[发明专利]智能车载防撞预警系统中的夜间图像特征提取方法

说明书

技术领域

本发明属于光电技术领域，具体涉及一种智能车载防撞预警系统中的夜间图像特征提取方法。

背景技术

智能交通系统ITS(Intelligent Transportation System)，是指在现有的交通状况下，运用现代高科技使交通系统智能化，大幅提高路网的通行能力。ITS是当前全球交通领域的研究热点，专家们希望采用智能控制技术、计算机技术和信息通信技术改造传统交通系统，以提高系统的安全性。汽车防撞预警系统是智能交通系统的一个部分。它是在汽车行进时检测其周围的车辆等障碍物，当与障碍物的距离小于安全距离时报警，使驾驶员采取减速或制动等措施避障。这样可以提高汽车行驶的安全性。

目前，汽车防撞预警系统有雷达汽车防撞预警系统、机器视觉防撞预警系统、交互式智能化防撞预警系统、激光防撞预警系统、超声波防撞预警系统、红外汽车防撞预警系统以及综合型汽车防撞预警系统。对于雷达汽车防撞预警系统，其原理是利用电磁波发射后遇到障碍物反射的回波，不断地计算与前方障碍物的距离，对构成威胁的目标进行报警。对于综合型汽车防撞预警系统，自80年代以来，美国的300多家公司以及世界上许多著名大学和研究机构都着手研究。比如：关于毫米波雷达的研究，用30GHZ以上的毫米波雷达可以减小由天线辐射的电磁波射束角幅度以及各种干扰和误动作。

分析发现，目前已有的各种防撞预警系统有一些缺陷，应从以下几个方面进行修补：不同的天气和车型对安全时间和安全距离要求不同，所以可通过形成智能型专家系统来提高报警的准确性和实时性；碰撞事故中驾驶员的疲劳驾驶和汽车的性能可引发碰撞事故，因此需增加对驾驶员和汽车的检测；为了提高监控的范围，需要增加视觉的角度；汽车和危险物的距离是激光、超声波、雷达等系统报警的因素，所以应该考虑相对加速度、相对速度、天气和车型；行业标准是产品成功应用所离不开的，当务之急是形成行业标准；减少漏报、误报，以增强稳定性；提高预警系统的抗干扰能力。

对于汽车防撞预警系统采集的夜间图像，目前国内外测距的方法包括提取车尾灯和车体轮廓两种。其中，对于车尾灯的提取方法主要包括以下6种：

(1)基于灰度图像变化的变形梯度的算法。该方法的精确度不够。

(2)基于直方图的图像分割的方法。该方法的针对性不够。

(3)设计黑暗点包围的高亮圆区构造车灯模板检测车灯，再通过进一步计算候选车灯区域的对称度从而确定出车灯对。该方法在构造车灯模板和计算对称度这两个点上相对复杂。

(4)首先利用颜色信息在图像中检测出车辆尾灯，然后利用运动信息和先验知识对车辆尾灯进行匹配。该方法不适用于灰度图像。

(5)首先采用基于色度-饱和度-亮度模型的模糊规则来提取汽车尾灯的颜色特征；利用汽车上的反射光或阴影区域的亮度特征来进一步确认辨识结果。该方法不适用于灰度图像。

(6)首先对原图像进行WTH变换，然后进行二值化处理，最后通过颜色特征和形状特征排除各种干扰从而得到只留车尾灯的图像。该方法的相对复杂。

随着我国城市化的不断推进和汽车的不断普及，各种各样的交通事故不断出现，尤其是在夜间，公路事故高发。因此，智能车载防撞预警系统及其夜间图像处理技术的研究就越来越重要。

发明内容

本发明的目的在于提供一种智能车载防撞预警系统中的夜间图像特征提取方法，该方法通过一系列的图像处理方法把车尾灯凸显、提取和配对，以定位出本车道内前方车辆的具体位置，为智能车载防撞预警系统计算前车与本车的距离提供可靠的数据。

实现本发明目的的技术方案：一种智能车载防撞预警系统中的夜间图像特征提取方法，该方法包括以下步骤：

(1)智能车载防撞预警系统从车辆的颜色、灰度和形状特征中选择车尾灯作为待提取的特征；

(2)用中值滤波对所采集的图像进行去噪；

(3)用拉普拉斯锐化将所采集的图像中的边缘清晰化；

(4)用K-means算法和FCM算法判断出单阈值最适合本车道内前方车辆的尾灯提取；

(5)利用大津阈值分割法，按照图像的灰度特性把图像分成背景和目标两个部分；

(6)用数学形态学开运算对所采集的图像进行处理以去除背景中的小杂点；

(7)在对汽车尾灯进行特征提取和配对时，选取感兴趣的区域；

(8)从前方车辆的几何特征、亮度特征和颜色特征中选用几何特征，利用其面积的规律以及车灯位置大致处于同一水平线来提取和配对尾灯；