[发明专利]基于交通路口视频的车道检测和分割方法

权利要求书

1.一种基于交通路口视频的车道检测和分割方法，其特征在于，包括以下具体的步骤：

1）利用Hough变换对交通路口视频图像进行检测，提取视频图像中的直线；在进行Hough变换时，加入直线长度的约束条件，所述约束条件为图片长度的1/5，排除不符合该约束条件的直线；在进行Hough变换时，每当将图像空间中的像素点映射到参数空间后，检测每个累加器的计数是否超过累加阈值从而确认是否存在直线，并获得直线上的点的集合；

2）提取步骤1）所得直线的多维特征向量，所述多维特征向量包括直线的斜率、位置、长度以及与边缘检测图片的匹配度；

3）利用K-means算法实现聚类，将聚类所得直线簇采用半机械学习方法进行分析，利用聚类的中心的直线簇作为边界，划分出车道；所述半机械学习方法包括以下步骤：提取视频图像所摄取的路口车道的岔口数量，将直线簇与上述路口车道的岔口数量进行比较，确定直线簇与上述路口车道的岔口数量的匹配度；所述K-means算法包括以下步骤：采用多中心聚类比较的方法确定中心的数目，采用K-means算法实现对步骤2）所得多维特征向量进行分析并提取初始聚类中心。

2.根据权利要求1所述的基于交通路口视频的车道检测和分割方法，其特征在于，还包括以下步骤：

预处理步骤：采用快速中值滤波对交通路口视频图像进行预处理，在视频图像上移动邻域窗口，当新进入邻域窗口的像素的灰度值与新移出窗口的像素的灰度值不同时，对邻域窗口求中值，同时采用插入排序，排序过程中，对已有的序列固定不变，从而获得较快的滤波效果；

边缘检测步骤：使用Canny算子或者Sobel算子对视频图像进行边缘检测得到边缘检测图片，其中，对强光照条件下所摄取的视频图像进行边缘增强，对正常关照和弱光照条件下所摄取的视频图像利用Sobel算子计算相邻像素点的灰度差异值。

3.根据权利要求1所述的基于交通路口视频的车道检测和分割方法，其特征在于，其特征在于，还包括以下步骤：对每条直线还提取其延长线与边界交点坐标、视频图像的颜色值以及视频图像的梯度空间值作为直线的高位特征向量；将斜率用斜率所在直线与水平线的夹角进行替换；对所述多维特征向量和高维特征向量进行那个归一化；在计算多维特征向量和高位特征向量的权重时，保持斜率和位置的权重值大于其他多为特征向量或者高位特征向量的权重值；采用统计方法，自适应地选择聚类的数目，并与聚类所得直线簇进行比较，通过以下算法得到最优解：其中，n为聚类的中心数量，V_p为每条直线的特征向量，C_n为对应聚类中心的特征向量。

4.根据权利要求1所述的基于交通路口视频的车道检测和分割方法，其特征在于，其特征在于，对于步骤3）所得车道，根据得到的车道数量，在视频图像中提取与车道数量相同的等分点作为种子点，在Hough变换所得直线图中进行扩散，进一步地划分出不同的车道。