CN109886120A - 一种斑马线检测方法及系统 - Google Patents
一种斑马线检测方法及系统 Download PDFInfo
- Publication number
- CN109886120A CN109886120A CN201910059885.5A CN201910059885A CN109886120A CN 109886120 A CN109886120 A CN 109886120A CN 201910059885 A CN201910059885 A CN 201910059885A CN 109886120 A CN109886120 A CN 109886120A
- Authority
- CN
- China
- Prior art keywords
- edge
- straight line
- region
- interest
- simply connected
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种斑马线检测方法及系统,包括以下步骤:获取视频帧图像,进行图像预处理;根据水平投影积计算确定兴趣区域;计算兴趣区域的每个单连通区域的竖直边缘坐标;将竖直边缘坐标进行直线拟合;计算所有拟合直线的交点数量并计算所有交点的质心;以所有交点的质心为中心,r个像素点的距离为半径画圆,计算落在圆内的交点数量,当落在圆内的交点数量大于所有交点的数量的一半时,则确定兴趣区域内有斑马线。
Description
技术领域
本发明属于图像处理和模式识别技术领域,尤其涉及一种斑马线检测方法及系统。
背景技术
驾驶辅助系统近年来在智能交通系统中得到了广泛的研究与应用,然而由于动态的交通场景受光照条件变化、背景混乱、运动模糊、阴影等因素的干扰,这为路面标志的检测带来了极大的技术困难。随着机动车数量的增加,交通事故频发,公路交通的安全以及运输效率问题变得日益突出。在行人拥有优先通行权的斑马线上,常常因为机动车和行人抢道而发生交通事故。
传统的斑马线检测算法有基于边缘检测算法和基于频域检测算法,基于边缘检测算法由于图像采集设备与路面有夹角,使得采集到的标志发生了透视,所以大多数斑马线标志难以达到平行;而通过边缘检测来确定兴趣区域的方法具有很多不确定因素,比如在阳光明媚、树林林立的情况下,由于数目的倒影,使得目标边缘的检测不再准确,从而难以提取出目标边缘的特征点,故此方法难以达到较高的识别率。基于频域检测算法方法要求计算每一个像素点的值,并且要求斑马线正对着图像获取设备,且相机不能有过大的畸变,还要求目标不能被遮挡。因此,在实际动态交通场景下,现有的斑马线检测技术存在一定的不足。
发明内容
有鉴于此,本发明提供了一种斑马线检测方法及系统。本发明为了解决现存问题,提供以下技术方案:
一种斑马线检测方法,包括以下步骤:
步骤一:获取视频帧图像并对所述视频帧图像进行预处理,得到预处理后的图像;
步骤二:计算所述预处理后的图像的水平投影积,将水平投影积大于水平投影积预设阈值的区域确定为所述预处理后的图像的兴趣区域;
步骤三:计算所述兴趣区域内的每个单连通区域的竖直边缘坐标;
步骤四:采用最小二乘法对所述竖直边缘坐标进行直线拟合,得到单连通区域的边缘直线;
步骤五:将所述兴趣区域图像从正中间分为左右两部分,所述边缘直线包括第一边缘直线和第二边缘直线,所述第一边缘直线为所述兴趣区域图像左边经过所述单连通区域的边缘且斜率为正的边缘直线,所述第二边缘直线为所述兴趣区域图像右边经过所述单连通区域的边缘且斜率为负的边缘直线,计算所述第一边缘直线和所述第二边缘直线之间所有交点的数量;
步骤六:计算所述第一边缘直线和所述第二边缘直线之间的所有交点的质心;
步骤七:以所述所有交点的质心为中心,r个像素点的距离为半径画圆,计算落在圆内的交点数量,当落在圆内的交点数量大于所述所有交点的数量的一半时,则确定所述兴趣区域内有斑马线。
进一步,所述步骤一具体包括:
通过摄像头获取视频帧图像,所述摄像头安装在汽车上,距离地面高1.2-1.5米,仰角15-30度,广角120-150度,所述摄像头以25帧/秒的帧率获取车辆前方的交通信息;
对所述视频帧图像进行预处理,得到预处理后的图像。
进一步,所述预处理具体包括滤波处理、灰度化处理和自适应二值化处理中的至少一种。
进一步,所述步骤三具体包括:
将所述兴趣区域内的第k个单连通区域从左往右、从上往下依次进行扫描;
当遇到第一个像素I(i,j)=k的点时,记下该点的坐标;
返回执行所述将所述兴趣区域内的第k个单连通区域从左往右、从上往下依次进行扫描的步骤,直到记下第k个单连通区域的最后一个像素点的坐标;
或者,将所述兴趣区域内的第k个单连通区域从右往左、从上往下依次进行扫描;
当遇到第一个像素I(i,j)=k的点时,记下该点的坐标;
返回执行所述将所述兴趣区域内的第k个单连通区域从右往左、从上往下依次进行扫描的步骤,直到记下第k个单连通区域的最后一个像素点的坐标。
进一步,所述步骤四具体包括:
输入竖直边缘坐标(x1,y1),(x2,y2)...(xn,yn);
根据所述竖直边缘坐标计算
将上一步中所计算的各项值代入公式进行计算
根据上一步中得出的a和b的值得到单连通区域的边缘直线。
进一步,所述步骤五具体包括:
分别扫描所述兴趣区域图像左边经过目标边缘且斜率为正的第一边缘直线和所述兴趣区域图像右边经过目标边缘且斜率为负的第二边缘直线,并按顺序记为直线1,2…k;
计算第i(i=1,2...k-1)条直线和j(j=i+1,i+2...k)条直线的交点(xi,yj),共个交点。
进一步,所述步骤六具体包括:
进一步,所述步骤七具体包括:
计算落在圆内的交点数量,记s1=0,如果点(xi,yj),i(i=1,2...k-1),j(j=i+1,i+2...k)满足(x-xi)2+(y-yj)2≤6,则s1=s1+1;
根据落在圆内的交点数量占直线交点总数的比例来判断该兴趣区域内是否出现斑马线,即若则确定所述兴趣区域内有斑马线。
一种斑马线检测系统,包括视频获取单元、兴趣区域获取单元、坐标计算单元、直线拟合单元、交点计算单元、质心计算单元、判定单元;所述视频获取单元包括视频采集装置和图像预处理模块;
所述视频获取单元用于获取视频帧图像并对所述视频帧图像进行预处理,得到预处理后的图像。
所述兴趣区域获取单元用于计算所述预处理后的图像的水平投影积,将水平投影积大于水平投影积预设阈值的区域确定为所述预处理后的图像的兴趣区域;
所述坐标计算单元用于计算所述兴趣区域内的每个单连通区域的竖直边缘坐标;
所述直线拟合单元用于采用最小二乘法对所述竖直边缘坐标进行直线拟合,得到单连通区域的边缘直线;
所述交点计算单元用于将所述兴趣区域图像从正中间分为左右两部分,所述边缘直线包括第一边缘直线和第二边缘直线,所述第一边缘直线为所述兴趣区域图像左边经过所述单连通区域的边缘且斜率为正的边缘直线,所述第二边缘直线为所述兴趣区域图像右边经过所述单连通区域的边缘且斜率为负的边缘直线,计算所述第一边缘直线和所述第二边缘直线之间所有交点的数量;
所述质心计算单元用于计算所述所有交点的质心;
所述判定单元用于以所述所有交点的质心为中心,r个像素点的距离为半径画圆,计算落在圆内的交点数量,当落在圆内的交点数量大于所述所有交点的数量的一半时,则确定所述兴趣区域内有斑马线。
进一步,所述视频采集装置用于通过摄像头获取视频帧图像,所述摄像头安装在汽车上,距离地面高1.2-1.5米,仰角15-30度,广角120-150度,所述摄像头以25帧/秒的帧率获取车辆前方的交通信息;
所述图像预处理模块用于对所述视频帧图像进行预处理,得到预处理后的图像。
进一步,所述预处理具体包括滤波处理、灰度化处理和自适应二值化处理中的至少一种。
进一步,所述坐标计算单元用于将所述兴趣区域内的第k个单连通区域从左往右、从上往下依次进行扫描;
当遇到第一个像素I(i,j)=k的点时,记下该点的坐标;
返回执行所述将所述兴趣区域内的第k个单连通区域从左往右、从上往下依次进行扫描的步骤,直到记下第k个单连通区域的最后一个像素点的坐标;
所述坐标计算单元还用于将所述兴趣区域内的第k个单连通区域从右往左、从上到下依次进行扫描;
当遇到第一个像素I(i,j)=k的点时,记下该点的坐标;
返回执行所述将所述兴趣区域内的第k个单连通区域从右往左、从上往下依次进行扫描的步骤,直到记下第k个单连通区域的最后一个像素点的坐标。
进一步,所述直线拟合单元用于输入竖直边缘坐标(x1,y1),(x2,y2)...(xn,yn);
根据所述竖直边缘坐标计算
将上一步中所计算的各项值代入公式进行计算
根据上一步中得出的a和b的值得到单连通区域的边缘直线。
进一步,所述交点计算单元用于分别扫描所述兴趣区域图像左边经过目标边缘且斜率为正的第一边缘直线和所述兴趣区域图像右边经过目标边缘且斜率为负的第二边缘直线,并按顺序记为直线1,2…k;
计算第i(i=1,2...k-1)条直线和j(j=i+1,i+2...k)条直线的交点(xi,yj),共个交点。
进一步,所述质心计算单元用于计算所述所有交点的质心,具体包括:
进一步,所述判定单元用于计算落在圆内的交点数量,记s1=0,如果点(xi,yj),i(i=1,2...k-1),j(j=i+1,i+2...k)满足(x-xi)2+(y-yj)2≤6,则s1=s1+1;
根据落在圆内的交点数量占直线交点总数的比例来判断该兴趣区域内是否出现斑马线,即若则确定当前兴趣区域内有斑马线。
本发明的有益效果是:本发明提出的斑马线检测方法,该方法由于是先通过寻找水平投影积较大的兴趣区域来确定可能存在的斑马线标志,然后在兴趣区域内对目标边缘作直线拟合,最后通过拟合直线的交点数目来确定兴趣区域内是否有斑马线。该方法克服了传统边缘检测难的缺点。由于该方法通过对斑马线特征(斑马线水平投影积较大,边缘呈直线性等特征)逐一进行筛选,因此该方法对车辆、行人等前景目标的遮挡具有较高的鲁棒性。
附图说明
图1为本发明实施例提供的一种斑马线检测方法的流程示意图;
图2为本发明实施例提供的一种斑马线检测系统的结构示意图;
图3为本发明实施例中预处理后的图像示意图;
图4为本发明实施例中兴趣区域图像示意图;
图5为本发明实施例中作直线拟合后的图像示意图;
图6为本发明实施例中交点落在圆内的情况示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,只用于解释本发明,并非用于限定本发明的范围。
如图1所示,所述斑马线检测方法包括:
步骤一:获取视频帧图像并对所述视频帧图像进行预处理,得到预处理后的图像;
步骤一具体包括:
通过摄像头获取视频帧图像,所述摄像头安装在汽车上,距离地面高1.2-1.5米,仰角15-30度,广角120-150度,所述摄像头以25帧/秒的帧率获取车辆前方的交通信息;
对所述视频帧图像进行预处理,得到预处理后的图像;所述预处理具体包括滤波处理、灰度化处理和自适应二值化处理中的至少一种。
步骤二:计算所述预处理后的图像的水平投影积V,将水平投影积V大于水平投影积预设阈值V1的区域确定为所述预处理后的图像的兴趣区域;
所述V1=30。
步骤三:计算所述兴趣区域内的每个单连通区域的竖直边缘坐标;
步骤三具体包括:
将所述兴趣区域内的第k个单连通区域从左往右、从上往下依次进行扫描;
当遇到第一个像素I(i,j)=k的点时,记下该点的坐标;
返回执行将所述兴趣区域内的第k个单连通区域从左往右、从上往下依次进行扫描,直到记下第k个单连通区域区域的最后一个像素点的坐标;
将所述兴趣区域内的第k个单连通区域从右往左、从上往下依次进行扫描;
当遇到第一个像素I(i,j)=k的点时,记下该点的坐标;
返回执行将所述兴趣区域内的第k个单连通区域从右往左、从上往下依次进行扫描,直到记下第k个单连通区域的最后一个像素点的坐标;
步骤四:采用最小二乘法对所述竖直边缘坐标进行直线拟合,得到单连通区域的边缘直线;
步骤四具体包括:
输入竖直边缘坐标(x1,y1),(x2,y2)...(xn,yn);
根据所述竖直边缘坐标计算
将上一步中所计算的各项值代入公式进行计算
根据上一步中得出的a和b的值得到单连通区域的边缘直线。
步骤五:将所述兴趣区域图像从正中间分为左右两部分,所述边缘直线包括第一边缘直线和第二边缘直线,所述第一边缘直线为所述兴趣区域图像左边经过所述单连通区域边缘且斜率为正的边缘直线,所述第二边缘直线为所述兴趣区域图像右边经过所述单连通区域的边缘且斜率为负的边缘直线,计算所述第一边缘直线和第二边缘直线之间所有交点的数量;
步骤五具体包括:
分别扫描所述兴趣区域图像左边经过目标边缘且斜率为正的第一边缘直线和所述兴趣区域图像右边经过目标边缘且斜率为负的第二边缘直线,并按顺序记为直线1,2…k;
计算第i(i=1,2...k-1)条直线和j(j=i+1,i+2…k)条直线的交点(xi,yj),共个交点;
步骤六:计算所述第一边缘直线和所述第二边缘直线之间的所有交点的质心;
步骤六具体包括:
步骤七:以所述所有交点的质心为中心,r个像素点的距离为半径画圆,计算落在圆内的交点数量,当落在圆内的交点数量大于所述所有交点的数量的一半时,则确定所述兴趣区域内有斑马线;
步骤七具体包括:
计算落在圆内的交点数量,记s1=0,如果点(xi,yj),i(i=1,2...k-1),j(j=i+1,i+2...k)满足(x-xi)2+(y-yj)2≤6,则s1=s1+1;
根据落在圆内的交点数量占直线交点总数的比例来判断该兴趣区域内是否出现斑马线,即若则确定当前兴趣区域内有斑马线。
如图2所示,所述系统包括:
视频获取单元100,包括视频采集装置200和图像预处理模块300。所述视频采集装置200用于打开摄像头,获取视频帧图像;所述图像预处理模块300用于对视频帧图像进行预处理,得到预处理后的图像;所述摄像头安装在汽车上距离地面高1.2-1.5米,仰角15-30度,广角120-150度;所述摄像头以25帧/秒的帧率获取车辆前方的交通信息;所述预处理包括滤波处理、灰度化处理和自适应二值化处理中的至少一种;图3为本发明实施例中预处理后的图像示意图。
兴趣区域获取单元400,所述兴趣区域400用于计算所述预处理后的图像的水平投影积V,将水平投影积V大于水平投影积预设阈值V1的区域确定为所述预处理后的图像的兴趣区域;所述V1=30;图4为本发明实施例中兴趣区域图像示意图。
坐标计算单元500,所述坐标计算单元500用于计算所述兴趣区域内的每个单连通区域的竖直边缘坐标,具体包括以下步骤:
所述坐标计算单元用于将所述兴趣区域内的第k个单连通区域从左往右、从上往下依次进行扫描;
当遇到第一个像素I(i,j)=k的点时,记下该点的坐标;
返回执行所述将所述兴趣区域内的第k个单连通区域从左往右、从上往下依次进行扫描的步骤,直到记下第k个单连通区域的最后一个像素点的坐标;
所述坐标计算单元还用于将所述兴趣区域内的第k个单连通区域从右往左、从上往下依次进行扫描;
当遇到第一个像素I(i,j)=k的点时,记下该点的坐标;
返回执行所述将所述兴趣区域内的第k个单连通区域从右往左、从上往下依次进行扫描的步骤,直到记下第k个单连通区域的最后一个像素点的坐标。
直线拟合单元600,所述直线拟合单元600用于采用最小二乘法对所述竖直边缘坐标进行直线拟合,得到单连通区域的边缘直线;具体包括以下步骤:
所述直线拟合单元用输入竖直边缘坐标(x1,y1),(x2,y2)...(xn,yn);
根据所述竖直边缘坐标计算
将上一步中所计算的各项值代入公式进行计算
根据上一步中得出的a和b的值得到单连通区域的边缘直线;图5为本发明实施例中作直线拟合后的图像示意图。
交点计算单元700,所述交点计算单元700用于将所述兴趣区域图像从正中间分为左右两部分,所述边缘直线包括第一边缘直线和第二边缘直线,所述第一边缘直线为所述兴趣区域图像左边经过所述单连通区域的边缘且斜率为正的边缘直线,所述第二边缘直线为所述兴趣区域图像右边经过所述单连通区域的边缘且斜率为负的边缘直线,计算所述第一边缘直线和所述第二边缘直线之间所有交点的数量;具体包括以下步骤:
所述交点计算单元用于分别扫描所述兴趣区域图像左边经过目标边缘且斜率为正的第一边缘直线和所述兴趣区域图像右边经过目标边缘且斜率为负的第二边缘直线,并按顺序记为直线1,2…k;
计算第i(i=1,2...k-1)条直线和j(j=i+1,i+2...k)条直线的交点(xi,yj),共个交点。
质心计算单元800,所述质心计算单元800用于计算所述所有交点的质心,包括以下步骤:
根据交点数量计算过程中的交点坐标,计算这些交点的坐标质心:
判定单元900,所述判定单元900用于以所述交点的质心为中心,r个像素点的距离为半径画圆,计算落在圆内的交点数量,当落在圆内的交点数量大于所述所有交点的数量的一半时,则确定所述兴趣区域内有斑马线,所述r=6;具体包括以下步骤:
所述判定单元用于计算落在圆内的交点数量,记s1=0,如果点(xi,yj),i(i=1,2...k-1),j(j=i+1,i+2...k)满足(x-xi)2+(y-yj)2≤6,则s1=s1+1;
根据落在圆内的交点数量占直线交点总数的比例来判断该兴趣区域内是否出现斑马线,即若则确定当前兴趣区域内有斑马线;图6为本发明实施例中交点落在落在圆内的情况示意图
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种斑马线检测方法,其特征在于,包括以下步骤:
步骤一:获取视频帧图像并对所述视频帧图像进行预处理,得到预处理后的图像;
步骤二:计算所述预处理后的图像的水平投影积,将水平投影积大于水平投影积预设阈值的区域确定为所述预处理后的图像的兴趣区域;
步骤三:计算所述兴趣区域内的每个单连通区域的竖直边缘坐标;
步骤四:采用最小二乘法对所述竖直边缘坐标进行直线拟合,得到单连通区域的边缘直线;
步骤五:将所述兴趣区域图像从正中间分为左右两部分,所述边缘直线包括第一边缘直线和第二边缘直线,所述第一边缘直线为所述兴趣区域图像左边经过所述单连通区域的边缘且斜率为正的边缘直线,所述第二边缘直线为所述兴趣区域图像右边经过所述单连通区域的边缘且斜率为负的边缘直线,计算所述第一边缘直线和所述第二边缘直线之间所有交点的数量;
步骤六:计算所述第一边缘直线和所述第二边缘直线之间的所有交点的质心;
步骤七:以所述所有交点的质心为中心,r个像素点的距离为半径画圆,计算落在圆内的交点数量,当落在圆内的交点数量大于所述所有交点的数量的一半时,则确定所述兴趣区域内有斑马线。
2.根据权利要求1所述的方法,其特征在于,所述步骤一具体包括:
通过摄像头获取视频帧图像,所述摄像头安装在汽车上,距离地面高1.2-1.5米,仰角15-30度,广角120-150度,所述摄像头以25帧/秒的帧率获取车辆前方的交通信息;
对所述视频帧图像进行预处理,得到预处理后的图像。
3.根据权利要求2所述的方法,其特征在于,所述预处理具体包括滤波处理、灰度化处理和自适应二值化处理中的至少一种。
4.根据权利要求1所述的方法,其特征在于,所述步骤三具体包括:
将所述兴趣区域内的第k个单连通区域从左往右、从上往下依次进行扫描;
当遇到第一个像素I(i,j)=k的点时,记下该点的坐标;
返回执行所述将所述兴趣区域内的第k个单连通区域从左往右、从上往下依次进行扫描的步骤,直到记下第k个单连通区域的最后一个像素点的坐标;
或者,将所述兴趣区域内的第k个单连通区域从右往左、从上往下依次进行扫描;
当遇到第一个像素I(i,j)=k的点时,记下该点的坐标;
返回执行所述将所述兴趣区域内的第k个单连通区域从右往左、从上往下依次进行扫描的步骤,直到记下第k个单连通区域的最后一个像素点的坐标。
5.根据权利要求1所述的方法,其特征在于,所述步骤四具体包括:
输入竖直边缘坐标(x1,y1),(x2,y2)...(xn,yn);
根据所述竖直边缘坐标计算
将上一步中所计算的各项值代入公式进行计算
根据上一步中得出的a和b的值得到单连通区域的边缘直线。
6.根据权利要求1所述的方法,其特征在于,所述步骤五具体包括:
分别扫描所述兴趣区域图像左边经过目标边缘且斜率为正的第一边缘直线和所述兴趣区域图像右边经过目标边缘且斜率为负的第二边缘直线,并按顺序记为直线1,2…k;
计算第i(i=1,2...k-1)条直线和j(j=i+1,i+2...k)条直线的交点(xi,yj),共个交点。
7.根据权利要求1中所述的方法,其特征在于,所述步骤六具体包括:
8.根据权利要求1所述的方法,其特征在于,所述步骤七具体包括:
计算落在圆内的交点数量,记s1=0,如果点(xi,yj),i(i=1,2...k-1),j(j=i+1,i+2...k)满足(x-xi)2+(y-yj)2≤6,则s1=s1+1;
根据落在圆内的交点数目占直线交点总数的比例来判断该兴趣区域内是否出现斑马线,即若则确定当前兴趣区域内有斑马线。
9.一种斑马线检测系统,其特征在于,包括视频获取单元、兴趣区域获取单元、坐标计算单元、直线拟合单元、交点计算单元、质心计算单元、判定单元;所述视频获取单元包括视频采集装置和图像预处理模块;
所述视频获取单元用于获取视频帧图像并对所述视频帧图像进行预处理,得到预处理后的图像;
所述兴趣区域获取单元用于计算所述预处理后的图像的水平投影积,将水平投影积大于水平投影积预设阈值的区域确定为所述预处理后的图像的兴趣区域;
所述坐标计算单元用于计算所述兴趣区域内的每个单连通区域的竖直边缘坐标;
所述直线拟合单元用于采用最小二乘法对所述竖直边缘坐标进行直线拟合,得到单连通区域的边缘直线;
所述交点计算单元用于将所述兴趣区域图像从正中间分为左右两部分,所述边缘直线包括第一边缘直线和第二边缘直线,所述第一边缘直线为所述兴趣区域图像左边经过所述单连通区域的边缘且斜率为正的边缘直线,所述第二边缘直线为所述兴趣区域图像右边经过所述单连通区域的边缘且斜率为负的边缘直线,计算所述第一边缘直线和所述第二边缘直线之间所有交点的数量;
所述质心计算单元用于计算所述第一边缘直线和所述第二边缘直线之间的所有交点的质心;
所述判定单元用于以所述所有交点的质心为中心,r个像素点的距离为半径画圆,计算落在圆内的交点数量,当落在圆内的交点数量大于所述所有交点的数量的一半时,则确定所述兴趣区域内有斑马线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910059885.5A CN109886120B (zh) | 2019-01-22 | 2019-01-22 | 一种斑马线检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910059885.5A CN109886120B (zh) | 2019-01-22 | 2019-01-22 | 一种斑马线检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109886120A true CN109886120A (zh) | 2019-06-14 |
CN109886120B CN109886120B (zh) | 2021-04-30 |
Family
ID=66926485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910059885.5A Expired - Fee Related CN109886120B (zh) | 2019-01-22 | 2019-01-22 | 一种斑马线检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109886120B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705441A (zh) * | 2019-09-27 | 2020-01-17 | 四川长虹电器股份有限公司 | 人行横道线图像后处理方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101807352A (zh) * | 2010-03-12 | 2010-08-18 | 北京工业大学 | 一种模糊模式识别的车位检测方法 |
CN103295420A (zh) * | 2013-01-30 | 2013-09-11 | 吉林大学 | 一种车道线识别的方法 |
CN103562963A (zh) * | 2011-05-25 | 2014-02-05 | 三维Ip有限责任公司 | 用于角切片真3d显示器的对准、校准和渲染的系统和方法 |
CN104809433A (zh) * | 2015-04-21 | 2015-07-29 | 电子科技大学 | 一种基于最大稳定区域和随机采样的斑马线检测方法 |
CN106353726A (zh) * | 2016-09-23 | 2017-01-25 | 武汉创驰蓝天信息科技有限公司 | 一种用于室内定位的二次加权质心确定方法及系统 |
CN106355159A (zh) * | 2016-09-07 | 2017-01-25 | 遵义师范学院 | 一种基于垂直投影积分的斑马线快速检测方法 |
US20170225681A1 (en) * | 2016-02-10 | 2017-08-10 | Zenrin Co., Ltd. | Driving support apparatus, server, and non-transitory computer-readable medium |
CN107918775A (zh) * | 2017-12-28 | 2018-04-17 | 聊城大学 | 一种辅助车辆安全驾驶的斑马线检测方法及系统 |
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 |
CN108337914A (zh) * | 2015-10-06 | 2018-07-27 | 柯尼卡美能达株式会社 | 行动检测系统、行动检测装置、行动检测方法以及行动检测程序 |
CN207993239U (zh) * | 2017-10-20 | 2018-10-19 | 贵州民族大学 | 一种闯黄灯检测装置 |
-
2019
- 2019-01-22 CN CN201910059885.5A patent/CN109886120B/zh not_active Expired - Fee Related
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101807352A (zh) * | 2010-03-12 | 2010-08-18 | 北京工业大学 | 一种模糊模式识别的车位检测方法 |
CN103562963A (zh) * | 2011-05-25 | 2014-02-05 | 三维Ip有限责任公司 | 用于角切片真3d显示器的对准、校准和渲染的系统和方法 |
CN103295420A (zh) * | 2013-01-30 | 2013-09-11 | 吉林大学 | 一种车道线识别的方法 |
CN104809433A (zh) * | 2015-04-21 | 2015-07-29 | 电子科技大学 | 一种基于最大稳定区域和随机采样的斑马线检测方法 |
CN108337914A (zh) * | 2015-10-06 | 2018-07-27 | 柯尼卡美能达株式会社 | 行动检测系统、行动检测装置、行动检测方法以及行动检测程序 |
US20170225681A1 (en) * | 2016-02-10 | 2017-08-10 | Zenrin Co., Ltd. | Driving support apparatus, server, and non-transitory computer-readable medium |
CN106355159A (zh) * | 2016-09-07 | 2017-01-25 | 遵义师范学院 | 一种基于垂直投影积分的斑马线快速检测方法 |
CN106353726A (zh) * | 2016-09-23 | 2017-01-25 | 武汉创驰蓝天信息科技有限公司 | 一种用于室内定位的二次加权质心确定方法及系统 |
CN207993239U (zh) * | 2017-10-20 | 2018-10-19 | 贵州民族大学 | 一种闯黄灯检测装置 |
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 |
CN107918775A (zh) * | 2017-12-28 | 2018-04-17 | 聊城大学 | 一种辅助车辆安全驾驶的斑马线检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
Q. ZHAO 等: "Video Based Real-Time Pedestrian Detection on Zebra Cross", 《2009 IEEE》 * |
陈祖胜: "基于车载视觉的路面交通标志识别研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705441A (zh) * | 2019-09-27 | 2020-01-17 | 四川长虹电器股份有限公司 | 人行横道线图像后处理方法及系统 |
CN110705441B (zh) * | 2019-09-27 | 2022-11-25 | 四川长虹电器股份有限公司 | 人行横道线图像后处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109886120B (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103065138B (zh) | 一种机动车牌号的识别方法 | |
CN106951879B (zh) | 基于摄像头与毫米波雷达的多特征融合车辆检测方法 | |
EP1796043B1 (en) | Object detection | |
CN105005771B (zh) | 一种基于光流点轨迹统计的车道线实线的检测方法 | |
CN104778444B (zh) | 道路场景下车辆图像的表观特征分析方法 | |
AU2009295350B2 (en) | Detection of vehicles in an image | |
CN102708356B (zh) | 一种基于复杂背景下的车牌自动定位和识别方法 | |
CN103473762B (zh) | 一种车道线检测方法和装置 | |
CN105005778B (zh) | 一种基于视觉背景提取的高速公路车辆检测方法 | |
EP2879385B1 (en) | Three-dimensional object detection device and three-dimensional object detection method | |
KR100975749B1 (ko) | 단일 차선을 이용한 차선 인식 및 차량의 차선 이탈 검출 방법 | |
CN111369541A (zh) | 一种智能汽车恶劣天气条件下车辆检测方法 | |
CN103903018A (zh) | 一种复杂场景中对车牌进行定位的方法和系统 | |
CN104509090A (zh) | 车载用图像识别装置 | |
Wang et al. | A vision-based road edge detection algorithm | |
CN102419820A (zh) | 一种快速检测视频与图像中汽车车标的方法 | |
CN109886175B (zh) | 一种直线与圆弧相结合的车道线检测方法 | |
CN104537342B (zh) | 一种结合山脊边界检测及霍夫变换的快速车道线检测方法 | |
CN111832536A (zh) | 一种车道线检测方法及装置 | |
CN106887004A (zh) | 一种基于块匹配的车道线检测方法 | |
CN109147393A (zh) | 基于视频分析的车辆变道检测方法 | |
CN111783666A (zh) | 一种基于连续视频帧角点特征匹配的快速车道线检测方法 | |
CN106529404A (zh) | 基于摄像原理的无人驾驶汽车对路面标志线的识别方法 | |
Cheng et al. | A vehicle detection approach based on multi-features fusion in the fisheye images | |
CN109241920A (zh) | 一种用于车载道路监控取证系统的车道线检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210430 Termination date: 20220122 |