CN109447093A - 基于yuv图像的车尾灯检测方法 - Google Patents
基于yuv图像的车尾灯检测方法 Download PDFInfo
- Publication number
- CN109447093A CN109447093A CN201811258628.6A CN201811258628A CN109447093A CN 109447093 A CN109447093 A CN 109447093A CN 201811258628 A CN201811258628 A CN 201811258628A CN 109447093 A CN109447093 A CN 109447093A
- Authority
- CN
- China
- Prior art keywords
- car light
- image
- detection method
- tail
- light
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于YUV图像的车尾灯检测方法,包括:S1、对获取的视频图像进行处理,提取高亮区域;S2、将所述高亮区域数据结合YUV数据提取红色区域;S3、根据所述高亮区域与所述红色区域提取当前车灯位置;S4、对所述车灯位置进行聚类,得到车灯的最终位置;S5、根据对称轴得到左右车灯。本发明的基于YUV图像的车尾灯检测方法具有检测速度快的优点。
Description
技术领域
本发明属于智能交通技术领域,尤其涉及一种基于YUV图像的车尾灯检测方法。
背景技术
在FCW(前方防碰撞报警)***中,前方车辆检测是最基础也是最重要的一个步骤。在白天,车辆的边缘清晰,与其他景物之间的对比度较大,并且路面具有较为明显的阴影。因此利用角点、水平和垂直边缘、地面阴影等特征,可以较为容易地检测到前方车辆。
然而夜间由于光线条件较为复杂,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,致使白天的检测方法基本失效,针对夜间较暗的光照环境,利用车尾灯这一比较鲁棒的特征来检测夜间前方车辆是比较常用的方法。然而目前车尾灯检测主要是利用车尾灯偏红色这一主要特征来实现,一般提取红色是转换到HSV颜色空间,而下位机获取的图像数据是YUV格式,如果在下位机进行颜色空间转换,势必影响算法速度。
发明内容
本发明的目的在于提供一种基于YUV图像的车尾灯检测方法,提高检测效率。
为实现上述目的,本发明提供一种基于YUV图像的车尾灯检测方法,包括:
S1、对获取的视频图像进行处理,提取高亮区域;
S2、将所述高亮区域数据结合YUV数据提取红色区域;
S3、根据所述高亮区域与所述红色区域提取当前车灯位置;
S4、对所述车灯位置进行聚类,得到车灯的最终位置;
S5、根据对称轴得到左右车灯。
根据本发明的一个方面,所述检测方法在所述步骤S5之后还包括判断所述车灯帧数是否小于预定阈值;
如所述车灯帧数小于所述预定阈值,则对左右车灯进行匹配,提取置信度最高的车灯更新到左右车灯缓冲区中。
根据本发明的一个方面,如所述车灯帧数大于所述预定阈值,则需要进行步骤S6:
S61、对左右缓冲区中的车灯分别聚类;
S62、计算当前检测到的左右车灯与聚类出的置信度最大的左右车灯的欧式距离,并取最小的左右车灯;
S63、对左右车灯进行匹配,提取置信度最高的车灯更新到左右车灯缓冲区中。
根据本发明的一个方面,在所述步骤S1中,包括
S11、使用直方图统计视频图像中100~255之间的像素值;
S12、然后寻波峰,得到分割阈值,最后根据分割阈值二值化Y图像即可得到高亮区域。
根据本发明的一个方面,通过普通相机获取视频图像。
根据本发明的一个发明,在所述步骤S2中,将图像划分为5X5的小块去处理,计算每一块的高亮数据占比在0.1~0.9之间,则计算该块的YUV通道数据占比;
若所述YUV数据占比大于一定的阈值,则提取红色区域。
根据本发明的一个方面,在所述步骤S3中,包括:
S31、设定当前车辆在图像中的宽高比为1:1,根据图像中像素的Y坐标以及车灯与车宽占比计算出当前车辆车灯的矩形框大小;
S32、计算所述矩形框中高亮区域和红色区域的占比,若大于一定阈值,则提取当前车灯位置。
本发明的基于YUV图像的车尾灯检测方法,直接使用YUV数据提取红色特征,使得速度非常快,该方法处理1280*432图像耗时在约5ms左右。
此外,将高亮区域与红色区域结合,即去除一些不发光的红色目标,也可以将车灯位置的特征信息加强。同时利用缓冲区,并对缓冲区中的车灯聚类,可以使得提取的车灯位置更稳定。利用当前车道车灯的位置的变化,可以防碰撞计算。
附图说明
图1是示意性表示根据本发明的基于YUV图像的车尾灯的检测方法的流程图。
具体实施方式
为了更清楚地说明本发明实施方式或现有技术中的技术方案,下面将对实施方式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的一些实施方式,对于本领域普通技术人员而言,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。
在针对本发明的实施方式进行描述时,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”所表达的方位或位置关系是基于相关附图所示的方位或位置关系,其仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此上述术语不能理解为对本发明的限制。
下面结合附图和具体实施方式对本发明作详细地描述,实施方式不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施方式。
图1是示意性表示根据本发明的基于YUV图像的车尾灯的检测方法的流程图。结合图1所示,本发明的基于YUV图像的车尾灯的检测方法包括:S1、对获取的视频图像进行处理,提取高亮区域;S2、将高亮区域数据结合YUV数据提取红色区域;S3、根据高亮区域与红色区域提取当前车灯位置;S4、对车灯位置进行聚类,得到车灯的最终位置;S5、根据对称轴得到左右车灯。
本发明的基于YUV图像的车尾灯检测方法,直接使用YUV提取红色区域特征,具有速度快的优点。以下结合图1对本发明的基于YUV图像的车尾灯检测方法进行详细说明。
本发明的基于YUV图像的车尾灯检测方法,首先需要获取视频图像。在本实施方式中,使用普通相机获取视频图像代替红外相机,红外相机虽然成像效果有所改善,但在成本上较普通相机有所提高,普通相机对道路和车辆的感知具有设备价格低廉、表现直观、通用性强等优势。之后在步骤S1中提取高领区域,包括:S11、使用直方图统计视频图像中100~255之间的像素值;S12、然后寻波峰,得到分割阈值,最后根据分割阈值二值化Y图像即可得到高亮区域。
接着进行步骤S2,将图像划分为5X5的小块去处理,计算每一块的高亮数据占比在0.1~0.9之间,则计算该块的YUV通道数据占比;若YUV数据占比大于一定的阈值,则提取红色区域。
之后进行步骤S3,包括:S31、设定当前车辆在图像中的宽高比为1:1,根据图像中像素的Y坐标以及车灯与车宽占比计算出当前车辆车灯的矩形框大小;S32、计算矩形框中高亮区域和红色区域的占比,若大于一定阈值,则提取当前车灯位置。
具体来说,目标在图像中的高度=(目标接地点-图像中的消失点)*目标实际宽度/相机高度,若设定当前车辆在图像中的宽高比为1:1,即可根据图像中像素的Y坐标以及车灯与车宽占比计算出当前车辆车灯的矩形框大小,之后可以根据矩形框中高亮区域和红色区域的占比提取车灯位置。
在步骤S3之后,使用层次聚类,对提取的车灯位置聚类,得到更为准确的车灯位置。然后在步骤S5中,根据车道检测信息,计算前方图像的粗略对称轴,区别左右车灯。
如图1所示,所述检测方法在所述步骤S5之后还包括判断车灯帧数是否小于预定阈值。在本实施方式中,需要对车灯帧数是否小于3。如车灯帧数小于预定阈值,则对左右车灯进行匹配,根据公式:目标在图像中的高度=(目标接地点-图像中的消失点)*目标实际宽度/相机高度,并假设车辆在图像中的宽高比为1:1,计算出车宽,并根据Y方向的距离限制,匹配出左右车灯,提取置信度最高的车灯更新到左右车灯缓冲区中,结束检测方法。
如所述车灯帧数大于所述预定阈值,则需要进行步骤S6:
S61、对左右缓冲区中的车灯分别聚类。
S62、计算当前检测到的左右车灯与聚类出的置信度最大的左右车灯的欧式距离,并取最小的左右车灯。
S63、对左右车灯进行匹配,提取置信度最高的车灯更新到左右车灯缓冲区中,完成检测。
本发明的基于YUV图像的车尾灯检测方法,直接使用YUV数据提取红色特征,使得速度非常快,该方法处理1280*432图像耗时在约5ms左右。
此外,将高亮区域与红色区域结合,即去除一些不发光的红色目标,也可以将车灯位置的特征信息加强。同时利用缓冲区,并对缓冲区中的车灯聚类,可以使得提取的车灯位置更稳定。利用当前车道车灯的位置的变化,可以防碰撞计算。
以上所述仅为本发明的一个实施方式而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (7)
1.一种基于YUV图像的车尾灯检测方法,包括:
S1、对获取的视频图像进行处理,提取高亮区域;
S2、将所述高亮区域数据结合YUV数据提取红色区域;
S3、根据所述高亮区域与所述红色区域提取当前车灯位置;
S4、对所述车灯位置进行聚类,得到车灯的最终位置;
S5、根据对称轴得到左右车灯。
2.根据权利要求1所述的基于YUV图像的车尾灯检测方法,其特征在于,所述检测方法在所述步骤S5之后还包括判断所述车灯帧数是否小于预定阈值;
如所述车灯帧数小于所述预定阈值,则对左右车灯进行匹配,提取置信度最高的车灯更新到左右车灯缓冲区中。
3.根据权利要求2所述的基于YUV图像的车尾灯检测方法,其特征在于,如所述车灯帧数大于所述预定阈值,则需要进行步骤S6:
S61、对左右缓冲区中的车灯分别聚类;
S62、计算当前检测到的左右车灯与聚类出的置信度最大的左右车灯的欧式距离,并取最小的左右车灯;
S63、对左右车灯进行匹配,提取置信度最高的车灯更新到左右车灯缓冲区中。
4.根据权利要求1所述的基于YUV图像的车尾灯检测方法,其特征在于,在所述步骤S1中,包括
S11、使用直方图统计视频图像中100~255之间的像素值;
S12、然后寻波峰,得到分割阈值,最后根据分割阈值二值化Y图像即可得到高亮区域。
5.根据权利要求1或4所述的基于YUV图像的车尾灯检测方法,其特征在于,通过普通相机获取视频图像。
6.根据权利要求1所述的基于YUV图像的车尾灯检测方法,其特征在于,在所述步骤S2中,将图像划分为5X5的小块去处理,计算每一块的高亮数据占比在0.1~0.9之间,则计算该块的YUV通道数据占比;
若所述YUV数据占比大于一定的阈值,则提取红色区域。
7.根据权利要求1所述的基于YUV图像的车尾灯检测方法,其特征在于,在所述步骤S3中,包括:
S31、设定当前车辆在图像中的宽高比为1:1,根据图像中像素的Y坐标以及车灯与车宽占比计算出当前车辆车灯的矩形框大小;
S32、计算所述矩形框中高亮区域和红色区域的占比,若大于一定阈值,则提取当前车灯位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811258628.6A CN109447093B (zh) | 2018-10-26 | 2018-10-26 | 基于yuv图像的车尾灯检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811258628.6A CN109447093B (zh) | 2018-10-26 | 2018-10-26 | 基于yuv图像的车尾灯检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109447093A true CN109447093A (zh) | 2019-03-08 |
CN109447093B CN109447093B (zh) | 2021-11-23 |
Family
ID=65547903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811258628.6A Active CN109447093B (zh) | 2018-10-26 | 2018-10-26 | 基于yuv图像的车尾灯检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447093B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993083A (zh) * | 2019-03-20 | 2019-07-09 | 吉林大学 | 一种夜间车辆识别的方法 |
CN110263721A (zh) * | 2019-06-21 | 2019-09-20 | 北京字节跳动网络技术有限公司 | 车灯设置方法及设备 |
CN115512336A (zh) * | 2022-11-16 | 2022-12-23 | 广汽埃安新能源汽车股份有限公司 | 基于路灯光源的车辆定位方法、装置和电子设备 |
CN115610415A (zh) * | 2022-11-17 | 2023-01-17 | 广汽埃安新能源汽车股份有限公司 | 车辆距离控制方法、装置、电子设备和计算机可读介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050036660A1 (en) * | 2003-08-11 | 2005-02-17 | Yuji Otsuka | Image processing system and vehicle control system |
CN102280030A (zh) * | 2011-07-20 | 2011-12-14 | 杭州海康威视软件有限公司 | 夜晚车辆检测的方法及其*** |
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*** |
CN107992810A (zh) * | 2017-11-24 | 2018-05-04 | 智车优行科技(北京)有限公司 | 车辆识别方法和装置、电子设备、计算机程序和存储介质 |
-
2018
- 2018-10-26 CN CN201811258628.6A patent/CN109447093B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050036660A1 (en) * | 2003-08-11 | 2005-02-17 | Yuji Otsuka | Image processing system and vehicle control system |
CN102280030A (zh) * | 2011-07-20 | 2011-12-14 | 杭州海康威视软件有限公司 | 夜晚车辆检测的方法及其*** |
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*** |
CN107992810A (zh) * | 2017-11-24 | 2018-05-04 | 智车优行科技(北京)有限公司 | 车辆识别方法和装置、电子设备、计算机程序和存储介质 |
Non-Patent Citations (2)
Title |
---|
CHIEN, CHUN-LIANG等: "An Image Based Overexposed Taillight Detection Method for Frontal Vehicle Detection in Night Vision", 《2016 ASIA-PACIFIC SIGNAL AND INFORMATION PROCESSING ASSOCIATION ANNUAL SUMMIT AND CONFERENCE (APSIPA)》 * |
张晶等: "基于YUV空间和边缘能量的车牌检测方法", 《电视技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993083A (zh) * | 2019-03-20 | 2019-07-09 | 吉林大学 | 一种夜间车辆识别的方法 |
CN110263721A (zh) * | 2019-06-21 | 2019-09-20 | 北京字节跳动网络技术有限公司 | 车灯设置方法及设备 |
CN110263721B (zh) * | 2019-06-21 | 2022-04-26 | 北京字节跳动网络技术有限公司 | 车灯设置方法及设备 |
CN115512336A (zh) * | 2022-11-16 | 2022-12-23 | 广汽埃安新能源汽车股份有限公司 | 基于路灯光源的车辆定位方法、装置和电子设备 |
CN115512336B (zh) * | 2022-11-16 | 2023-02-28 | 广汽埃安新能源汽车股份有限公司 | 基于路灯光源的车辆定位方法、装置和电子设备 |
CN115610415A (zh) * | 2022-11-17 | 2023-01-17 | 广汽埃安新能源汽车股份有限公司 | 车辆距离控制方法、装置、电子设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109447093B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109447093A (zh) | 基于yuv图像的车尾灯检测方法 | |
US11854272B2 (en) | Hazard detection from a camera in a scene with moving shadows | |
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 | |
Wu et al. | Lane-mark extraction for automobiles under complex conditions | |
EP2843615B1 (en) | Device for detecting three-dimensional object and method for detecting three-dimensional object | |
RU2636120C2 (ru) | Устройство обнаружения трехмерных объектов | |
US9591274B2 (en) | Three-dimensional object detection device, and three-dimensional object detection method | |
TWI302879B (en) | Real-time nighttime vehicle detection and recognition system based on computer vision | |
CN105981042B (zh) | 车辆探测***及方法 | |
Ghazali et al. | Road lane detection using H-maxima and improved hough transform | |
Lee et al. | Stereo vision–based vehicle detection using a road feature and disparity histogram | |
EP2879385B1 (en) | Three-dimensional object detection device and three-dimensional object detection method | |
CN109948552B (zh) | 一种复杂交通环境中的车道线检测的方法 | |
CN104657735A (zh) | 车道线检测方法、***、车道偏离预警方法及*** | |
CN102298693A (zh) | 基于计算机视觉的高速公路弯道检测方法 | |
Wu et al. | A Real‐Time Embedded Blind Spot Safety Assistance System | |
CN102902957A (zh) | 一种基于视频流的自动车牌识别方法 | |
KR20110001427A (ko) | 관심영역 추출에 의한 차선 고속검출 방법 | |
KR20110131678A (ko) | 지능형 운송 시스템의 도로 및 차선 검출 시스템 및 방법 | |
CN112666573B (zh) | 一种矿区卸载区车后方挡土墙及障碍物的检测方法 | |
Cheng et al. | A vehicle detection approach based on multi-features fusion in the fisheye images | |
KR101134857B1 (ko) | 주간 및 야간 주행 차량을 조도상황에 따라 검출하는 방법및 장치 | |
Cualain et al. | Multiple-camera lane departure warning system for the automotive environment | |
Ku et al. | Visual motorcycle detection and tracking algorithms | |
Wang et al. | A multi-step curved lane detection algorithm based on hyperbola-pair model |
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 |