CN108470145B - 一种基于曲线斜率变化的汽车方向盘检测方法 - Google Patents

Abstract

本发明公开了一种基于曲线斜率变化的汽车方向盘检测方法，它先对含有车辆的彩色图像image进行车窗定位并截取车窗右半部分作为新的图像，对该图像处理后得到单像素边缘图像，利用八邻域边缘跟踪算法遍历图像中的每一条单像素边缘，像素点分别按顺序存储在数组中，遍历得到的每一条单像素边缘，计算其对应的一个新的平面直角坐标系，并将每一条单像素边缘等间隔分为6段，计算每段的切线斜率和曲线偏转角度，筛选出候选汽车方向盘边缘；再得到最终检测到的方向盘。本发明结合了劣弧上的点的切线斜率变化特征以及曲线偏转角度特征来进行劣弧检测，其准确性高，提高了方向盘检测的正确率。

Description

一种基于曲线斜率变化的汽车方向盘检测方法

技术领域

本发明涉及计算机视觉及智能交通技术领域，具体涉及一种基于曲线斜率变化的汽车方向盘检测方法，它通过提取图像中曲线上的间隔点，并计算其斜率变化来进行劣弧检测的汽车方向盘检测方法。

背景技术

随着智能交通领域的不断发展，目前在道路交通安全监测系统中对于驾驶员行为的检测和分析越来越受到重视。其中包括驾驶员在行车过程中是否手离方向盘以及是否佩戴安全带等，这就需要先对待检测的部位进行准确定位。然而在道路监控视频中对于车窗内的物体一般比较模糊，很难进行准确定位。方向盘是车窗内比较明显的一个特征物体，方向盘的准确定位可以估算出其它待检测部位的相对位置，使得待检测部位的定位更加精准。

在道路监控视频中，方向盘一般呈现出开口向下的劣弧形状。因此，对方向盘的检测可以转换为对边缘图像中圆弧的检测。当前也有部分学者提出了不同的圆弧检测方法，其中与本发明较接近的技术方案为：文献(陈小艳,王强,李柏林.改进的Hough变换检测圆方法[J].计算机系统应用,2015,24(8):197-201.)提出先对图像进行Canny边缘检测，然后去除短小边缘，对剩下的每一条边缘进行遍历存储，并且将其三等分，取连续的三个点计算假定圆圆心和半径，最后通过比较真实边缘上的像素点与真实边缘落在假定圆圆弧上的像素点的比例来确定该边缘是否为圆弧。该算法需要精确到像素级别，一旦假定圆的圆弧与真实边缘之间有一两个像素点的偏差也会认为它们之间的重合度比较低，边缘被判断为不是圆弧，在汽车方向盘检测的应用中方向盘就会检测不到；文献(王永会,李昱鑫,郭耸,等.基于切线段匹配的快速圆弧检测算法[J].计算机应用,2016,36(4):1126-1131.)提出通过逐点扫描边缘图，提取水平、垂直、45°以及135°方向上的所有切线段，将切线段进行两两匹配构造圆心与半径，最后通过Bresenham算法生成假定圆。该算法依赖于八个方向上切线的提取，对于很短小的劣弧以及圆弧发生部分变形的情况都无法正确检测到，而汽车方向盘的形状由于拍摄角度的问题经常会发生变形。

综上所述，当前的圆弧检测方法如果应用在汽车方向盘检测中存在着如下不足：(1)需要精确到像素级别的匹配，鲁棒性差；(2)对于短小劣弧的检测率不高；(3)对于发生形变的圆弧检测率不高。

发明内容

针对现有的圆弧检测方法如果应用在汽车方向盘检测中存在的上述问题，本发明提出了一种基于曲线斜率变化的汽车方向盘检测方法，它通过提取图像中曲线上的间隔点，并计算其斜率变化来进行劣弧检测的汽车方向盘检测方法。

所述的一种基于曲线斜率变化的汽车方向盘检测方法，其特征在于包括如下步骤：

步骤1：对含有车辆的彩色图像image进行车窗定位；

步骤2：从图像image中截取车窗右半部分作为新的图像WinImg，并且对图像WinImg进行灰度化、高斯滤波、形态学边缘检测、局部二值化以及边缘细化操作，得到图像WinImg的单像素边缘图像，记为EdgeImg；

步骤3：利用八邻域边缘跟踪算法遍历EdgeImg中的每一条单像素边缘，并且将每一条单像素边缘上的像素点分别按顺序存储在数组中，记为Array_i,i＝1,2,…,n，其中,Array_i表示第i条单像素边缘，n表示EdgeImg中单像素边缘的数量；

步骤4：针对步骤3遍历得到的每一条单像素边缘，计算每一条单像素边缘各自对应的一个新的平面直角坐标系，记为xOy_i，xOy_i由边缘图EdgeImg的原平面直角坐标系通过平移旋转变换得到，其中边缘图EdgeImg的原平面直角坐标系表示以边缘图EdgeImg的左上角为坐标系原点，水平向右为x轴正方向，垂直向下为y轴正方向的平面直角坐标系；

步骤5：将步骤3遍历得到的每一条单像素边缘等间隔分为6段，然后按顺序选取单像素边缘上的起点、五个等间隔分段点以及单像素边缘上的终点，一共七个点，记为Point_ij，j＝1,2,3,4,5,6,7，它表示第i条单像素边缘上选取的第j个点，同时计算Point_ij在第i条单像素边缘对应的新的平面直角坐标系xOy_i中的坐标值，记为(x_ij,y_ij)；

步骤6：分别计算每一条单像素边缘在点Point_ij处的切线斜率，记为slop_ij，其中slop_ij＝(y_i(j+1)–y_i(j-1))÷(x_i(j+1)–x_i(j-1))；

步骤7：分别计算每一条单像素边缘在点Point_ij处的曲线偏转角度，记为θ_ij，然后计算每一条单像素边缘对应的五个θ_ij的平均值Avg_θi和方差S_θi；

步骤8：根据步骤6得到的slop_ij和步骤7得到的Avg_θi和S_θi筛选满足开口朝下的劣弧检测条件的单像素边缘作为候选汽车方向盘边缘；

步骤9：对步骤8获得的所有候选汽车方向盘边缘分别计算其对应的一个假定圆，假定圆的计算首先从对应的候选汽车方向盘边缘中选取边缘的起点、边缘的二等分分段点以及边缘的终点这三个点，根据这三点确定一个假定圆；

步骤10：从步骤9获得的所有假定圆中选择一个满足如下条件的圆作为最终检测到的方向盘。

所述的一种基于曲线斜率变化的汽车方向盘检测方法，其特征在于步骤4中由边缘图EdgeImg的原平面直角坐标系通过平移旋转变换分别得到每一条单像素边缘各自对应的一个新的平面直角坐标系xOy_i的过程如下：

4.1)：根据公式(1)计算边缘图EdgeImg的原平面直角坐标系在x轴方向上需要平移的长度记为Δx_i，并且根据Δx_i的值进行平移；

其中，count_i表示数组Array_i中的元素个数，Array_i[0].x表示数组Array_i中第0个元素的x坐标值，Array_i[count_i-1].x表示数组Array_i中最后一个元素的x坐标值；

4.2)：根据公式(2)计算边缘图EdgeImg的原平面直角坐标系在y轴方向上需要平移的长度记为Δy_i，并且根据Δy_i的值进行平移；

其中，Array_i[0].y表示数组Array_i中第0个元素的y坐标值，Array_i[count_i-1].y表示数组Array_i中最后一个元素的y坐标值。

4.3)：根据公式(3)计算边缘图EdgeImg的原平面直角坐标系在平移之后需要旋转的度数记为Δθ_i，并且根据Δθ_i的值进行旋转；

其中，arctan表示求反正切值。

所述的一种基于曲线斜率变化的汽车方向盘检测方法，其特征在于步骤5中Point_ij在第i条单像素边缘对应的新的平面直角坐标系xOy_i中的坐标值(x_ij,y_ij)的计算如下：

5.1)：根据公式(4)计算横坐标值x_ij；

x_ij＝(X_ij-Δx_i)×cos(-Δθ_i)-(Y_ij-Δy_i)×sin(-Δθ_i) (4)

其中，X_ij表示点Point_ij在边缘图EdgeImg的原平面直角坐标系中的横坐标值，Y_ij表示点Point_ij在边缘图EdgeImg的原平面直角坐标系中的纵坐标值，cos表示求余弦值，sin表示求正弦值；

5.2)：根据公式(5)计算纵坐标值y_ij；

y_ij＝(Y_ij-Δy_i)×cos(-Δθ_i)+(X_ij-Δx_i)×sin(-Δθ_i) (5)

其中，j＝1,2,3,4,5,6,7。

所述的一种基于曲线斜率变化的汽车方向盘检测方法，其特征在于步骤7中分别计算每一条单像素边缘在Point_ij处的曲线偏转角度θ_ij的步骤如下：

7.1)：计算每个Point_ij与Point_i(j+1)之间的中间点处的切线斜率记为slop1_ij，slop1_ij＝(y_i(j+1)–y_ij)÷(x_i(j+1)-x_j)；

7.2)：计算每个Point_ij处曲线偏转角度

其中，j＝1,2,3,4,5,6。

所述的一种基于曲线斜率变化的汽车方向盘检测方法，其特征在于步骤8中满足开口朝下的劣弧检测条件必须满足如下所有条件：

8.1)：(|Δθ_i|<90&&y_i4<0)||(|Δθ_i|≥90&&y_i4>0)；

8.2)：slop_i2×slop_i3>0&&slop_i5×slop_i6>0；

8.3)：|slop_i3|≤|slop_i2|&&|slop_i4|≤|slop_i3|&&|slop_i4|<|slop_i2|；

8.4)：|slop_i5|≤|slop_i6|&&|slop_i4|≤|slop_i5|&&|slop_i4|<|slop_i6|；

8.5)：|slop_i4|＝0；

8.6)：S_θi<ThreshS&&Avg_θi>0；

其中，ThreshS表示曲线偏转角度的方差阈值，由预先设定。

所述的一种基于曲线斜率变化的汽车方向盘检测方法，其特征在于步10中作为最终检测到的方向盘的圆满足如下条件：该圆需要满足圆半径r在预先设定的范围内，并且满足圆心到边缘图EdgeImg的底边缘距离最短，并且这个距离需要小于该圆本身半径的三分之二。

通过使用本发明的方法对汽车的方向盘进行检测，它结合了劣弧上的点的切线斜率变化特征以及曲线偏转角度特征来进行劣弧检测，对于短小的劣弧以及发生形变的劣弧都可以检测到，而方向盘形状正好表现为开口朝下的劣弧，可以使用本发明的方法进行准确检测，提高了方向盘检测的正确率。

附图说明

图1为本发明中实施例选取的image图；

图2为本发明实施例中image图的车窗定位图；

图3为本发明实施例中截取的车窗右半边部分图。

图4为本发明实施例中车窗右半边图对应的单像素边缘图。

图5为本发明实施例中方向盘检测的结果图。

具体实施方式

下面结合实施例来详细阐述本发明的基于曲线斜率变化的汽车方向盘检测方法的具体实施方式。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。

本发明的一种基于曲线斜率变化的汽车方向盘检测方法，包括如下步骤：

步骤1：对含有车辆的彩色图像image进行车窗定位，在本实施例中选取的image如图1所示，车窗定位结果如图2所示；

步骤2：从图像image中截取车窗右半部分作为新的图像WinImg，在本实施例中如图3所示，并且对图像WinImg进行灰度化、高斯滤波、形态学边缘检测、局部二值化以及边缘细化操作，得到图像WinImg的单像素边缘图像，记为EdgeImg，在本实施例中如图4所示；

步骤3：利用八邻域边缘跟踪算法遍历EdgeImg中的每一条单像素边缘，并且将每一条单像素边缘上的像素点分别按顺序存储在数组中，记为Array_i,i＝1,2,…,n，其中,Array_i表示第i条单像素边缘，n表示EdgeImg中单像素边缘的数量；

步骤4：针对步骤3遍历得到的每一条单像素边缘，计算每一条单像素边缘各自对应的一个新的平面直角坐标系，记为xOy_i，xOy_i由边缘图EdgeImg的原平面直角坐标系通过平移旋转变换得到，其中边缘图EdgeImg的原平面直角坐标系表示以边缘图EdgeImg的左上角为坐标系原点，水平向右为x轴正方向，垂直向下为y轴正方向的平面直角坐标系；

步骤5：将步骤3遍历得到的每一条单像素边缘等间隔分为6段，然后按顺序选取单像素边缘上的起点、五个等间隔分段点以及单像素边缘上的终点，一共七个点，记为Point_ij，j＝1,2,3,4,5,6,7，它表示第i条单像素边缘上选取的第j个点，同时计算Point_ij在第i条单像素边缘对应的新的平面直角坐标系xOy_i中的坐标值，记为(x_ij,y_ij)；

步骤6：分别计算每一条单像素边缘在点Point_ij处的切线斜率，记为slop_ij，其中slop_ij＝(y_i(j+1)–y_i(j-1))÷(x_i(j+1)–x_i(j-1))；

步骤7：分别计算每一条单像素边缘在点Point_ij处的曲线偏转角度，记为θ_ij，然后计算每一条单像素边缘对应的五个θ_ij的平均值Avg_θi和方差S_θi；

步骤8：根据步骤6得到的slop_ij和步骤7得到的Avg_θi和S_θi筛选满足开口朝下的劣弧检测条件的单像素边缘作为候选汽车方向盘边缘；

步骤9：对步骤8获得的所有候选汽车方向盘边缘分别计算其对应的一个假定圆，假定圆的计算首先从对应的候选汽车方向盘边缘中选取边缘的起点、边缘的二等分分段点以及边缘的终点这三个点，根据这三点确定一个假定圆；

步骤10：从步骤9获得的所有假定圆中选择一个满足如下条件的圆作为最终检测到的方向盘：该圆需要满足圆半径r在预先设定的范围内，在本实施例中设为60<r<120，并且满足圆心到边缘图EdgeImg的底边缘距离最短，并且这个距离需要小于该圆本身半径的三分之二。

所述的一种基于曲线斜率变化的汽车方向盘检测方法，其特征在于步骤4中由边缘图EdgeImg的原平面直角坐标系通过平移旋转变换分别得到每一条单像素边缘各自对应的一个新的平面直角坐标系xOy_i的过程如下：

4.1)：根据公式(1)计算边缘图EdgeImg的原平面直角坐标系在x轴方向上需要平移的长度记为Δx_i，并且根据Δx_i的值进行平移；

其中，count_i表示数组Array_i中的元素个数，Array_i[0].x表示数组Array_i中第0个元素的x坐标值，Array_i[count_i-1].x表示数组Array_i中最后一个元素的x坐标值；

4.2)：根据公式(2)计算边缘图EdgeImg的原平面直角坐标系在y轴方向上需要平移的长度记为Δy_i，并且根据Δy_i的值进行平移；

其中，Array_i[0].y表示数组Array_i中第0个元素的y坐标值，Array_i[count_i-1].y表示数组Array_i中最后一个元素的y坐标值。

4.3)：根据公式(3)计算边缘图EdgeImg的原平面直角坐标系在平移之后需要旋转的度数记为Δθ_i，并且根据Δθ_i的值进行旋转；

其中，arctan表示求反正切值。

所述的一种基于曲线斜率变化的汽车方向盘检测方法，其特征在于步骤5中Point_ij在第i条单像素边缘对应的新的平面直角坐标系xOy_i中的坐标值(x_ij,y_ij)的计算如下：

5.1)：根据公式(4)计算横坐标值x_ij；

x_ij＝(X_ij-Δx_i)×cos(-Δθ_i)-(Y_ij-Δy_i)×sin(-Δθ_i) (4)

其中，X_ij表示点Point_ij在边缘图EdgeImg的原平面直角坐标系中的横坐标值，Y_ij表示点Point_ij在边缘图EdgeImg的原平面直角坐标系中的纵坐标值，cos表示求余弦值，sin表示求正弦值；

5.2)：根据公式(5)计算纵坐标值y_ij；

y_ij＝(Y_ij-Δy_i)×cos(-Δθ_i)+(X_ij-Δx_i)×sin(-Δθ_i) (5)

其中，j＝1,2,3,4,5,6,7。

所述的一种基于曲线斜率变化的汽车方向盘检测方法，其特征在于步骤7中分别计算每一条单像素边缘在Point_ij处的曲线偏转角度θ_ij的步骤如下：

7.1)：计算每个Point_ij与Point_i(j+1)之间的中间点处的切线斜率记为slop1_ij，slop1_ij＝(y_i(j+1)–y_ij)÷(x_i(j+1)-x_j)；

7.2)：计算每个Point_ij处曲线偏转角度

其中，j＝1,2,3,4,5,6。

所述的一种基于曲线斜率变化的汽车方向盘检测方法，其特征在于步骤8中满足开口朝下的劣弧检测条件必须满足如下所有条件：

8.1)：(|Δθ_i|<90&&y_i4<0)||(|Δθ_i|≥90&&y_i4>0)；

8.2)：slop_i2×slop_i3>0&&slop_i5×slop_i6>0；

8.3)：|slop_i3|≤|slop_i2|&&|slop_i4|≤|slop_i3|&&|slop_i4|<|slop_i2|；

8.4)：|slop_i5|≤|slop_i6|&&|slop_i4|≤|slop_i5|&&|slop_i4|<|slop_i6|；

8.5)：|slop_i4|＝0；

8.6)：S_θi<ThreshS&&Avg_θi>0；

其中，ThreshS表示曲线偏转角度的方差阈值，由预先设定，在本实施例中设为0.005。

在本实施例中，通过以上处理，可以看到图5中的汽车方向盘被正确检测到。

Claims (2)

1.一种基于曲线斜率变化的汽车方向盘检测方法，其特征在于包括如下步骤：

步骤1：对含有车辆的彩色图像image进行车窗定位；

步骤2：从图像image中截取车窗右半部分作为新的图像WinImg，并且对图像WinImg进行灰度化、高斯滤波、形态学边缘检测、局部二值化以及边缘细化操作，得到图像WinImg的单像素边缘图像，记为EdgeImg；

步骤3：利用八邻域边缘跟踪算法遍历EdgeImg中的每一条单像素边缘，并且将每一条单像素边缘上的像素点分别按顺序存储在数组中，记为Array_i,i＝1,2,…,n，其中,Array_i表示第i条单像素边缘，n表示EdgeImg中单像素边缘的数量；

步骤4：针对步骤3遍历得到的每一条单像素边缘，计算每一条单像素边缘各自对应的一个新的平面直角坐标系，记为xOy_i，xOy_i由边缘图EdgeImg的原平面直角坐标系通过平移旋转变换得到，其中边缘图EdgeImg的原平面直角坐标系以边缘图EdgeImg的左上角为坐标系原点，水平向右为x轴正方向，垂直向下为y轴正方向的平面直角坐标系，由边缘图EdgeImg的原平面直角坐标系通过平移旋转变换分别得到每一条单像素边缘各自对应的一个新的平面直角坐标系xOy_i的过程如下：

4.1)：根据公式(1)计算边缘图EdgeImg的原平面直角坐标系在x轴方向上需要平移的长度记为Δx_i，并且根据Δx_i的值进行平移；

其中，count_i表示数组Array_i中的元素个数，Array_i[0].x表示数组Array_i中第1个元素的x坐标值，Array_i[count_i-1].x表示数组Array_i中最后一个元素的x坐标值；

4.2)：根据公式(2)计算边缘图EdgeImg的原平面直角坐标系在y轴方向上需要平移的长度记为Δy_i，并且根据Δy_i的值进行平移；

其中，Array_i[0].y表示数组Array_i中第1个元素的y坐标值，Array_i[count_i-1].y表示数组Array_i中最后一个元素的y坐标值；

4.3)：根据公式(3)计算边缘图EdgeImg的原平面直角坐标系在平移之后需要旋转的度数记为Δθ_i，并且根据Δθ_i的值进行旋转；

其中，arctan表示求反正切值；

步骤5：将步骤3遍历得到的每一条单像素边缘等间隔分为6段，然后按顺序选取单像素边缘上的起点、五个等间隔分段点以及单像素边缘上的终点，一共七个点，记为Point_ij，j＝1,2,3,4,5,6,7，它表示第i条单像素边缘上选取的第j个点，同时计算Point_ij在第i条单像素边缘对应的新的平面直角坐标系xOy_i中的坐标值，记为(x_ij,y_ij)，Point_ij在第i条单像素边缘对应的新的平面直角坐标系xOy_i中的坐标值(x_ij,y_ij)的计算如下：

5.1)：根据公式(4)计算横坐标值x_ij；

x_ij＝(X_ij-Δx_i)×cos(-Δθ_i)-(Y_ij-Δy_i)×sin(-Δθ_i) (4)

其中，X_ij表示点Point_ij在边缘图EdgeImg的原平面直角坐标系中的横坐标值，Y_ij表示点Point_ij在边缘图EdgeImg的原平面直角坐标系中的纵坐标值，cos表示求余弦值，sin表示求正弦值；

5.2)：根据公式(5)计算纵坐标值y_ij；

y_ij＝(Y_ij-Δy_i)×cos(-Δθ_i)+(X_ij-Δx_i)×sin(-Δθ_i) (5)

其中，j＝1,2,3,4,5,6,7；

步骤6：分别计算每一条单像素边缘在点Point_ij处的切线斜率，记为slop_ij，其中slop_ij＝(y_i(j+1)–y_i(j-1))÷(x_i(j+1)–x_i(j-1))；

步骤7：分别计算每一条单像素边缘在点Point_ij处的曲线偏转角度，记为θ_ij，然后计算每一条单像素边缘对应的五个θ_ij的平均值Avg_θi和方差S_θi；

步骤8：根据步骤6得到的slop_ij和步骤7得到的Avg_θi和S_θi筛选满足开口朝下的劣弧检测条件的单像素边缘作为候选汽车方向盘边缘，满足开口朝下的劣弧检测条件必须满足如下所有条件：

8.1)：(|Δθ_i|<90&&y_i4<0)||(|Δθ_i|≥90&&y_i4>0)；

8.2)：slop_i2×slop_i3>0&&slop_i5×slop_i6>0；

8.3)：|slop_i3|≤|slop_i2|&&|slop_i4|≤|slop_i3|&&|slop_i4|<|slop_i2|；

8.4)：|slop_i5|≤|slop_i6|&&|slop_i4|≤|slop_i5|&&|slop_i4|<|slop_i6|；

8.5)：|slop_i4|＝0；

8.6)：S_θi<ThreshS&&Avg_θi>0；

其中，ThreshS表示曲线偏转角度的方差阈值，预先设定；

步骤9：对步骤8获得的所有候选汽车方向盘边缘分别计算其对应的一个假定圆，假定圆的计算首先从对应的候选汽车方向盘边缘中选取边缘的起点、边缘的二等分分段点以及边缘的终点这三个点，根据这三点确定一个假定圆；

步骤10：从步骤9获得的所有假定圆中选择一个满足如下条件的圆作为最终检测到的方向盘，作为最终检测到的方向盘的圆满足如下条件：该圆需要满足圆半径r在预先设定的范围内，并且满足圆心到边缘图EdgeImg的底边缘距离最短，并且这个距离需要小于该圆本身半径的三分之二。

2.根据权利要求1所述的一种基于曲线斜率变化的汽车方向盘检测方法，其特征在于步骤7中分别计算每一条单像素边缘在Point_ij处的曲线偏转角度θ_ij的步骤如下：

7.1)：计算每个Point_ij与Point_i(j+1)之间的中间点处的切线斜率记为slop1_ij，slop1_ij＝(y_i(j+1)–y_ij)÷(x_i(j+1)-x_j)；

7.2)：计算每个Point_ij处曲线偏转角度

其中，j＝1,2,3,4,5,6。

Images