CN105718893A - 一种用于夜间环境的车辆尾灯对检测方法 - Google Patents

Abstract

一种用于夜间环境的车辆尾灯对检测方法，包括如下步骤：步骤1)图像采集：装有图像采集装置的车辆在夜间行进时采集车辆前方的图像，记为图像A；步骤2)图像A二值化：确定一个阈值T_i对图像A二值化；步骤3)对二值化后的图像A进行连通区域标记；步骤4)尾灯对匹配：连通区域Z_a和连通区域Z_b的匹配性度量值M_ab＞0.75，则认为连通区域Z_a和连通区域Z_b共同组成了一个尾灯对。该方法通过利用尾灯形状、面积、位置信息，构建尾灯对匹配函数，实现红色尾灯对的检测和定位，提升了夜间车辆检测的准确性和实时性能力，使检测的更为准确、更少的错误检测。

Description

一种用于夜间环境的车辆尾灯对检测方法

技术领域

本发明属于图像处理技术领域，涉及图像信息感知，具体涉及一种用于夜间环境的车辆尾灯对检测方法。

背景技术

交通安全问题已成为世界性的重大问题，而汽车的安全性对人类生命财产的影响更是不言而喻。随着高速公路的发展和汽车性能的提高，汽车行驶速度也相应加快，加之汽车数量增加以及交通运输日益繁忙，汽车事故增多所引起的人员伤亡和财产损失，已成为一个不容忽视的社会问题，汽车的行车安全更显得非常重要。传统的被动安全已经远远不能避免交通的事故发生，而主动安全技术由于可以预防事故的发生而倍受关注。视觉传感由于具有信息量大、成本低廉的特点，在汽车主动安全领域有着广泛的应用。

车辆检测技术是指利用图像传感手段对图像中的车辆搜寻和判定，获得图像中车辆的多种属性(如位置、速度、形状、外观)的过程。它是汽车主动安全领域，尤其是实现追尾预警(ForwardCollisionWarning，FCW)以及自动紧急刹车(AutomaticEmergencyBraking，AEB)功能的关键技术之一。

目前，大部分现有车辆检测方法均是针对日间情况下加以实现，大多采用基于车辆外观的辨识方法，如采用车辆轮廓、对称性、颜色等等信息。但是，在夜间环境下，由于缺乏太阳光的光照，环境光源仅仅由路灯和本车头灯(城市环境下)或者是仅由本车头灯(郊外环境下)构成；这就导致环境光源强度低、分布不均的特点，从而使得前方车辆的绝大多数外观信息(轮廓、对称性、颜色等)由于反射光强的不足而不可获得，使得现有车辆检测方法失效；因此，如何提高夜间车辆检测的准确性和实时性，解决夜间实际道路环境下的车辆检测一直是亟待解决的问题。

通过观察，我们发现高亮的尾灯是夜间车辆检测最明显的特征，在灰度图像上呈高亮的白色对，在彩色图像上是明显的红色对，并且基本不受到环境光源变化的影响，是较为稳定的车辆特征之一。

如何提高夜间车辆检测的准确性和实时性，解决夜间实际道路环境下的车辆检测一直是亟待解决的问题，为提升夜间车辆检测的能力，使检测的更为准确、更少的错误检测，本发明提出一种用于夜间环境的车辆尾灯对检测方法。

发明内容

本发明为解决夜间车辆检测的准确性和实时性，提升夜间车辆检测的能力，使检测的更为准确、更少的错误检测，本发明提出一种用于夜间环境的车辆尾灯对检测方法。

本发明是通过以下技术方案实现的：

一种用于夜间环境的车辆尾灯对检测方法，包括如下步骤：

步骤1)图像采集：装有图像采集装置的车辆在夜间行进时采集车辆前方的图像，记为图像A；

步骤2)图像A二值化：确定一个阈值T_i对图像A二值化，阈值T的范围为T∈[150，255]，选取阈值T_i确定类间距离D_i，其中，类间距离D_i表示为：

$D_i=\frac{\mathrm{\Σ}{(p_f-T_i)}^2}{n_f}+\frac{\mathrm{\Σ}{(p_b-T_i)}^2}{n_b}$

p_f为图像A中假设属于车灯的像素(p_f＞T_i)，p_b为图像A中假设不属于车灯的像素(p_b＜T_i)；n_f表示的是亮度值大于T_i的像素点个数；n_b表示的是亮度值小于T_i的像素点个数；

选取具有最大类间距离D_i时对应的T_i为阈值；并采用阈值T_i对图像A进行二值化；高于该阈值T_i的像素置“1”，表示白色像素；将其余像素置“0”，表示黑色像素；

步骤3)对二值化后的图像A中像素置“1”的连通区域标记：设提取出的连通区域数目为n，标记所有区域为Z₁、Z₂…、Z_j、…、Z_n；

步骤4)尾灯对匹配：首先，针对每一个标记的连通区域Z_j，分别计算其如下几个参数：

(1)面积A_j；

(2)圆形度Ro_j：Ro_j＝(C_j)²/A_j；

(3)最小外接矩形Rct_j；

其中C_j表示连通区域Z_j的周长；

然后，对任意两个连通区域进行尾灯对匹配性度量，对n个连通区域，则产生n(n-1)个匹配性度量值；设任意两个连通区域Z_a和连通区域Z_b的匹配性度量值为M_ab：

匹配性度量值为M_ab的计算函数如下：

M_ab＝0.2*Size_rate_ab+0.15*Round_rate_ab+0.55*Overlap_rate_ab

其中：Size_rate_ab表明面积的匹配度，具体计算方式是连通区域Z_a和连通区域Z_b中较小的面积比上较大的面积；其计算公式如下：

$Size\_{\mathrm{rate}}_{ab}=\frac{\min (A_a,A_b)}{max(A_a,A_b)}$

Round_rate_ab表明圆形度的匹配度，具体计算方式是连通区域Z_a和连通区域Z_b中较小的圆形度比上较大的圆形度；其计算公式如下：

$Round\_{\mathrm{rate}}_{ab}=\frac{\min ({\mathrm{Ro}}_a,{\mathrm{Ro}}_b)}{max({\mathrm{Ro}}_a,{\mathrm{Ro}}_b)}$

Overlap_rate_ab表明水平方向上的重合度，其计算方式为连通区域Z_a和连通区域Z_b的最小外接矩形Rct_a、最小外接矩形Rct_b在垂直方向上的投影的重合部分的长度比连通区域Z_a和连通区域Z_b的最小外接矩形Rct_a、最小外接矩形Rct_b投影总长；投影总长＝(Rct_a和Rct_b长度和-重合部分的长度)；

连通区域Z_a和连通区域Z_b的匹配性度量值M_ab＞0.75，则认为连通区域Z_a和连通区域Z_b共同组成了一个尾灯对。

进一步的，步骤1)中所述图像采集装置为CCD或CMOS摄像机。

进一步的，步骤1)中图像采集装置安装于车辆后视镜下方。

进一步的，步骤2)中选定图像A的下二分之一部分作为感兴趣区域(ROI)以减少后续计算量。

进一步的，步骤2)中，阈值T的范围为T∈[200，255]。

有益效果：

1.一种用于夜间环境的车辆尾灯对检测方法通过利用尾灯形状、面积、位置信息，构建尾灯对匹配函数，实现红色尾灯对的检测和定位。

2.提升了夜间车辆检测的准确性和实时性能力，使检测的更为准确、更少的错误检测。

3.图像采集装置安装于车辆后视镜下方，从而确保获得本车前方视野合适，画面清晰的图像。

4.选定图像A的下二分之一部分作为初始感兴趣区域(ROI)减少了后续计算量，节省了时间成本。

5.阈值T的范围定为T∈[200，255]，提高了计算效率。

附图说明

图1为本发明实施方案流程图；

图2为本发明中重合度计算示意图；

图3为本发明图像采集流程图；

具体实施方式

为使本发明便于理解，对以下几个专业概念进行说明：

感兴趣区域(ROI)为regionofinterest；

连通区域：是数学的基本概念之一。设D是平面区域，如果D内任一闭曲线所围的部分都属于D，则称D为平面单连通区域。

一种用于夜间环境的车辆尾灯对检测方法，包括如下步骤：

步骤1)图像采集：装有图像采集装置的车辆在夜间行进时采集车辆前方的图像，记为图像A；

步骤2)图像A二值化：确定一个阈值T_i对图像A二值化，阈值T的范围为T∈[150，255]，选取阈值T_i确定类间距离D_i，其中，类间距离D_i表示为：

$D_i=\frac{\mathrm{\Σ}{(p_f-T_i)}^2}{n_f}+\frac{\mathrm{\Σ}{(p_b-T_i)}^2}{n_b}$

p_f为图像A中假设属于车灯的像素(p_f＞T_i)，p_b为图像A中假设不属于车灯的像素(p_b＜T_i)；n_f表示的是亮度值大于T_i的像素点个数；n_b表示的是亮度值小于T_i的像素点个数；

选取具有最大类间距离D_i时对应的T_i为阈值；并采用阈值T_i对图像A进行二值化；高于该阈值T_i的像素置“1”，表示白色像素；将其余像素置“0”，表示黑色像素；

步骤3)对二值化后的图像A中像素置“1”的连通区域标记：设提取出的连通区域数目为n，标记所有区域为Z₁、Z₂…、Z_j、…、Z_n；

步骤4)尾灯对匹配：首先，针对每一个标记的连通区域Z_j，分别计算其如下几个参数：

(1)面积A_j；

(2)圆形度Ro_j：Ro_j＝(C_j)²/A_j；

(3)最小外接矩形Rct_j；

其中C_j表示连通区域Z_j的周长；

然后，对任意两个连通区域进行尾灯对匹配性度量，对n个连通区域，则产生n(n-1)个匹配性度量值；设任意两个连通区域Z_a和连通区域Z_b的匹配性度量值为M_ab：

匹配性度量值为M_ab的计算函数如下：

M_ab＝0.2*Size_rate_ab+0.15*Round_rate_ab+0.55*Overlap_rate_ab

其中：Size_rate_ab表明面积的匹配度，具体计算方式是连通区域Z_a和连通区域Z_b中较小的面积比上较大的面积；其计算公式如下：

$Size\_{\mathrm{rate}}_{ab}=\frac{\min (A_a,A_b)}{max(A_a,A_b)}$

Round_rate_ab表明圆形度的匹配度，具体计算方式是连通区域Z_a和连通区域Z_b中较小的圆形度比上较大的圆形度；其计算公式如下：

$Round\_{\mathrm{rate}}_{ab}=\frac{\min ({\mathrm{Ro}}_a,{\mathrm{Ro}}_b)}{max({\mathrm{Ro}}_a,{\mathrm{Ro}}_b)}$

Overlap_rate_ab表明水平方向上的重合度，其计算方式为连通区域Z_a和连通区域Z_b的最小外接矩形Rct_a、最小外接矩形Rct_b在垂直方向上的投影的重合部分的长度比连通区域Z_a和连通区域Z_b的最小外接矩形Rct_a、最小外接矩形Rct_b投影总长；投影总长＝(Rct_a和Rct_b长度和-重合部分的长度)；

连通区域Z_a和连通区域Z_b的匹配性度量值M_ab＞0.75，则认为连通区域Z_a和连通区域Z_b共同组成了一个尾灯对。

步骤1)中所述图像采集装置为CCD或CMOS摄像机。

步骤1)中图像采集装置安装于车辆后视镜下方。

步骤2)中选定图像A的下二分之一部分作为感兴趣区域(ROI)以减少后续计算量。

步骤2)中，阈值T的范围为T∈[200，255]。

具体实施例

结合附图1实施方案流程：图像输入后对感兴趣区域(ROI)确定，然后对确定后的区域进行二值化处理，即确定一个阈值T_i对图像A二值化，从而得到二值化后图像，高于该阈值T_i的像素置“1”，表示白色像素；将其余像素置“0”，表示黑色像素；对二值化后标记为“1”，表示白色像素进行连通域搜索标记，然后采用匹配性度量值为M_ab，对尾灯匹配。

结合附图2重合度计算：投影总长＝(Rct_a和Rct_b在竖直方向的长度和-重合部分的长度)。

结合附图3图像采集流程：车载CCD摄像头单元采集图像后模拟图像经过图像采集卡转换成数字图像，数字图像在车载微处理器上被算法处理。

步骤1：图像采集。将图像采集装置(CCD或CMOS摄像机)安装于车辆后视镜下方，调整图像采集装置的位置和姿态，以获得本车前方视野合适，画面清晰的图像；所述图像采集装置的车辆在夜间行进时采集车辆前方的图像，记为图像A。

步骤2：感兴趣区域(ROI)提取，由于图像A中上二分之一部分为天空、树木、标识牌或建筑物等干扰信息，而前方车辆只会处于图像A的下二分之一部分，因此选定图像A的下二分之一部分作为初始感兴趣区域以减少后续计算量，将该初始ROI区域图像即为图像B

步骤3：图像B二值化。在夜间环境下的图像中，车灯等光源和非光源具有十分明显的差异，可通过一个合适的阈值T加以分割。

步骤3.1：阈值T的搜索范围为T∈[200，255]，依次计算以某阈值T_i确定的类间距离D_i。

$D_i=\frac{\mathrm{\Σ}{(p_f-T_i)}^2}{n_f}+\frac{\mathrm{\Σ}{(p_b-T_i)}^2}{n_b}$

其中，p_f为图像中假设属于车灯的像素(p_f＞T_i)，p_b为图像中假设不属于车灯的像素(p_b＜T_i)。n_f表示的是亮度值大于T_i的像素点个数；n_b表示的是亮度值小于T_i的像素点个数

步骤3.2：选取具有最大类间距离D_i时对应的T_i为阈值。并采用该阈值对灰度图像进行二值化。高于该阈值的像素置“1”，表示白色像素；将其余像素置“0”，表示黑色像素。

步骤4：连通区域标记。采用连通区域提取的方法，提取所有连通区域并进行标记，不妨设提取出的区域数目为n，标记所有区域为Z₁、Z₂…、Z_j、…、Z_n。

步骤5：尾灯对匹配

步骤5.1：针对每一个连通区域Z_j，分别计算其如下几个参数：

(1)面积A_j；

(2)圆形度Ro_j：Ro_j＝(C_j)²/A_j

(3)最小外接矩形Rct_j；

其中C_j表示连通区域Z_j的周长；

步骤5.2：该步骤对任意两个连通区域进行尾灯对匹配性度量。对n个连通区域，则产生n(n-1)个匹配性度量值。设任意两个连通区域Z_a和连通区域Z_b的匹配性度量值为M_ab。

匹配性度量值为M_ab，其计算函数如下：

M_ab＝0.2*Size_rate_ab+0.15*Round_rate_ab+0.55*Overlap_rate_ab

其中：Size_rate_ab表明面积的匹配度，具体计算方式是区域Z_a和Z_b中较小的面积比上较大的面积；其计算公式如下：

$Size\_{\mathrm{rate}}_{ab}=\frac{\min (A_a,A_b)}{max(A_a,A_b)}$

Round_rate_ab表明圆形度的匹配度，具体计算方式是连通区域Z_a和连通区域Z_b中较小的圆形度比上较大的圆形度；其计算公式如下：

$Round\_{\mathrm{rate}}_{ab}=\frac{\min ({\mathrm{Ro}}_a,{\mathrm{Ro}}_b)}{max({\mathrm{Ro}}_a,{\mathrm{Ro}}_b)}$

Overlap_rate_ab表明水平方向上的重合度。如图2所示，其计算方式为区域Z_a和Z_b的最小外接矩形Rct_a、Rct_b在垂直方向上的投影的重合部分的长度比上其投影总长。

步骤5.3：若连通区域Z_a和连通区域Z_b的匹配性度量值M_ab＞0.75，则认为连通区域Z_a和连通区域Z_b共同组成了一个尾灯对。至此，完成了ROI区域内的车辆尾灯检测，并可以认为该区域存在车辆。

步骤1至步骤5即夜间环境下，通过车辆尾灯的检测和匹配，实现尾灯对检测的全部过程。

所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。

Claims (5)

1.一种用于夜间环境的车辆尾灯对检测方法，其特征在于，包括如下步骤：

步骤1)图像采集：装有图像采集装置的车辆在夜间行进时采集车辆前方的图像，记为图像A；

步骤2)图像A二值化：确定一个阈值T_i对图像A二值化，阈值T的范围为T∈[150，255]，选取阈值T_i确定类间距离D_i，其中，类间距离D_i表示为：

$D_i=\frac{\mathrm{\Σ}{(p_f-T_i)}^2}{n_f}+\frac{\mathrm{\Σ}{(p_b-T_i)}^2}{n_b}$

p_f为图像A中假设属于车灯的像素p_f＞T_i，p_b为图像A中假设不属于车灯的像素p_b＜T_i；n_f表示的是亮度值大于T_i的像素点个数；n_b表示的是亮度值小于T_i的像素点个数；

选取具有最大类间距离D_i时对应的T_i为阈值；并采用阈值T_i对图像A进行二值化；高于该阈值T_i的像素置“1”，表示白色像素；将其余像素置“0”，表示黑色像素；

步骤3)对二值化后的图像A中像素置“1”的连通区域标记：设提取出的连通区域数目为n，标记所有区域为Z₁、Z₂…、Z_j、…、Z_n；

步骤4)尾灯对匹配：首先，针对每一个标记的连通区域Z_j，分别计算其如下几个参数：

(1)面积A_j；

(2)圆形度Ro_j：Ro_j＝(C_j)²/A_j；

(3)最小外接矩形Rct_j；

其中C_j表示连通区域Z_j的周长；

然后，对任意两个连通区域进行尾灯对匹配性度量，对n个连通区域，则产生n(n-1)个匹配性度量值；设任意两个连通区域Z_a和连通区域Z_b的匹配性度量值为M_ab：

匹配性度量值为M_ab的计算函数如下：

M_ab＝0.2*Size_rate_ab+0.15*Round_rate_ab+0.55*Overlap_rate_ab

其中：Size_rate_ab表明面积的匹配度，具体计算方式是连通区域Z_a和连通区域Z_b中较小的面积比上较大的面积；其计算公式如下：

$Size\_{\mathrm{rate}}_{ab}=\frac{\min (A_a,A_b)}{max(A_a,A_b)}$

Round_rate_ab表明圆形度的匹配度，具体计算方式是连通区域Z_a和连通区域Z_b中较小的圆形度比上较大的圆形度；其计算公式如下：

$Round\_{\mathrm{rate}}_{ab}=\frac{\min ({\mathrm{Ro}}_a,{\mathrm{Ro}}_b)}{max({\mathrm{Ro}}_a,{\mathrm{Ro}}_b)}$

Overlap_rate_ab表明水平方向上的重合度，其计算方式为连通区域Z_a和连通区域Z_b的最小外接矩形Rct_a、最小外接矩形Rct_b在垂直方向上的投影的重合部分的长度比连通区域Z_a和连通区域Z_b的最小外接矩形Rct_a、最小外接矩形Rct_b投影总长；投影总长＝(Rct_a和Rct_b长度和-重合部分的长度)；

连通区域Z_a和连通区域Z_b的匹配性度量值M_ab＞0.75，则认为连通区域Z_a和连通区域Z_b共同组成了一个尾灯对。

2.根据权利要求1所述的一种用于夜间环境的车辆尾灯对检测方法，其特征在于，步骤1)中所述图像采集装置为CCD或CMOS摄像机。

3.根据权利要求1或2所述的一种用于夜间环境的车辆尾灯对检测方法，其特征在于，步骤1)中图像采集装置安装于车辆后视镜下方。

4.根据权利要求3所述的一种用于夜间环境的车辆尾灯对检测方法，其特征在于，步骤2)中选定图像A的下二分之一部分作为感兴趣区域(ROI)以减少后续计算量。

5.根据权利要求1所述的一种用于夜间环境的车辆尾灯对检测方法，其特征在于，步骤2)中，阈值T的范围为T∈[200，255]。