CN108229249A - 一种夜间前方车辆检测方法 - Google Patents

一种夜间前方车辆检测方法 Download PDF

Info

Publication number
CN108229249A
CN108229249A CN201611154227.7A CN201611154227A CN108229249A CN 108229249 A CN108229249 A CN 108229249A CN 201611154227 A CN201611154227 A CN 201611154227A CN 108229249 A CN108229249 A CN 108229249A
Authority
CN
China
Prior art keywords
agglomerate
candidate
vehicle
image
front vehicles
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.)
Withdrawn
Application number
CN201611154227.7A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guigang Ruicheng Technology Co Ltd
Original Assignee
Guigang Ruicheng Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guigang Ruicheng Technology Co Ltd filed Critical Guigang Ruicheng Technology Co Ltd
Priority to CN201611154227.7A priority Critical patent/CN108229249A/zh
Publication of CN108229249A publication Critical patent/CN108229249A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种夜间前方车辆检测方法，包括以下步骤：S1：采集前方车辆视频图像，对视频图像进行预处理，包括截取车辆检测区域、高斯滤波和二值化，得到二值图像；S2：提取二值图像中的团块及团块的几何和位置特征；S3：根据车辆尾灯对及车辆尾部的大面积反光区域的几何和位置特征，建立生成假设车辆的判断机制，用以检测出前方车辆。本发明采用改进Otsu方法进行图像二值化，由于舍去了小于的灰度值，降低了计算的复杂度，更利于满足实时性的要求；利用车尾灯对及车尾部的大面积反光这昂个特征建立生成假设车辆的判断机制，剔除车道线、路灯、路面反光灯因素的干扰，提高前方车辆检测的鲁棒性。

Description

一种夜间前方车辆检测方法
技术领域
本发明具体涉及一种夜间前方车辆检测方法。
背景技术
近几十年来，交通事故给人们带来巨大的生命和财产损失，夜间交通事故情况更为严峻，相关统计资料表明，夜间的行车交通事故率是白天的两倍以上。夜间行车具有光照不足、视野范围变小等特点，同时驾驶员夜间行车易疲劳，加上灯光的移动及后车远光灯的照射，极易导致交通事故的发生，因此，夜间安全辅助驾驶技术应运而生，并且迫在眉睫，具有重要的研究意义和应用价值。
白天光照充足车辆边缘清晰，与其他景物之间对比度大，且在路面有较明显的阴影，因此利用角点、水平和垂直边缘、地面阴影等特征，可以较容易地检测到前方车辆。而夜间光线条件复杂，车尾转向灯闪烁、路灯、迎面行车的车头灯、车牌反光及路面反光都对车辆的检测造成严重干扰，致使常规的边缘检测方法在夜间工作时效果甚微，白天的检测方法基本失效。
发明内容
本发明要解决的技术问题是提供一种夜间前方车辆检测方法。
一种夜间前方车辆检测方法，包括以下步骤：
S1：采集前方车辆视频图像，对视频图像进行预处理，包括截取车辆检测区域、高斯滤波和二值化，得到二值图像；
S2：提取二值图像中的团块及团块的几何和位置特征；
S3：根据车辆尾灯对及车辆尾部的大面积反光区域的几何和位置特征，建立生成假设车辆的判断机制，用以检测出前方车辆。
进一步的，所述图像二值化采用改进Otsu方法，具体如下：
S1-1：运用传统Otsu阈值法对图像提取阈值；
S1-2：利用T1对图像进行分类，大于T1的像素为1，小于T1的像素为0；
S1-3：再次利用传统Otsu阈值法对图像中标记大于T1的部分提取阈值T2；
S1-4：用阈值T2对图像进行二值化，目标灰度为1，背景灰度为0。
进一步的，提取二值图像中的团块及团块的几何和位置特征具体方法如下：
S2-1：提取候选团块：
提取二值化图像中所有连通域，利用其行列起止位置构成一个矩形区，得到具有几何及位置特征的候选团块，对二值化图像进行连通区域标记，得到候选团块集合C＝{C0,C1,...,Cn}；
S2-2：提取候选团块的几何和位置特征：
1)团块的宽和高分别记为W(Ci)、H(Ci)；
2)两团块的宽度差和高度差，分别记为：
3)分别记团块顶边的纵坐标t(Ci)、底边的纵坐标b(Ci)、左边的横坐标l(Ci)、右边的横坐标r(Ci)；则有两个团块之间的水平距离：
LV(Ci,Cj)＝max[r(Ci),r(Cj)]-min[l(Ci),l(Cj)]；
两个团块之间的垂直距离：
DV(Ci,Cj)＝max[t(Ci),t(Cj)]-min[b(Ci),b(Cj)]；
两团块之间水平间距与垂直间距的比值，记为间距比R(Ci,Cj)：
进一步的，生成假设车辆的判断机制具体如下：
S3-1：建立两类约束条件，对于两候选团块Ci和Cj，第1类约束条件为：
1)宽度差小于阈值ΔdW，即dW(Ci,Cj)＜ΔdW；
2)高度差小于阈值ΔdH，即dH(Ci,Cj)＜ΔdH；
3)间距比小于阈值ΔR，即R(Ci,Cj)＜ΔR；
对于候选团块Ci，第2类约束条件为：
1)候选团块的宽大于高，即W(Ci)＞H(Ci)；
2)候选团块的宽大于宽度阈值，即W(Ci)＞TW；
S3-2：若两个团块在几何特征和位置特征上满足第1类约束条件，则生成车辆假设，灯配对算法如下：
1)取团块集合中未组合过的两个团块Ci和Cj；
2)提取两个候选团块的宽度差、高度差、间距比特征信息，若两个团块同时满足第1类约束条件，则这两个候选团块配对组合成功；
3)尾灯配对成功后，根据两尾灯坐标信息，用矩形框将尾灯对框出，认为被框框出的尾灯对即为目标车辆，并且从团块集合中删除Ci、Cj，转步骤1)；否则将两团块标记为已组合，返回步骤1)，直到团块集合中不存在两两未组合的候选团块，结束；
S3-3：若候选团块满足第2类约束条件，则根据团块坐标信息，用矩形框将团块框出，认为被框框出的团块即为目标车辆，并从团块集合中删除该团块，重新开始算法；否则将该团块标记为已组合，重新开始算法，直到团块集合中的所有候选团块全部被标记为已组合，结束。
本发明的有益效果是：
本发明采用改进Otsu方法进行图像二值化，由于舍去了小于的灰度值，降低了计算的复杂度，更利于满足实时性的要求；利用车尾灯对及车尾部的大面积反光这昂个特征建立生成假设车辆的判断机制，剔除车道线、路灯、路面反光灯因素的干扰，提高前方车辆检测的鲁棒性，本发明可以在多种道路环境下准确地检测出夜间前方车辆，并且具有良好的实时性。
具体实施方式
以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。
一种夜间前方车辆检测方法，包括以下步骤：
S1：采集前方车辆视频图像，对视频图像进行预处理，包括截取车辆检测区域、高斯滤波和二值化，得到二值图像；
S2：提取二值图像中的团块及团块的几何和位置特征；
S3：根据车辆尾灯对及车辆尾部的大面积反光区域的几何和位置特征，建立生成假设车辆的判断机制，用以检测出前方车辆。
所述图像二值化采用改进Otsu方法，具体如下：
S1-1：运用传统Otsu阈值法对图像提取阈值；
S1-2：利用T1对图像进行分类，大于T1的像素为1，小于T1的像素为0；
S1-3：再次利用传统Otsu阈值法对图像中标记大于T1的部分提取阈值T2；
S1-4：用阈值T2对图像进行二值化，目标灰度为1，背景灰度为0。
提取二值图像中的团块及团块的几何和位置特征具体方法如下：
S2-1：提取候选团块：
提取二值化图像中所有连通域，利用其行列起止位置构成一个矩形区，得到具有几何及位置特征的候选团块，对二值化图像进行连通区域标记，得到候选团块集合C＝{C0,C1,...,Cn}；
S2-2：提取候选团块的几何和位置特征：
1)团块的宽和高分别记为W(Ci)、H(Ci)；
2)两团块的宽度差和高度差，分别记为：
3)分别记团块顶边的纵坐标t(Ci)、底边的纵坐标b(Ci)、左边的横坐标l(Ci)、右边的横坐标r(Ci)；则有两个团块之间的水平距离：
LV(Ci,Cj)＝max[r(Ci),r(Cj)]-min[l(Ci),l(Cj)]；
两个团块之间的垂直距离：
DV(Ci,Cj)＝max[t(Ci),t(Cj)]-min[b(Ci),b(Cj)]；
两团块之间水平间距与垂直间距的比值，记为间距比R(Ci,Cj)：
生成假设车辆的判断机制具体如下：
S3-1：建立两类约束条件，对于两候选团块Ci和Cj，第1类约束条件为：
1)宽度差小于阈值ΔdW，即dW(Ci,Cj)＜ΔdW；
2)高度差小于阈值ΔdH，即dH(Ci,Cj)＜ΔdH；
3)间距比小于阈值ΔR，即R(Ci,Cj)＜ΔR；
对于候选团块Ci，第2类约束条件为：
1)候选团块的宽大于高，即W(Ci)＞H(Ci)；
2)候选团块的宽大于宽度阈值，即W(Ci)＞TW；
S3-2：若两个团块在几何特征和位置特征上满足第1类约束条件，则生成车辆假设，灯配对算法如下：
1)取团块集合中未组合过的两个团块Ci和Cj；
2)提取两个候选团块的宽度差、高度差、间距比特征信息，若两个团块同时满足第1类约束条件，则这两个候选团块配对组合成功；
3)尾灯配对成功后，根据两尾灯坐标信息，用矩形框将尾灯对框出，认为被框框出的尾灯对即为目标车辆，并且从团块集合中删除Ci、Cj，转步骤1)；否则将两团块标记为已组合，返回步骤1)，直到团块集合中不存在两两未组合的候选团块，结束；
S3-3：若候选团块满足第2类约束条件，则根据团块坐标信息，用矩形框将团块框出，认为被框框出的团块即为目标车辆，并从团块集合中删除该团块，重新开始算法；否则将该团块标记为已组合，重新开始算法，直到团块集合中的所有候选团块全部被标记为已组合，结束。

Claims (4)

1.一种夜间前方车辆检测方法，其特征在于，包括以下步骤：
S1：采集前方车辆视频图像，对视频图像进行预处理，包括截取车辆检测区域、高斯滤波和二值化，得到二值图像；
S2：提取二值图像中的团块及团块的几何和位置特征；
S3：根据车辆尾灯对及车辆尾部的大面积反光区域的几何和位置特征，建立生成假设车辆的判断机制，用以检测出前方车辆。
2.根据权利要求1所述的夜间前方车辆检测方法，其特征在于，所述图像二值化采用改进Otsu方法，具体如下：
S1-1：运用传统Otsu阈值法对图像提取阈值；
S1-2：利用T1对图像进行分类，大于T1的像素为1，小于T1的像素为0；
S1-3：再次利用传统Otsu阈值法对图像中标记大于T1的部分提取阈值T2；
S1-4：用阈值T2对图像进行二值化，目标灰度为1，背景灰度为0。
3.根据权利要求1所述的夜间前方车辆检测方法，其特征在于，提取二值图像中的团块及团块的几何和位置特征具体方法如下：
S2-1：提取候选团块：
提取二值化图像中所有连通域，利用其行列起止位置构成一个矩形区，得到具有几何及位置特征的候选团块，对二值化图像进行连通区域标记，得到候选团块集合C＝{C0,C1,...,Cn}；
S2-2：提取候选团块的几何和位置特征：
1)团块的宽和高分别记为W(Ci)、H(Ci)；
2)两团块的宽度差和高度差，分别记为：
dW(Ci,Cj)＝W(Ci)-W(Cj)
dH(Ci,Cj)＝H(Ci)-H(Cj)；
3)分别记团块顶边的纵坐标t(Ci)、底边的纵坐标b(Ci)、左边的横坐标l(Ci)、右边的横坐标r(Ci)；则有两个团块之间的水平距离：
LV(Ci,Cj)＝max[r(Ci),r(Cj)]-min[l(Ci),l(Cj)]；
两个团块之间的垂直距离：
DV(Ci,Cj)＝max[t(Ci),t(Cj)]-min[b(Ci),b(Cj)]；
两团块之间水平间距与垂直间距的比值，记为间距比R(Ci,Cj)：
4.根据权利要求1所述的夜间前方车辆检测方法，其特征在于，生成假设车辆的判断机制具体如下：
S3-1：建立两类约束条件，对于两候选团块Ci和Cj，第1类约束条件为：
1)宽度差小于阈值ΔdW，即dW(Ci,Cj)＜ΔdW；
2)高度差小于阈值ΔdH，即dH(Ci,Cj)＜ΔdH；
3)间距比小于阈值ΔR，即R(Ci,Cj)＜ΔR；
对于候选团块Ci，第2类约束条件为：
1)候选团块的宽大于高，即W(Ci)＞H(Ci)；
2)候选团块的宽大于宽度阈值，即W(Ci)＞TW；
S3-2：若两个团块在几何特征和位置特征上满足第1类约束条件，则生成车辆假设，灯配对算法如下：
1)取团块集合中未组合过的两个团块Ci和Cj；
2)提取两个候选团块的宽度差、高度差、间距比特征信息，若两个团块同时满足第1类约束条件，则这两个候选团块配对组合成功；
3)尾灯配对成功后，根据两尾灯坐标信息，用矩形框将尾灯对框出，认为被框框出的尾灯对即为目标车辆，并且从团块集合中删除Ci、Cj，转步骤1)；否则将两团块标记为已组合，返回步骤1)，直到团块集合中不存在两两未组合的候选团块，结束；
S3-3：若候选团块满足第2类约束条件，则根据团块坐标信息，用矩形框将团块框出，认为被框框出的团块即为目标车辆，并从团块集合中删除该团块，重新开始算法；否则将该团块标记为已组合，重新开始算法，直到团块集合中的所有候选团块全部被标记为已组合，结束。
CN201611154227.7A 2016-12-14 2016-12-14 一种夜间前方车辆检测方法 Withdrawn CN108229249A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611154227.7A CN108229249A (zh) 2016-12-14 2016-12-14 一种夜间前方车辆检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611154227.7A CN108229249A (zh) 2016-12-14 2016-12-14 一种夜间前方车辆检测方法

Publications (1)

Publication Number Publication Date
CN108229249A true CN108229249A (zh) 2018-06-29

Family

ID=62651034

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611154227.7A Withdrawn CN108229249A (zh) 2016-12-14 2016-12-14 一种夜间前方车辆检测方法

Country Status (1)

Country Link
CN (1) CN108229249A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110765929A (zh) * 2019-10-21 2020-02-07 东软睿驰汽车技术（沈阳）有限公司 一种车辆障碍物检测方法及装置
CN112651269A (zh) * 2019-10-12 2021-04-13 常州通宝光电股份有限公司 一种快速检测夜间前方同向车辆方法
CN112927502A (zh) * 2021-01-21 2021-06-08 广州小鹏自动驾驶科技有限公司 一种数据处理的方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020948A (zh) * 2011-09-28 2013-04-03 中国航天科工集团第二研究院二○七所 智能车载防撞预警***中的夜间图像特征提取方法
CN103208185A (zh) * 2013-03-19 2013-07-17 东南大学 一种基于车灯识别的夜间车辆检测方法及***
CN105303160A (zh) * 2015-09-21 2016-02-03 中电海康集团有限公司 一种夜间车辆检测和跟踪的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020948A (zh) * 2011-09-28 2013-04-03 中国航天科工集团第二研究院二○七所 智能车载防撞预警***中的夜间图像特征提取方法
CN103208185A (zh) * 2013-03-19 2013-07-17 东南大学 一种基于车灯识别的夜间车辆检测方法及***
CN105303160A (zh) * 2015-09-21 2016-02-03 中电海康集团有限公司 一种夜间车辆检测和跟踪的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王悦: "基于单目视觉的夜间车道线和前方车辆检测方法研究", 《万方学位论文》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112651269A (zh) * 2019-10-12 2021-04-13 常州通宝光电股份有限公司 一种快速检测夜间前方同向车辆方法
CN112651269B (zh) * 2019-10-12 2024-05-24 常州通宝光电股份有限公司 一种快速检测夜间前方同向车辆方法
CN110765929A (zh) * 2019-10-21 2020-02-07 东软睿驰汽车技术（沈阳）有限公司 一种车辆障碍物检测方法及装置
CN112927502A (zh) * 2021-01-21 2021-06-08 广州小鹏自动驾驶科技有限公司 一种数据处理的方法和装置
CN112927502B (zh) * 2021-01-21 2023-02-03 广州小鹏自动驾驶科技有限公司 一种数据处理的方法和装置

Similar Documents

Publication Publication Date Title
CN107862290B (zh) 车道线检测方法及***
US9754172B2 (en) Three-dimenisional object detection device
O'Malley et al. Vehicle detection at night based on tail-light detection
CN103050008B (zh) 夜间复杂交通视频中车辆检测方法
CN104574960B (zh) 一种交通灯识别方法
TWI408625B (zh) 車輛追蹤系統及其方法
US8903603B2 (en) Environment recognizing device for a vehicle and vehicle control system using the same
CN105718923B (zh) 一种基于逆投影图的夜间车辆检测与计数方法
CN104657735A (zh) 车道线检测方法、***、车道偏离预警方法及***
CN109344704B (zh) 一种基于行车方向与车道线夹角的车辆变道行为检测方法
CN108229249A (zh) 一种夜间前方车辆检测方法
CN108357418A (zh) 一种基于尾灯识别的前车驾驶意图分析方法
JP2008211410A (ja) 車載用画像認識装置及び配光制御装置、並びに配光制御方法
CN105303160A (zh) 一种夜间车辆检测和跟踪的方法
CN109447093B (zh) 基于yuv图像的车尾灯检测方法
Lin et al. Adaptive IPM-based lane filtering for night forward vehicle detection
Wu et al. A Real‐Time Embedded Blind Spot Safety Assistance System
CN110969647B (zh) 一种整合车辆的识别跟踪与车灯检测的方法
CN102496281A (zh) 一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法
CN107886034A (zh) 行车提醒方法、装置及车辆
CN103699899B (zh) 基于等距曲线模型的车道线检测方法
KR101134857B1 (ko) 주간 및 야간 주행 차량을 조도상황에 따라 검출하는 방법및 장치
CN103440785A (zh) 一种快速的车道偏移警示方法
CN107025796A (zh) 汽车辅助驾驶视觉预警***及其预警方法
CN103440771A (zh) 模糊隶属度和反馈修正在夜间交通视频车辆检测的应用

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20180629