图像；

图4(b)为图3(d)与图3(b)相减后得到的第二幅差分图像；

图5为图4(a)与图4(b)相减后得到的查分图像。

具体实施方式：

下面结合附图对本发明做进一步的详细说明。

本发明对传统帧差法的进行的改进原理如下：

对于运动目标的检测，传统上使用的帧差法一般是背景帧差法或三帧差法。背景帧差法常用于对固定摄像头拍摄图像的检测，因为只有拍摄位置固定才能获取统一不变的背景，而三帧差法这种方法的缺点是对于运动速度(包括相对于摄像机的相对速度)缓慢的目标，识别效果不好，容易漏检或误检，而采用隔帧差法进行相减的两帧图像之间还有一帧，这样前方车辆的运动距离更大，位移更明显，所以更易检测出来。经过隔帧相减并转换得到两幅二值图像，然后将二值图像再相减，得到最终的处理结果，进一步增强了检测效果，从而使结果更准确。

如图1所示，本发明一种基于隔帧差法的前方车道线内行驶车辆的检测方法，包括下述步骤：

1)取连续的四帧图像，按其先后顺序以函数f_i(x,y)表示，i＝1,2,3,4，将第三帧图像与第一帧图像相减得到第一幅差分图像D₁(x,y)，将第四帧图像减去第二帧图像，得到第二幅差分图像D₂(x,y)，满足表达式：

D_j(x,y)＝f_j+2(x,y)-f_j(x,y)，j＝1,2

2)得到两幅差分图像后，再将D₁(x,y)与D₂(x,y)转换成二值图像G_j(x,y)，转换公式为：

$G_j(x,y)=\left\{\begin{array}{c}1,D_j(x,y)\≥T\\ 0,D_j(x,y)\≥T\end{array}\right.$

式中，T≈(Imax-(Imax-Imin)/2)，其中Imax和Imin分别表示图像灰度值的最大值与最小值，可根据经验选取。

3)最后将两幅二值图像G₁(x,y)和G₂(x,y)再一次相减并取绝对值，得到车辆的检测结果，用R(x,y)表示，满足：

R(x,y)＝|G₁(x,y)-G₂(x,y)|。

实施例：

参照附图1，遵循本发明的技术方案，该实施例的方法按以下步骤进行：

步骤一，读取实时交通图像，获取连续四帧的彩色图像，如图2所示，为其中一帧图像；

步骤二，将提取的四帧彩色图像分别转换成灰度图像；

步骤三，运用Hough变换检测灰度图像的车道线，再采用投影法提取灰度图像中前方车道线内的区域图像；

步骤四，对前方车道线内的区域图像采用高斯滤波器平滑处理，消除部分噪声；

步骤五，经上述四个步骤后得到噪声较少的灰度图像，如图3(a)～(d)所示，接下来运用改进的隔帧差法进行处理。具体方法如下：

1)取连续的四帧图像，按其先后顺序以函数f_i(x,y)表示，i＝1,2,3,4，将第三帧图像与第一帧图像相减得到第一幅差分图像D₁(x,y)，如图4(a)所示；将第四帧图像减去第二帧图像，得到第二幅差分图像D₂(x,y)，如图4(b)所示；满足表达式：

D_j(x,y)＝f_j+2(x,y)-f_j(x,y)，j＝1,2

2)得到两幅差分图像后，再将D₁(x,y)与D₂(x,y)转换成二值图像G_j(x,y)，转换公式为：

$G_j(x,y)=\left\{\begin{array}{c}1,D_j(x,y)\≥T\\ 0,D_j(x,y)\≥T\end{array}\right.$

式中，T≈(Imax-(Imax-Imin)/2)，其中Imax和Imin分别表示图像灰度值的最大值与最小值，依据经验，此处取T＝150。

3)最后将两幅二值图像G₁(x,y)和G₂(x,y)再一次相减并取绝对值，得到前方车道线内行驶车辆的检测结果，如图5所示，用R(x,y)表示，满足：

R(x,y)＝|G₁(x,y)-G₂(x,y)|

当R(x,y)＞0时，表示前方车道线内有行驶车辆，否则，表示前方车道线内没有行驶车辆。

Claims (2)

1.基于隔帧差法的前方车道线内行驶车辆的检测方法，其特征在于，包括下述步骤：

步骤一，读取实时交通图像，获取连续的四帧彩色图像；

步骤二，将提取的四帧彩色图像分别转换成灰度图像；

步骤三，运用Hough变换检测灰度图像的车道线，再采用投影法提取灰度图像中前方车道线内的区域图像；

步骤四，对前方车道线内的区域图像采用高斯滤波器平滑处理，消除部分噪声；

步骤五，对消除部分噪声后的灰度图像运用隔帧差法进行处理。

2.根据权利要求1所述的基于隔帧差法的前方车道线内行驶车辆的检测方法，其特征在于，步骤五的具体步骤如下：

1)对消除部分噪声后的四帧图像，按其先后顺序以函数f_i(x,y)表示，i＝1,2,3,4，将第三帧图像与第一帧图像相减得到第一幅差分图像D₁(x,y)，将第四帧图像减去第二帧图像，得到第二幅差分图像D₂(x,y)，满足表达式：

D_j(x,y)＝f_j+2(x,y)-f_j(x,y)，j＝1,2

2)得到两幅差分图像后，再将D₁(x,y)与D₂(x,y)转换成二值图像G_j(x,y)，转换公式为：

$G_j(x,y)=\left\{\begin{array}{cc}1,& D_j(x,y)\≥T\\ 0,& D_j(x,y)\≥T\end{array}\right.$

式中，T为预先设定的阈值，且T≈(Imax-(Imax-Imin)/2)，其中Imax和Imin分别表示图像灰度值的最大值与最小值；

3)最后将两幅二值图像G₁(x,y)和G₂(x,y)再一次相减并取绝对值，得到前方车道线内行驶车辆的检测结果，用R(x,y)表示，满足：

R(x,y)＝|G₁(x,y)-G₂(x,y)|

当R(x,y)＞0时，表示前方车道线内有行驶车辆，否则，表示前方车道线内没有行驶车辆。