CN114724118A - 一种斑马线检测方法、装置、设备及存储介质 - Google Patents

Abstract

本申请是关于一种斑马线检测方法、装置、设备及存储介质，具体涉及计算机视觉技术领域。所述方法包括：获取目标图像；该目标图像为目标车辆行驶于目标道路上，且目标车辆上的图像采集设备配置为目标采集参数时，图像采集设备采集到的图像；基于目标采集参数，确定目标道路在目标图像中的图像消失点；将目标图像中，图像消失点与目标道路构成的区域，确定为待检测区域；对待检测区域进行图像处理，确定目标道路中的斑马线区域。上述方案尽可能避免了对其他无关区域进行斑马线识别，减小了计算机设备的计算量，提高了斑马线识别效率。

Description

一种斑马线检测方法、装置、设备及存储介质

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种斑马线检测方法、装置、设备及存储介质。

背景技术

在智能驾驶场景中，前端感知是主要功能模块之一，用于收集环境中的信息并输出给后续定位、决策等功能。

在智能驾驶中，辅助驾驶是其中关键的一部分，可以作为预警或者辅助来提高驾驶员驾驶车辆的安全性，减少交通事故的发生。斑马线是道路上重要安全标志，驾驶车辆经过斑马线时需要慢速安全通过，防止碰撞过往行人和车辆。因此，斑马线检测是车辆辅助驾驶场景中不可或缺的组成部分。对于斑马线检测算法通常为基于斑马线纹理的传统图像分析算法，主要是在驾驶过程中，通过分析斑马线的纹理特征和梯度特征，在采集到的图像中提取斑马线的边缘，根据斑马线的先验特征来定位斑马线的位置，或者基于卷积神经网络来训练斑马线检测模型，来定位斑马线的位置。

但通过上述方案，在低算力平台，实时对驾驶过程中采集到的图像进行检测，计算量较大，斑马线检测效率较低。

发明内容

本申请提供了一种斑马线检测方法、装置、计算机设备及存储介质，提高了斑马线的检测效率，该技术方案如下。

一方面，提供了一种斑马线检测方法，所述方法包括：

获取目标图像；所述目标图像为目标车辆行驶于目标道路上，且所述目标车辆上的图像采集设备配置为目标采集参数时，所述图像采集设备采集到的图像；

基于所述目标采集参数，确定所述目标道路在所述目标图像中的图像消失点；

将所述目标图像中，所述图像消失点与所述目标道路构成的区域，确定为待检测区域；

对所述待检测区域进行图像处理，确定所述目标道路中的斑马线区域。

又一方面，提供了一种斑马线检测装置，所述装置包括：

图像获取模块，用于获取目标图像；所述目标图像为目标车辆行驶于目标道路上，且所述目标车辆上的图像采集设备配置为目标采集参数时，所述图像采集设备采集到的图像；

消失点确定模块，用于基于所述目标采集参数，确定所述目标道路在所述目标图像中的图像消失点；

检测区域确定模块，用于将所述目标图像中，所述图像消失点与所述目标道路构成的区域，确定为待检测区域；

斑马线确定模块，用于对所述待检测区域进行图像处理，确定所述目标道路中的斑马线区域。

在一种可能的实现方式中，所述目标消失点为所述目标图像中，所述目标道路两侧对应的直线的交点；

所述检测区域确定模块，用于在所述目标图像中，将所述目标道路两侧对应的直线、所述目标消失点以及所述目标图像的边缘所构成的三角区域，确定为所述待检测区域。

在一种可能的实现方式中，所述检测区域确定模块，还用于，

在所述目标图像中确定所述目标车辆的车轮所在的目标直线；

获取所述目标直线被所述目标道路截取的道路宽度，以及目标直线与所述图像消失点的截距；

以所述道路宽度为宽边、所述截距为长，构建目标矩形区域，并将所述目标矩形区域确定为所述待检测区域。

在一种可能的实现方式中，所述斑马线确定模块，还包括：

像素值获取单元，用于对所述待检测区域进行逐行扫描，获取每个像素点的像素值；

斑马线确定单元，用于基于所述每个像素点的像素值，求取所述每个像素点的水平梯度，并根据所述每个像素点的水平梯度，确定所述目标道路中的斑马线区域。

在一种可能的实现方式中，所述斑马线确定单元，用于，

针对每个像素点，根据所述像素点的梯度与梯度区间之间的匹配关系，对所述像素点进行标记；

根据被标记的像素点，确定所述目标道路中的斑马线区域。

在一种可能的实现方式中，所述斑马线确定单元，还用于当在所述目标行中，相邻的被标记的像素点之间的距离满足距离条件，且所述被标记的像素点的个数大于数量阈值时，将所述目标行确定为斑马线区域。

在一种可能的实现方式中，所述斑马线确定单元，还用于当在所述目标行中，相邻的被标记的像素点之间的距离满足距离条件，且所述被标记的像素点的个数大于数量阈值时，将所述目标行确定为候选行；

当所述目标图像中检测到连续的候选行的行数大于行数阈值时，将所述连续的候选行所构成的区域确定为斑马线区域。

再一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述的斑马线检测方法。

又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述的斑马线检测方法。

再一方面，提供了一种计算机程序产品或计算机程序，所述计算机程序产品或计算机程序包括计算机指令，所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质中读取所述计算机指令，处理器执行所述计算机指令，使得所述计算机设备执行上述斑马线检测方法。

本申请提供的技术方案可以包括以下有益效果：

在获取到目标车辆行驶与目标道路上采集到的目标图像后，计算机设备可以先根据图像采集设备设置的采集参数，确定出图像消失点，从而将图像消失点与道路两侧所构成的区域确定为待识别区域，后续计算机设备对该待识别区域进行斑马线检测。即计算机设备在依据目标图像进行斑马线检测之前，可以先确定出目标图像中可能出现斑马线的区域，也就是道路区域，再在道路区域中进行斑马线识别，从而尽可能避免了对其他无关区域进行斑马线识别，减小了计算机设备的计算量，提高了斑马线识别效率。

附图说明

为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本申请的一些实施方式，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是根据一示例性实施例示出的一种图像数据处理***的结构示意图。

图2是根据一示例性实施例示出的一种斑马线检测方法的流程图。

图3是根据一示例性实施例示出的一种斑马线检测方法的流程图。

图4示出了本申请实施例涉及的一种待检测区域示意图。

图5示出了本申请实施例涉及的一种待检测区域示意图。

图6是根据一示例性实施例示出的一种斑马线检测装置的结构方框图。

图7示出了本申请一示例性实施例示出的计算机设备的结构框图。

具体实施方式

下面将结合附图对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应理解，在本申请的实施例中提到的“指示”可以是直接指示，也可以是间接指示，还可以是表示具有关联关系。举例说明，A指示B，可以表示A直接指示B，例如B可以通过A获取；也可以表示A间接指示B，例如A指示C，B可以通过C获取；还可以表示A和B之间具有关联关系。

在本申请实施例的描述中，术语“对应”可表示两者之间具有直接对应或间接对应的关系，也可以表示两者之间具有关联关系，也可以是指示与被指示、配置与被配置等关系。

本申请实施例中，“预定义”可以通过在设备（例如，包括终端设备和网络设备）中预先保存相应的代码、表格或其他可用于指示相关信息的方式来实现，本申请对于其具体的实现方式不做限定。

图1是根据一示例性实施例示出的一种图像数据处理***的结构示意图。该图像数据处理***中包含服务器110以及目标车辆120。其中，该目标车辆120中可以包括数据处理设备、图像采集设备以及数据存储模块等模块。

可选的，该目标车辆120中包括图像采集设备以及数据存储模块，该图像采集设备可以在目标车辆的运行过程中，对目标车辆周围的环境进行图像采集，并将采集到的图像保存在目标车辆中的数据存储模块中。

可选的，该目标车辆120通过传输网络（如无线通信网络）与服务器110实现通信连接，该目标车辆120可以通过无线通信网络，将数据存储模块中存储的各个数据（如采集到的图像）上传至服务器110，以便服务器110对采集到的图像进行处理，并根据采集到的图像，对图像中的斑马线区域进行识别。

可选的，该目标车辆中还包含有数据处理设备，该数据处理设备可以在目标车辆120的图像采集设备采集到图像时，对图像进行识别，判断采集到的图像中是否存在斑马线，当检测到存在斑马线时，再进一步确定斑马线所在的区域，并执行控制操作（如减速）或提醒操作（如语音提醒用户前方存在斑马线，需要减速）。

可选的，上述服务器可以是由多个物理服务器构成的服务器集群或者是分布式***，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN（Content Delivery Network，内容分发网络）、以及大数据和人工智能平台等技术运计算服务的云服务器。

可选的，该***还可以包括管理设备，该管理设备用于对该***进行管理（如管理各个模块与服务器之间的连接状态等），该管理设备与服务器之间通过通信网络相连。可选的，该通信网络是有线网络或无线网络。

可选的，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网，但也可以是其他任何网络，包括但不限于局域网、城域网、广域网、移动、有限或无线网络、专用网络或者虚拟专用网络的任何组合。在一些实施例中，使用包括超文本标记语言、可扩展标记语言等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层、传输层安全、虚拟专用网络、网际协议安全等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。

图2是根据一示例性实施例示出的一种斑马线检测方法的流程图。该方法由计算机设备执行，该计算机设备可以是如图1中所示的目标车辆中的数据处理设备。如图2所示，该斑马线检测方法可以包括如下步骤：

步骤201，获取目标图像。

该目标图像为目标车辆行驶于目标道路上，且该目标车辆上的图像采集设备配置为目标采集参数时，该图像采集设备采集到的图像。

在本申请实施例的一种可能的实现方式中，该目标采集参数包括图像采集设备的内参以及外参。

例如，当该目标采集设备为相机时，该相机的内参包括相机的焦距、畸变参数等，该相机的外参包括旋转矩阵以及平移矩阵，且该旋转矩阵描述了世界坐标系的坐标轴相对于摄像机坐标轴的方位，该平移矩阵描述了摄像机坐标系下，空间原点的位置。

步骤202，基于该目标采集参数，确定该目标道路在该目标图像中的图像消失点。

在目标采集设备为相机时，当相机通过标定等方式获取到目标采集参数后，计算机设备可以在世界坐标系中预设设置目标坐标点（例如将目标坐标点与目标车辆的距离设置为5千米），以作为无穷远处的点，此时计算机设备可以根据目标采集参数（即包括旋转矩阵、平移矩阵、焦距等），计算出该坐标点映射到目标图像中的坐标值，从而将该坐标值处的点确定为图像消失点。

由于当目标车辆在道路中行驶时，当道路在远处无限延伸时，道路两侧所对应的平行线理论上也会相交于该图像消失点，因此可以将该图像消失点作为目标车辆所处的目标道路在目标图像上的最远点。

步骤203，将该目标图像中，该图像消失点与该目标道路构成的区域，确定为待检测区域。

由于图像消失点可以表征为在目标图像中，目标车辆所处的目标道路的最远点，因此斑马线理论上只存在于图像消失点与目标道路所构成的区域内，因此计算机设备可以将图像消失点与目标道路所构成的区域，确定为待检测区域，从而缩减了需要执行斑马线检测算法的图像范围。

步骤204，对该待检测区域进行图像处理，确定该目标道路中的斑马线区域。

当确定了需要执行斑马线检测算法的待检测区域后，则计算机设备可以对该待检测区域进行图像处理，也就是通过斑马线检测算法，对待检测区域进行检测，确定目标道路中的斑马线区域。

在一种可能的实现方式中，上述斑马线检测算法，可以是通过对待检测区域的像素点的像素值进行检测，由于存在斑马线在道路上是按照一定规则分布的，即在垂直于道路两侧的方向上，斑马线按照间隔一定区间条纹分布，因此计算机设备可以根据待检测区域的水平方向的像素值的分布情况，判断是否符合斑马线的像素特征，当某一像素区域的水平方向上的像素值的分布满足斑马线的像素特征时，则代表该像素区域内有较大可能存在斑马线。

在另一种可能的实现方式中，上述斑马线检测算法还可以是通过机器学习模型实现的，即计算机设备中可以预先加载有斑马线识别模型，该斑马线识别模型可以是根据样本图像以及样本图像上的斑马线标注训练出的机器学习模型（如目标检测模型）。

当计算机设备获取到待检测区域后，可以将该待检测区域直接输入至该机器学习模型，输出该待检测区域是否存在斑马线，以及斑马线所在的区域。

综上所述，在获取到目标车辆行驶与目标道路上采集到的目标图像后，计算机设备可以先根据图像采集设备设置的采集参数，确定出图像消失点，从而将图像消失点与道路两侧所构成的区域确定为待识别区域，后续计算机设备对该待识别区域进行斑马线检测。即计算机设备在依据目标图像进行斑马线检测之前，可以先确定出目标图像中可能出现斑马线的区域，也就是道路区域，再在道路区域中进行斑马线识别，从而避免了对其他无关区域进行斑马线识别，减小了计算机设备的计算量，提高了斑马线识别效率。

图3是根据一示例性实施例示出的一种斑马线检测方法的流程图。该方法由计算机设备执行，该计算机设备可以是如图1中所示的目标车辆中的数据处理设备。如图3所示，该斑马线检测方法可以包括如下步骤：

步骤301，获取目标图像。

在本申请实施例中，当目标车辆行驶于目标道路上，目标车辆上的图像采集设备可以通过预先设置好的目标采集参数，对目标车辆运行道路上的前方环境进行图像采集，从而实时获取到目标车辆运行过程中的前方环境所对应的图像信息。

可选的，该目标图像可以是目标车辆运行过程中，图像采集设备任一时刻采集到的图像。

在本申请实施例中，该目标采集参数可以是目标车辆上的图像采集设备预先标定后得到的。

在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数的过程就称之为相机标定。

例如，在标定过程中，可以使用预先设计好的棋盘格板进行标定，为了标定相机，此时需要输入一系列三维点和它们对应的二维图像点。在黑白相间的棋盘格上，二维图像点很容易通过角点检测找到。

而对于真实世界中的三维点，由于采集时是将相机放在一个地方，而将棋盘格定标板进行移动变换不同的位置，然后对其进行拍摄。所以棋盘格上的每个角点(X,Y,Z)的值是预先确定的。简单来说，我们可以预先确定棋盘格在世界坐标系下所处的准确坐标，而由于棋盘格的方块尺寸也是已知的，因此棋盘格平面中的各个角点在世界坐标系下的坐标值都可以被认为是已知的。

此时计算机设备可以得到用于标定的三维点与其对应的图像上的二维点对，通过将三维点与二维点对进行对应，即可以得到相机的目标采集参数（如内参数、畸变系数、旋转矩阵和平移向量等）。

步骤302，基于该目标采集参数，确定该目标道路在该目标图像中的图像消失点。

由于目标车辆上的图像采集设备可以通过预先标定，确定图像采集设备的目标采集参数，且目标采集参数（如焦距、旋转矩阵、平移矩阵等）用于指示世界坐标系上的点在图像采集设备所成图像上的映射关系，因此计算机设备可以预先设定一个，在目标车辆前方，且与目标车辆的距离大于距离阈值的目标坐标点，此时该目标坐标点映射在图像采集设备采集到的目标图像上的坐标点，即为目标图像上的图像消失点。

在一种可能的实现方式中，该目标消失点为该目标图像中，该目标道路两侧对应的直线的交点。

且该图像消失点也可以表示为，目标道路在世界坐标系下的平行线，映射在目标图像上所成的两条直线的交点，因此该图像消失点可以表征为目标道路的无穷远处映射在目标图像中的坐标点。

步骤303，将该目标图像中，该图像消失点与该目标道路构成的区域，确定为待检测区域。

在一种可能的实现方式中，在该目标图像中，将该目标道路两侧对应的直线、该目标消失点以及该目标图像的边缘所构成的三角区域，确定为该待检测区域。

请参考图4，其示出了本申请实施例涉及的一种待检测区域示意图。在如图4所示的矩形实线区域所指示的目标图像中，由于目标道路两侧所对应的直线（该直线即代表着目标图像中检测出的目标道路两侧边界），在目标图像上汇聚至目标消失点，因此该目标消失点可以表征为目标道路的无穷远处，因此目标消失点、目标道路两侧对应的直线以及目标图像的边缘所构成的三角区域，即为目标车辆向前行驶时可能经过的区域，因此斑马线有较大可能存在于该三角区域内，计算机设备将该三角区域确定为待检测区域，以便后续对该待检测区域执行斑马线检测。

而由于在实际场景中，目标图像可以是由目标车辆的行车记录仪等图像采集设备所采集到的图像，因此在该目标图像的下方实际上可能存在部分车头区域，而该车头区域并不能检测出斑马线，因此该车头区域不需要被纳入斑马线检测区域中。

例如，在一种可能的实现方式中，由于图像采集设备与目标车辆的相对位姿是固定的，因此可以在目标图像中，预先确定出目标采集设备所采集到的目标车辆的车头部分与道路部分的相交线段；并在目标图像中，以该相交线段所在直线，与道路两侧所构成的三角区域确定为待检测区域，进一步去除了对车头区域的检测，提高了对斑马线检测的检测效率。

或者在一种可能的实现方式中，计算机设备还可以预先确定斑马线检测的检测区间，例如计算机设备可以预先确定检测车道前方三米至车道前方5KM（即近似代表无穷远处），作为斑马线检测的检测区间。

此时计算机设备可以将车道前方5KM处所对应的世界坐标，转换至图像坐标，得到图像消失点，再将车道前方三米出的世界坐标也转换至图像坐标，以得到车道前方三米的各个坐标点所形成的区间线段。

此时计算机设备可以在目标图像中，将该区间线段、图像消失点以及道路两侧所构成的区域确定为待检测区域。

在一种可能的实现方式中，在该目标图像中确定该目标车辆的车轮所在的目标直线；

获取该目标直线被该目标道路截取的道路宽度，以及目标直线与该图像消失点的截距；

以该道路宽度为宽边、该截距为长，构建目标矩形区域，并将该目标矩形区域确定为该待检测区域。

请参考图5，其示出了本申请实施例涉及的一种待检测区域示意图。在如图5所示的矩形实线区域所指示的目标图像中，由于图像采集设备在目标车辆中，通常是安装在目标车辆的控制台位置处的，因此该图像采集设备采集到的图像中，仍然可能包含有目标车辆的车头部分。

而由于图像采集设备相对于目标车辆是不变的，图像采集设备所采集到的图像中，目标车辆的车头部分也应该是不变的，因此可以预先确定目标采集设备采集到的图像中，前车轮所在的直线，并将其确定为目标直线。

当确定了目标直线后，则可以将目标直线被目标道路（也就是图5中以图像消失点为端点的两条实线）所截取的道路宽度，确定为矩形待检测区域的宽边，并将目标直线与图像消失点的截距，作为矩形待检测区域的长边，从而构建出矩形的待检测区域。

当通过如图4所示的三角区域进行斑马线检测时，仍然可能由于道路两侧在远处的识别误差，导致部分道路区域在三角区域之外，进而导致斑马线识别的准确性不够。而当通过图5所示的矩形待检测区域进行斑马线检测，通过适当增加待检测区域，在缩减需要进行检测的图像区域，提高了斑马线检测效率的同时，尽可能保证了斑马线检测的准确性。

步骤304，对该待检测区域进行逐行扫描，获取每个像素点的像素值。

在一种可能的实现方式中，对该待检测区域进行灰度处理，获得该待检测区域对应的灰度图像，并对该灰度图像进行逐行扫描，以获得每个像素点的像素值。

即计算机设备在对待检测区域进行检测之前，还可以将待检测区域内图像从RGB彩色图像转变为灰度图像，得到灰度图像g(x,y)，其中，g(x,y)中的x与y分别指示灰度图像中的各个像素点的横坐标与纵坐标。。

可选的，计算机设备在获取到待检测区域后，可以将待检测区域内的各个像素点的RGB像素值，进行加权求和，获得各个像素点分别对应的像素值，从而得到RGB彩色图像转化为的灰度图像。

在一种可能的实现方式中，对该待检测区域进行灰度处理，获得该待检测区域对应的灰度图像；对该灰度图像进行滤波处理，获得滤波图像，并对该滤波图像进行逐行扫描，以获得每个像素点的像素值。

即计算机设备使用图像滤波算法对灰度图像g(x,y)进行降噪处理，其中，滤波器为[1，a]的中值滤波器，按照行扫描的计算方式对灰度图像进行滤波处理，得到滤波图像f(x,y)，其中，f(x,y)中的x与y分别指示滤波图像中的各个像素点的横坐标与纵坐标。

可选的，该滤波器的上区间数值a为动态值，可以根据当前检测区域图像的每行宽度w来设定，例如a=0.5w。

步骤305，基于该每个像素点的像素值，求取该每个像素点的水平梯度，并根据该每个像素点的水平梯度，确定该目标道路中的斑马线区域。

例如，对于滤波图像f(x,y)，按照行扫描的计算方式，求取每个像素点的水平梯度值m=f(x+1,y)-f(x,y)，使用标志位记录当前像素点的梯度值情况，得到图像T(x,y)，其中，T(x,y)中的x与y分别指示T(x,y)中的各个像素点的横坐标与纵坐标。

在一种可能的实现方式中，针对每个像素点，根据该像素点的梯度与梯度区间之间的匹配关系，对该像素点进行标记；

根据被标记的各个该像素点，确定该目标道路中的斑马线区域。

可选的，当像素点处的梯度值m大于阈值T时，将该像素记为1；当梯度值m小于阈值-T时，记为2；其它记为0。当前可以记录图像每行像素值跳动较大的位置，适合纹理变化较大的斑马线场景，T一般设定为150。

在一种可能的实现方式中，当在该目标行中，相邻的被标记的像素点之间的距离满足距离条件，且该被标记的像素点的个数大于数量阈值时，将该目标行确定为斑马线区域。

可选的，对于图像T(x,y)，按照逐行扫描的方式，对图像T像素变化情况进行判定，得到包含斑马线中线位置的图像E(x,y) ，其中，E(x,y)中的x与y分别指示E(x,y)中的各个像素点的横坐标与纵坐标。其中，当T(x-w,y)=1且T(x+w,y)=2且T(x+n,y)=0(n在-w和w之间)时，E(x,y)=1，其它为0。w为每一行的斑马线的宽度，根据图像消失点的位置和当前行数自适应调整，最大值设置为60。

对于图像E(x,y)，按照逐行扫描的方式，对图像E中像素的分布情况进行判定。其中，当相邻两个元素纵坐标的距离在width阈值范围内，且像素个数大于num，表明当前行存在斑马线。若存在斑马线的行数大于height，则表明当前检测区域存在斑马线。其中，width为每一行斑马线间隔的宽度，根据消失点的位置和当前行数自适应调整，最大值设置为60，num设置为3，height设置为10。

在一种可能的实现方式中，当在该目标行中，相邻的被标记的像素点之间的距离满足距离条件，且该被标记的像素点的个数大于数量阈值时，将该目标行确定为候选行；

当该目标图像中检测到连续的候选行的行数大于行数阈值时，将该连续的候选行所构成的区域确定为斑马线区域。

由于道路上的斑马线一般具有一定的长度，映射在目标图像上也应该占据多行像素点，因此在进行斑马线检测时，计算机设备当检测到有连续多行像素点满足条件时，才会将该多行像素点所组成的区域确定为斑马线区域，尽可能避免了误识别或偶然现象对斑马线检测准确率的影响。

在一种可能的实现方式中，计算机设备在目标车辆的运行过程中，还可以对检测到的斑马线区域进行跟踪，更新检测到的斑马线区域。

例如，计算机设备可以通过卡尔曼滤波算法，对检测到的斑马线区域进行跟踪，预测斑马线区域在未来时间内所处的位置。

在一种可能的实现方式中，计算机设备当检测到斑马线区域与目标车辆之间的位置小于告警阈值，且所述目标车辆的速度大于速度阈值时，控制目标车辆发生告警。

例如，目标车辆上的处理器（也就是计算机设备）检测到当车速超过30km/s且当前车道斑马线距离30m时，可以控制车辆进行预警（如通过目标车辆中的语音播放设备进行语音提示，或控制目标车辆中的告警装置发出告警信号），提醒驾驶员减速行驶，尽可能避免发生交通事故。

综上所述，在获取到目标车辆行驶与目标道路上采集到的目标图像后，计算机设备可以先根据图像采集设备设置的采集参数，确定出图像消失点，从而将图像消失点与道路两侧所构成的区域确定为待识别区域，后续计算机设备对该待识别区域进行斑马线检测。即计算机设备在依据目标图像进行斑马线检测之前，可以先确定出目标图像中可能出现斑马线的区域，也就是道路区域，再在道路区域中进行斑马线识别，从而避免了对其他无关区域进行斑马线识别，减小了计算机设备的计算量，提高了斑马线识别效率。

图6是根据一示例性实施例示出的一种斑马线检测装置的结构方框图。该斑马线检测装置包括：

图像获取模块601，用于获取目标图像；所述目标图像为目标车辆行驶于目标道路上，且所述目标车辆上的图像采集设备配置为目标采集参数时，所述图像采集设备采集到的图像；

消失点确定模块602，用于基于所述目标采集参数，确定所述目标道路在所述目标图像中的图像消失点；

检测区域确定模块603，用于将所述目标图像中，所述图像消失点与所述目标道路构成的区域，确定为待检测区域；

斑马线确定模块604，用于对所述待检测区域进行图像处理，确定所述目标道路中的斑马线区域。

在一种可能的实现方式中，所述目标消失点为所述目标图像中，所述目标道路两侧对应的直线的交点；

所述检测区域确定模块，用于在所述目标图像中，将所述目标道路两侧对应的直线、所述目标消失点以及所述目标图像的边缘所构成的三角区域，确定为所述待检测区域。

在一种可能的实现方式中，所述检测区域确定模块，还用于，

在所述目标图像中确定所述目标车辆的车轮所在的目标直线；

获取所述目标直线被所述目标道路截取的道路宽度，以及目标直线与所述图像消失点的截距；

以所述道路宽度为宽边、所述截距为长，构建目标矩形区域，并将所述目标矩形区域确定为所述待检测区域。

在一种可能的实现方式中，所述斑马线确定模块，还包括：

像素值获取单元，用于对所述待检测区域进行逐行扫描，获取每个像素点的像素值；

斑马线确定单元，用于基于所述每个像素点的像素值，求取所述每个像素点的水平梯度，并根据所述每个像素点的水平梯度，确定所述目标道路中的斑马线区域。

在一种可能的实现方式中，所述斑马线确定单元，用于，

针对每个像素点，根据所述像素点的梯度与梯度区间之间的匹配关系，对所述像素点进行标记；

根据被标记的各个所述像素点，确定所述目标道路中的斑马线区域。

在一种可能的实现方式中，所述斑马线确定单元，还用于当在所述目标行中，相邻的被标记的像素点之间的距离满足距离条件，且所述被标记的像素点的个数大于数量阈值时，将所述目标行确定为斑马线区域。

在一种可能的实现方式中，所述斑马线确定单元，还用于当在所述目标行中，相邻的被标记的像素点之间的距离满足距离条件，且所述被标记的像素点的个数大于数量阈值时，将所述目标行确定为候选行；

当所述目标图像中检测到连续的候选行的行数大于行数阈值时，将所述连续的候选行所构成的区域确定为斑马线区域。

综上所述，在获取到目标车辆行驶与目标道路上采集到的目标图像后，计算机设备可以先根据图像采集设备设置的采集参数，确定出图像消失点，从而将图像消失点与道路两侧所构成的区域确定为待识别区域，后续计算机设备对该待识别区域进行斑马线检测。即计算机设备在依据目标图像进行斑马线检测之前，可以先确定出目标图像中可能出现斑马线的区域，也就是道路区域，再在道路区域中进行斑马线识别，从而避免了对其他无关区域进行斑马线识别，减小了计算机设备的计算量，提高了斑马线识别效率。

图7示出了本申请一示例性实施例示出的计算机设备700的结构框图。该计算机设备可以实现为本申请上述方案中的服务器。所述计算机设备700包括中央处理单元（Central Processing Unit，CPU）701、包括随机存取存储器（Random Access Memory，RAM）702和只读存储器（Read-Only Memory，ROM）703的***存储器704，以及连接***存储器704和中央处理单元701的***总线705。所述计算机设备700还包括用于存储操作***709、应用程序710和其他程序模块711的大容量存储设备706。

所述大容量存储设备706通过连接到***总线705的大容量存储控制器（未示出）连接到中央处理单元701。所述大容量存储设备706及其相关联的计算机可读介质为计算机设备700提供非易失性存储。也就是说，所述大容量存储设备706可以包括诸如硬盘或者只读光盘（Compact Disc Read-Only Memory，CD-ROM）驱动器之类的计算机可读介质（未示出）。

不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读寄存器（Erasable Programmable Read Only Memory，EPROM）、电子抹除式可复写只读存储器（Electrically-Erasable Programmable Read-OnlyMemory，EEPROM）闪存或其他固态存储其技术，CD-ROM、数字多功能光盘（DigitalVersatile Disc，DVD）或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的***存储器704和大容量存储设备706可以统称为存储器。

根据本公开的各种实施例，所述计算机设备700还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备700可以通过连接在所述***总线705上的网络接口单元707连接到网络708，或者说，也可以使用网络接口单元707来连接到其他类型的网络或远程计算机***（未示出）。

所述存储器还包括至少一条计算机程序，所述至少一条计算机程序存储于存储器中，中央处理单元701通过执行该至少一条计算机程序来实现上述各个实施例所示的方法中的全部或部分步骤。

在一示例性实施例中，还提供了一种计算机可读存储介质，用于存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行以实现上述方法中的全部或部分步骤。例如，该计算机可读存储介质可以是只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、只读光盘（Compact Disc Read-Only Memory，CD-ROM）、磁带、软盘和光数据存储设备等。

在一示例性实施例中，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述图2或图3任一实施例所示方法的全部或部分步骤。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (10)

1.一种斑马线检测方法，其特征在于，所述方法包括：

获取目标图像；所述目标图像为目标车辆行驶于目标道路上，且所述目标车辆上的图像采集设备配置为目标采集参数时，所述图像采集设备采集到的图像；

基于所述目标采集参数，确定所述目标道路在所述目标图像中的图像消失点；

将所述目标图像中，所述图像消失点与所述目标道路构成的区域，确定为待检测区域；

对所述待检测区域进行图像处理，确定所述目标道路中的斑马线区域。

2.根据权利要求1所述的方法，其特征在于，所述目标消失点为所述目标图像中，所述目标道路两侧对应的直线的交点；

所述将所述目标图像中，所述图像消失点与所述目标道路构成的区域，确定为待检测区域，包括：

在所述目标图像中，将所述目标道路两侧对应的直线、所述目标消失点以及所述目标图像的边缘所构成的三角区域，确定为所述待检测区域。

3.根据权利要求1所述的方法，其特征在于，所述将所述目标图像中，所述图像消失点与所述目标道路构成的区域，确定为待检测区域，包括：

在所述目标图像中确定所述目标车辆的车轮所在的目标直线；

获取所述目标直线被所述目标道路截取的道路宽度，以及目标直线与所述图像消失点的截距；

以所述道路宽度为宽边、所述截距为长，构建目标矩形区域，并将所述目标矩形区域确定为所述待检测区域。

4.根据权利要求1至3任一所述的方法，其特征在于，所述对所述待检测区域进行图像处理，确定所述目标道路中的斑马线区域，包括：

对所述待检测区域进行逐行扫描，获取每个像素点的像素值；

基于所述每个像素点的像素值，求取所述每个像素点的水平梯度，并根据所述每个像素点的水平梯度，确定所述目标道路中的斑马线区域。

5.根据权利要求4所述的方法，其特征在于，所述根据所述每个像素点的水平梯度，确定所述目标道路中的斑马线区域，包括：

针对每个像素点，根据所述像素点的梯度与梯度区间之间的匹配关系，对所述像素点进行标记；

根据被标记的各个所述像素点，确定所述目标道路中的斑马线区域。

6.根据权利要求4所述的方法，其特征在于，所述根据被标记的像素点，确定所述目标道路中的斑马线区域，包括：

当在所述目标行中，相邻的被标记的像素点之间的距离满足距离条件，且所述被标记的像素点的个数大于数量阈值时，将所述目标行确定为斑马线区域。

7.根据权利要求4所述的方法，其特征在于，所述根据被标记的像素点，确定所述目标道路中的斑马线区域，包括：

当在所述目标行中，相邻的被标记的像素点之间的距离满足距离条件，且所述被标记的像素点的个数大于数量阈值时，将所述目标行确定为候选行；

当所述目标图像中检测到连续的候选行的行数大于行数阈值时，将所述连续的候选行所构成的区域确定为斑马线区域。

8.一种斑马线检测装置，其特征在于，所述装置包括：

图像获取模块，用于获取目标图像；所述目标图像为目标车辆行驶于目标道路上，且所述目标车辆上的图像采集设备配置为目标采集参数时，所述图像采集设备采集到的图像；

消失点确定模块，用于基于所述目标采集参数，确定所述目标道路在所述目标图像中的图像消失点；

检测区域确定模块，用于将所述目标图像中，所述图像消失点与所述目标道路构成的区域，确定为待检测区域；

斑马线确定模块，用于对所述待检测区域进行图像处理，确定所述目标道路中的斑马线区域。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如权利要求1至7任一所述的斑马线检测方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如权利要求1至7任一所述的斑马线检测方法。

Images