CN112949626A - 一种基于hsv颜色空间的斑马线检测方法 - Google Patents

Abstract

本发明公开了一种基于HSV颜色空间的斑马线检测方法，所述方法包括：获取斑马线帧图像和HSV颜色空间；根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域；对所述斑马线候选区域进行分析检测，得到目标斑马线区域。本发明通过HSV颜色空间和斑马线帧图像得到斑马线候选区域，然后对所述斑马线候选区域进行分析检测得到精准的目标斑马线区域，以实现精准的盲人导航。

Description

一种基于HSV颜色空间的斑马线检测方法

技术领域

本发明涉及图像处理技术领域，尤其涉及的是一种基于HSV颜色空间的斑马线检测方法。

背景技术

斑马线检测旨在检测出交叉路口的斑马线，主要广泛应用在以视觉为基础的自动驾驶，盲人导航等领域。现有斑马线检测算法存在如下问题：1.对于存在树荫、破损、积水等场景斑马线的检测效果不佳，受背景的影响较大；2.对远距离的斑马线识别效果不佳；3.能够识别的场景有限，并且误识率较高等问题。

因此，现有技术还有待改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于HSV颜色空间的斑马线检测方法，旨在解决现有技术中检测斑马线的方法对于存在树荫、破损、积水等场景斑马线的检测效果不佳；或者对远距离的斑马线识别效果不佳，受背景的影响较大；或者能够识别的场景有限，并且误识率较高的问题。

本发明解决问题所采用的技术方案如下：

第一方面，本发明实施例提供一种基于HSV颜色空间的斑马线检测方法，其中，所述方法包括：

获取和HSV颜色空间斑马线帧图像；

根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域；

对所述斑马线候选区域进行分析检测，得到目标斑马线区域。

在一种实现方式中，其中，所述所述根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域包括：

将所述斑马线帧图像进行灰度转换，得到灰度图；

根据所述HSV颜色空间和所述斑马线帧图像，得到掩膜区域；

根据所述灰度图和所述掩膜区域，得到斑马线候选区域。

在一种实现方式中，其中，所述根据所述HSV颜色空间和所述斑马线帧图像，得到掩膜区域包括：

基于HSV颜色空间，确定HSV三通道的取值范围；

根据所述取值范围，提取所述HSV颜色空间中的白色区域，得到掩膜区域。

在一种实现方式中，其中，所述根据所述灰度图和所述掩膜区域，得到斑马线候选区域包括：

根据所述灰度图，得到所述灰度图的灰度值；

根据所述掩膜区域，得到所述掩膜区域的灰度值；

将所述灰度图的灰度值乘以所述掩膜区域的灰度值，得到斑马线候选区域。

在一种实现方式中，其中，所述对所述斑马线候选区域进行分析检测，得到目标斑马线区域包括：

过滤所述斑马线候选区域的噪声，得到去噪斑马线候选区域；

对所述去噪斑马线候选区域进行分析检测，得到目标斑马线区域。

在一种实现方式中，其中，所述过滤所述斑马线候选区域的噪声，得到去噪斑马线候选区域包括：

对所述斑马线候选区域中值滤波，得到中间去噪斑马线候选区域；

对所述中间去噪斑马线候选区域进行形态学开运算，得到去噪斑马线候选区域。

在一种实现方式中，其中，所述对所述去噪斑马线候选区域进行分析检测，得到目标斑马线区域包括：

对所述去噪斑马线候选区域进行边缘检测，得到候选斑马线区域；

对所述候选斑马线区域进行霍夫直线检测，得到候选斑马线的线段状态；

对所述候选斑马线的线段进行线段分析，得到目标斑马线区域。

在一种实现方式中，其中，所述对所述候选斑马线区域进行霍夫直线检测，得到候选斑马线的线段状态包括：

获取霍夫直线检测的线段的第一端点的第一横坐标x1和第一纵坐标y1以及线段的第二端点的第二横坐标x2和第二纵坐标y2；

将所述第一横坐标x1，所述第一纵坐标y1，所述第二横坐标x2，所述第二纵坐标y2代入到

中，得到候选斑马线的线段状态；其中，候选斑马线的线段状态为所述线段与水平线的角度θ。

第二方面，本发明实施例还提供一种基于HSV颜色空间的斑马线检测装置，其中，所述装置包括：

斑马线帧图像获取单元，用于获取斑马线帧图像和HSV颜色空间；

斑马线候选区域获取单元，用于根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域；

目标斑马线区域获取单元，用于对所述斑马线候选区域进行分析检测，得到目标斑马线区域。

第三方面，本发明实施例还提供一种智能终端，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如上述任意一项所述的一种基于HSV颜色空间的斑马线检测方法。

第四方面，本发明实施例还提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如上述中任意一项所述的一种基于HSV颜色空间的斑马线检测方法。

本发明的有益效果：本发明实施例首先获取斑马线帧图像和HSV颜色空间；然后根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域；最后对所述斑马线候选区域进行分析检测，得到目标斑马线区域；可见，本发明实施例中通过所述HSV颜色空间和斑马线帧图像得到斑马线候选区域，然后对所述斑马线候选区域进行分析检测得到精准的目标斑马线区域,以实现精准的盲人导航。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于HSV颜色空间的斑马线检测方法流程示意图。

图2为本发明实施例提供的候选区域生成模块示意图。

图3为本发明实施例提供的候选区域分析模块示意图。

图4为本发明实施例提供的候选区域未修改参数检测结果示意图。

图5为本发明实施例提供的仅将中值滤波掩膜修改为5×5检测结果。

图6为本发明实施例提供的仅将形态学开运算掩膜修改为5×5检测结果。

图7为本发明实施例提供的仅将Canny边缘检测阈值修改为[30,50]检测结果。

图8为本发明实施例提供的仅将Canny边缘检测阈值修改为[0,90]检测结果。

图9为本发明实施例提供的仅将Canny边缘检测阈值修改为[90,150]检测结果。

图10为本发明实施例提供的θ角示意图。

图11为本发明实施例提供的网络整体框架。

图12为本发明实施例提供的一种基于HSV颜色空间的斑马线检测装置的原理框图。

图13为本发明实施例提供的智能终端的内部结构原理框图。

具体实施方式

本发明公开了一种基于HSV颜色空间的斑马线检测方法，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

由于现有技术中，检测斑马线的方法对于存在树荫、破损、积水等场景斑马线的检测效果不佳；或者对远距离的斑马线识别效果不佳，受背景的影响较大；或者能够识别的场景有限，并且误识率较高的问题。

为了解决现有技术的问题，本实施例提供了一种基于HSV颜色空间的斑马线检测方法，通过上述方法可以得到精准的目标斑马线区域，以实现精准的盲人导航。具体实施时，先获取斑马线帧图像和HSV颜色空间，获得的斑马线帧图像包含斑马线的特征数据，故根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域，以降低斑马线的误识率；最后对所述斑马线候选区域进行分析检测，得到精准的目标斑马线区域。

举例说明

斑马线检测旨在检测出交叉路口的斑马线，主要广泛应用在以视觉为基础的自动驾驶，盲人导航等领域。目前的斑马线检测方法，主要是基于斑马线具有多条等间隔直线、黑白相间等特征。常用于斑马线检测的图像处理算法有图像灰度变换、图像均衡化、图像二值化、高斯滤波、中值滤波、形态学运算、双极性法、图像匹配、边缘检测、霍夫变换等。现有斑马线检测算法的基本思路，首先是使用图像灰度变换，将三通道图像转换为单通道图像，然后通过滤波算法去除噪声干扰，接着提取候选区域，最后对候选区域进行评估，得到最终的斑马线区域。其中最关键的一步是候选区域的提取，常用的方法有图像二值化法、双极性法、图像匹配法等。二值化法利用设定的阈值将RGB图像转换为二值图像，将值为1的区域作为斑马线的候选区域，这种方法对正常的斑马线有较好的检测效果，但是对于存在树荫、破损、积水等场景斑马线的检测效果不佳，受背景的影响较大。双极性法基于斑马线黑白相间的特征，通过设定不同大小的卷积核对图像进行检索，进而得到斑马线的候选区域，这种方法对远距离的斑马线识别效果不佳。图像匹配法利用理想的斑马线图像作为模板，在图像中检索与模板相似度较高的区域，作为斑马线的候选区域，这种方法能够识别的场景有限，并且误识率较高。因此，现有的斑马线检测算法的鲁棒性有待提升，如果斑马线检测不准的话，视障人士对斑马线进行了错误的识别，走向车辆通道也会对视障人士的身体造成伤害，故斑马线的精准识别非常重要。在本实施例中，先获取斑马线帧图像和HSV颜色空间，获得的斑马线帧图像包含斑马线的特征数据，故根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域，以降低斑马线的误识率；最后对所述斑马线候选区域进行分析检测，得到精准的目标斑马线区域，以实现精准的盲人导航。

示例性方法

本实施例提供一种基于HSV颜色空间的斑马线检测方法，该方法可以应用于智能交通领域的智能终端。具体如图1所示，所述方法包括：

步骤S100、获取斑马线帧图像；

具体地，可以获取摄像头拍摄的斑马线帧图像，或者从网络上下载一些斑马线的帧图像，为后续获取斑马线候选区域和目标斑马线区域做准备。

得到斑马线帧图像后，就可以执行如图1所示的步骤：步骤S200、根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域；

实际中，为了帮助视障人士确定交叉路口斑马线的位置，针对现有的斑马线检测算法在斑马线候选区域提取方面的不足，本发明提出一种基于HSV颜色空间的斑马线检测算法，根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域，为斑马线候选区域提取提供新的思路。

为了得到斑马线候选区域，所述根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域包括如下步骤：

步骤S201、将所述斑马线帧图像进行灰度转换，得到灰度图；

步骤S202、根据所述HSV颜色空间和所述斑马线帧图像，得到掩膜区域；

步骤S203、根据所述灰度图和所述掩膜区域，得到斑马线候选区域。

具体地，可以将所述斑马线帧图像进行灰度转换，得到灰度图，如将所述斑马线帧图像中的有色图进行灰度变换，得到灰度图；然后根据所述斑马线帧图像，得到掩膜区域；相应的，所述根据所述HSV颜色空间和所述斑马线帧图像，得到掩膜区域包括如下步骤：基于HSV颜色空间，确定HSV三通道的取值范围；根据所述取值范围，提取所述HSV颜色空间中的白色区域，得到掩膜区域。

在本实施例中，基于HSV颜色空间，确定HSV三通道的取值范围；例如，在HSV颜色图中，根据HSV颜色空间表，将HSV三个通道(红、黄、蓝)的范围分别设置为[0,180],[0,30],[100,255]。然后根据所述取值范围，提取所述HSV颜色空间中的白色区域，得到掩膜区域；例如：使用该范围可以提取HSV颜色空间的白色区域，具体为使用OpenCV的inRange方法，将HSV颜色图作为输入，将前面提到的通道范围作为阈值，输出是一个二值图像，将该区域用mask表示，也即掩膜区域。得到掩膜区域后，根据所述灰度图和所述掩膜区域，得到斑马线候选区域；实际中，可以将所述灰度图和所述掩膜区域相乘的方式得到斑马线候选区域，也可以采用其他自适应算法得到斑马线候选区域。相应的，所述根据所述灰度图和所述掩膜区域，得到斑马线候选区域包括如下步骤：根据所述灰度图，得到所述灰度图的灰度值；

根据所述掩膜区域，得到所述掩膜区域的灰度值；

将所述灰度图的灰度值乘以所述掩膜区域的灰度值，得到斑马线候选区域。

具体地，前述步骤得到了所述灰度图和所述掩膜区域，根据所述灰度图，得到所述灰度图的灰度值；根据所述掩膜区域，得到所述掩膜区域的灰度值；将所述灰度图的灰度值乘以所述掩膜区域的灰度值，得到斑马线候选区域，如图2所示，例如，具体为将掩膜区域图像(二值图像)，与前面灰度变换得到的灰度图，进行一个乘法操作，运算结果如图2(e)所示，得到输入图像中斑马线候选区域，其中，图2(a)输入帧，图2(b)HSV颜色图,图2(c)灰度图,图2(d)mask图像，图2(e)斑马线候选区域。

得到斑马线候选区域后，就可以执行如图1所示的步骤：步骤S300、对所述斑马线候选区域进行分析检测，得到目标斑马线区域。

具体地，由于得到的斑马线候选区域会存在一些细小的噪声以及有如行人、车辆、建筑物等背景造成的噪声，这些噪声需要滤除，否则检测结果会产生错误，故要对所述斑马线候选区域进行分析检测，如图3所示，其中，图3(a)输入帧；图3(e)候选区域；图3(f)中值滤波结果；图3(g)Canny边缘检测结果；图3(h)霍夫直线检测结果以得到目标斑马线区域；其中，图4为未修改参数检测结果；图5为仅将中值滤波掩膜修改为5×5检测结果；图6为仅将形态学开运算掩膜修改为5×5检测结果；图7为仅将Canny边缘检测阈值修改为[30,50]检测结果；图8为仅将Canny边缘检测阈值修改为[0,90]检测结果；图9为仅将Canny边缘检测阈值修改为[90,150]检测结果。

为了得到目标斑马线区域，所述对所述斑马线候选区域进行分析检测，得到目标斑马线区域包括如下步骤：

步骤S301、过滤所述斑马线候选区域的噪声，得到去噪斑马线候选区域；

步骤S302、对所述去噪斑马线候选区域进行分析检测，得到目标斑马线区域。

具体地，先过滤所述斑马线候选区域的噪声，得到去噪斑马线候选区域；去噪声的方法可以在图像空间域或在图像变换域中完成；图像空间域去噪方法很多，如：线性滤波法、中值滤波法、维纳滤波法等；图像变换域去噪方法有：傅里叶变换和小波变换等。相应的，所述过滤所述斑马线候选区域的噪声，得到去噪斑马线候选区域包括如下步骤：对所述斑马线候选区域中值滤波，得到中间去噪斑马线候选区域；对所述中间去噪斑马线候选区域进行形态学开运算，得到去噪斑马线候选区域。

具体地，对所述斑马线候选区域中值滤波，得到中间去噪斑马线候选区域；中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升(或下降)的为二维数据序列。二维中值滤波输出为g(x,y)＝med{f(x-k,y-l),(k,l∈W)}，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为3*3，5*5区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。在本实施例中，中值滤波使用3×3的掩膜。中值滤波对脉冲噪声有良好的滤除作用，特别是在滤除噪声的同时，能够保护信号的边缘，使之不被模糊。这些优良特性是线性滤波方法所不具有的。此外，中值滤波的算法比较简单，也易于用硬件实现。所以，中值滤波方法一经提出后，便在数字信号处理领得到重要的应用。中值滤波方法：对一个数字信号序列xj(-∞<j<∞)进行滤波处理时，首先要定义一个长度为奇数的L长窗口，L＝2N+1，N为正整数。设在某一个时刻，窗口内的信号样本为x(i-N)，…，x(i)，…，x(i+N)，其中x(i)为位于窗口中心的信号样本值。对这L个信号样本值按从小到大的顺序排列后，其中值，在i处的样值，便定义为中值滤波的输出值，表达公式如下：

y(i)＝Med[x(i-N),...,x(i),...,x(i+N)]

中值滤波是在“最小绝对误差”准则下的最优滤波。在实际应用中，随着所选用窗口长度的增加，滤波的计算量将会迅速增加。因此，寻求中值滤波的快速算法，是中值滤波理论的一个重要研究内容。中值滤波的快速算法，一般采用下述三种方式：①直方图数据修正法；②样本值二进制表示逻辑判断法；③数字和模拟的选择网络法。得到中间去噪斑马线候选区域后，对所述中间去噪斑马线候选区域进行形态学开运算，得到去噪斑马线候选区域。形态学开运算是先腐蚀然后再膨胀，膨胀(dilated)是图像中的高亮部分进行膨胀，领域扩张，效果图拥有比原图更大的高亮区域；操作的时候表现为相邻区域用极大值代替，高亮区域增加。腐蚀(eroded)是图像中的高亮部分被腐蚀掉，领域缩减，效果图拥有比原图更小的高亮区域；操作的时候表现为相邻区域用极小值代替,高亮区域减少。通过形态学开运算是基于几何运算的滤波器，能够除去孤立的小点，毛刺和小桥，而总的位置和形状不变，效果是清除噪点，把一些太小的物体过滤。

得到去噪斑马线候选区域后，然后对所述去噪斑马线候选区域进行分析检测，得到目标斑马线区域。相应的，所述对所述去噪斑马线候选区域进行分析检测，得到目标斑马线区域包括如下步骤：对所述去噪斑马线候选区域进行边缘检测，得到候选斑马线区域；在本实施例中，边缘检测的阈值为[30,90]，边缘检测算法，其目标是找到图像纹理最优的边缘。对所述候选斑马线区域进行霍夫直线检测，得到候选斑马线的线段状态；相应的，所述对所述候选斑马线区域进行霍夫直线检测，得到候选斑马线的线段状态包括：获取霍夫直线检测的线段的第一端点的第一横坐标x1和第一纵坐标y1以及线段的第二端点的第二横坐标x2和第二纵坐标y2；将所述第一横坐标x1，所述第一纵坐标y1，所述第二横坐标x2，所述第二纵坐标y2代入到

中，得到候选斑马线的线段状态；其中，候选斑马线的线段状态为所述线段与水平线的角度θ。

具体地，霍夫直线检测的基本原理在于利用点与线的对偶性，在直线检测任务中，即图像空间中的直线与参数空间中的点是一一对应的，参数空间中的直线与图像空间中的点也是一一对应的。在本实施例中，霍夫直线检测的最少点数为图像的宽度/3.75，举例说明，如图10所示，假设霍夫直线检测得到的线段端点坐标分别为point1(x1,y1)和point2(x2,y2)，线段与水平线的角度θ为：

得到候选斑马线的线段状态后，对所述候选斑马线的线段进行线段分析，得到目标斑马线区域。举例说明对霍夫直线检测得到的线段进行分析的策略：1.线段的最小长度为图像宽度的1/4。如果线段的长度小于该最小长度，那么该线段太短，或者距离视障人士太远。2.θ角的范围为[0°,10°]。如果该线段与水平线的夹角大于该范围，那么当前视障人士正前方没有正对着斑马线，如果按该方向直线行走，存在安全隐患。3.满足条件1和2的霍夫直线检测得到的线段数量的最小数量为10。如果满足1和2两个条件的线段数量小于10，那么检测得到的直线不是斑马线的直线。最后，霍夫直线检测得到的所有线段中，满足1、2、3三个条件的线段，将作为一个集合，作为目标斑马线区域，该检测结果可以有效帮助视障人士通过人行横道。

在一种是实现方式中，由于对视障人士而言，需要语音提示来指引其通行行人通道，当包含本申请中方法的设备检测到目标斑马线区域时，则该设备发出语音提示：请通行；当包含本申请中方法的设备没有检测到目标斑马线区域时，则该设备发出语音提示：请等待。在一种实现方式中，本发明实施例的网络整体框架如图11所示。

示例性设备

如图12中所示，本发明实施例提供一种基于HSV颜色空间的斑马线检测装置，该装置包括斑马线帧图像获取单元401，斑马线候选区域获取单元402，目标斑马线区域获取单元403，其中：

斑马线帧图像获取单元401，用于获取斑马线帧图像；

斑马线候选区域获取单元402，用于根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域；

目标斑马线区域获取单元403，用于对所述斑马线候选区域进行分析检测，得到目标斑马线区域。

基于上述实施例，本发明还提供了一种智能终端，其原理框图可以如图13所示。该智能终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中，该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于HSV颜色空间的斑马线检测方法。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏，该智能终端的温度传感器是预先在智能终端内部设置，用于检测内部设备的运行温度。

本领域技术人员可以理解，图13中的原理图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种智能终端，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

获取斑马线帧图像；

根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域；

对所述斑马线候选区域进行分析检测，得到目标斑马线区域。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

综上所述，本发明公开了一种基于HSV颜色空间的斑马线检测方法，所述方法包括：

获取斑马线帧图像；根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域；对所述斑马线候选区域进行分析检测，得到目标斑马线区域。本发明通过所述HSV颜色空间和斑马线帧图像得到斑马线候选区域，然后对所述斑马线候选区域进行分析检测得到精准的目标斑马线区域，以实现精准的盲人导航。

基于上述实施例，本发明公开了一种基于HSV颜色空间的斑马线检测方法，应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种基于HSV颜色空间的斑马线检测方法，其特征在于，所述方法包括：

获取斑马线帧图像和HSV颜色空间；

根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域；

对所述斑马线候选区域进行分析检测，得到目标斑马线区域。

2.根据权利要求1所述的基于HSV颜色空间的斑马线检测方法，其特征在于，所述根据所述HSV颜色空间和所述斑马线帧图像，得到斑马线候选区域包括：

将所述斑马线帧图像进行灰度转换，得到灰度图；

根据所述HSV颜色空间和所述斑马线帧图像，得到掩膜区域；

根据所述灰度图和所述掩膜区域，得到斑马线候选区域。

3.根据权利要求2所述的基于HSV颜色空间的斑马线检测方法，其特征在于，所述根据所述HSV颜色空间和所述斑马线帧图像，得到掩膜区域包括：

基于HSV颜色空间，确定HSV三通道的取值范围；

根据所述取值范围，提取所述HSV颜色空间中的白色区域，得到掩膜区域。

4.根据权利要求3所述的基于HSV颜色空间的斑马线检测方法，其特征在于，所述根据所述灰度图和所述掩膜区域，得到斑马线候选区域包括：

根据所述灰度图，得到所述灰度图的灰度值；

根据所述掩膜区域，得到所述掩膜区域的灰度值；

将所述灰度图的灰度值乘以所述掩膜区域的灰度值，得到斑马线候选区域。

5.根据权利要求4所述的基于HSV颜色空间的斑马线检测方法，其特征在于，所述对所述斑马线候选区域进行分析检测，得到目标斑马线区域包括：

过滤所述斑马线候选区域的噪声，得到去噪斑马线候选区域；

对所述去噪斑马线候选区域进行分析检测，得到目标斑马线区域。

6.根据权利要求5所述的基于HSV颜色空间的斑马线检测方法，其特征在于，所述过滤所述斑马线候选区域的噪声，得到去噪斑马线候选区域包括：

对所述斑马线候选区域中值滤波，得到中间去噪斑马线候选区域；

对所述中间去噪斑马线候选区域进行形态学开运算，得到去噪斑马线候选区域。

7.根据权利要求6所述的基于HSV颜色空间的斑马线检测方法，其特征在于，所述对所述去噪斑马线候选区域进行分析检测，得到目标斑马线区域包括：

对所述去噪斑马线候选区域进行边缘检测，得到候选斑马线区域；

对所述候选斑马线区域进行霍夫直线检测，得到候选斑马线的线段状态；

对所述候选斑马线的线段进行线段分析，得到目标斑马线区域。

8.根据权利要求7所述的基于HSV颜色空间的斑马线检测方法，其特征在于，所述对所述候选斑马线区域进行霍夫直线检测，得到候选斑马线的线段状态包括：

获取霍夫直线检测的线段的第一端点的第一横坐标x1和第一纵坐标y1以及线段的第二端点的第二横坐标x2和第二纵坐标y2；

将所述第一横坐标x1，所述第一纵坐标y1，所述第二横坐标x2，所述第二纵坐标y2代入到

中，得到候选斑马线的线段状态；其中，候选斑马线的线段状态为所述线段与水平线的角度θ。

9.一种智能终端，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1-8中任意一项所述的方法。

10.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-8中任意一项所述的方法。

Images