[发明专利]一种适应白天检测的运动车辆刹车灯状态识别方法

权利要求书

1.一种适应白天检测的运动车辆刹车灯状态识别方法，其特征在于包括以下步骤：

步骤1，裁剪图像生成感兴趣区域ROI；

首先，将视频转化为图片dst_1，放缩为统一大小，记为dst_2；然后，依据同车道前方车辆在图片中的位置信息，获取实验经验值进行图像感兴趣区域的提取，排除不相关的干扰区域，为后面定位车辆缩小范围，提高实时性；提取出的感兴趣区域记为dst_ROI1；

步骤2，精确定位前方车辆区域；

步骤2.1，训练Adaboost级联分类器；

首先，利用样本的harr特征进行分类器训练，得到一个级联的Adaboost分类器；训练样本分为正例样本和反例样本，其中正例样本是指待检目标样本，仅包含车尾特写图像样本，反例样本指不包含目标的其他图片；所有的正样本图片都被归一化为统一的尺寸；

步骤2.2，利用Adaboost级联分类器进行车辆检测；

在dst_ROI1中进行目标车辆的检测；通过按比例放大检测子窗的方法，对图像dst_ROI1进行目标车辆的检测，即对图像dst_ROI1采用与训练目标样本窗口同样大小的窗口遍历整幅图像，以后逐渐放大窗口，同样做遍历搜索物体；利用步骤2.1针对车尾特写图像样本训练的Adaboost级联分类器在图像中找到包含目标物体的矩形区域，并且将这些区域作为一序列的矩形框返回；通过区域遍历搜索，在dst_ROI1中得到前方车辆的精确区域信息；如果未检测到车辆，也就不可能检测到刹车灯状态信息，识别过程结束，读取下一帧进行处理；

步骤3，对定位后的车辆区域进行刹车灯状态识别；

步骤3.1，获取刹车灯二值化图像；

对步骤2得到的车辆区域重置ROI，记为图像dst_ROI2，对图像的通道进行R通道减去G通道的处理，得到图像dst_gray，利用最大类间方差法对dst_gray图像求取使类间方差最大的阈值threshold，利用此阈值对图像dst_gray像素点进行二值化处理，得到刹车灯二值化图像dst_bw_brakelight，表示如下：

$\left\{\begin{array}{cc}ss\·val\[0\]=255,& dst\_gray.Val\[0\]\>threshold\\ ss\·val\[0\]=0,& else\end{array}\right.$

其中，ss·val[0]为刹车灯二值化图dst_bw_brakelight的像素值，dst_gray.val[0]为dst_gray的像素值；

步骤3.2，检测高位刹车灯区域；

步骤3.3，检测车尾刹车灯区域；

步骤4，输出刹车灯状态信息；

如果检测到高位刹车灯或者车尾刹车灯，表明前方车辆正在刹车，输出刹车灯状态信息，实时警示后方车辆，实现智能驾驶的决策，车辆减速或者停止；

所述步骤3.2检测高位刹车灯区域的方法还包括以下步骤：

(1)对dst_bw_brakelight二值化图像进行膨胀腐蚀操作，得到图像dst_dilate_brakelight；

(2)检测高位刹车灯区域；

在dst_dilate_brakelight二值化图像中，刹车灯区域为白色区域，在图像中上部分区域范围内遍历寻找轮廓，找到面积和宽高比在一定范围的外接矩形区域，即高位刹车灯区域；判断条件如下：

当aRect.width/aRect.height≥e且f≤tmparea≤g时，存在满足条件的矩形区域，则检测到高位刹车灯，转步骤4；否则，转步骤3.3；其中，aRect.width为外接矩形的宽，aRect.height为外接矩形的高，tmparea为外接矩形的面积，f为设定的最小面积，g为设定的最大面积，e为设定的宽高比的最小值；

所述步骤3.3检测车尾刹车灯区域的方法还包括以下步骤：

(1)判断车身颜色；

如果二值化图像dst_bw_brakelight中白色像素点占总像素点比例K小于0.2，车身为非红黄色，转步骤(2)；否则，车身为红黄色，转步骤(3)；

(2)检测非红黄车身的车尾刹车灯区域；

在dst_dilate_brakelight二值化图像中，在图像中下部分区域范围内遍历寻找轮廓，找到面积在一定范围的外接矩形区域，即车尾刹车灯候选区域；对每一个找到的轮廓计算目标区域的中心位置，然后以此位置为中心左右扩展3个像素，形成7*7矩形窗，并在原图dst_ROI2中对应位置读取图片数据记为图片dst_dd，将图片dst_dd灰度化，得到dst_dd_gray图片，并对其进行HSV和YCBCR颜色空间转换，分别得到图片dst_dd_HSV和图片dst_dd_YCBCR；对图片dst_dd_gray，图片dst_dd中的R、G、B通道，图片dst_dd_HSV中的H、S、V通道和图片dst_dd_YCBCR中的Y、CB、CR通道的像素值累加和分别求取均值，即每个通道的像素值累加和除以7*7，得到10个特征值组成的向量M＝(Gray_average，R_average，G_average，B_average，H_average，S_average，V_average，Y_average，CB_average，CR_average)；

将搜索到的车尾刹车灯候选区域的向量M分别与红色特征向量ttrr＝(X_i)、白色特征向量ttww＝(Y_i)和黄色特征向量ttyy＝(Z_i)，i＝1,2,…,10，进行阈值匹配判断，进一步确认是否存在车尾刹车灯，判断方法如下：

如果|M-ttrr|<a或者|M-ttww|<b或者|M-ttyy|<c，其中|M-ttrr|表示两个向量的距离，则检测到车尾刹车灯，转步骤4；其中，a、b、c分别为事先统计并设定的红色误差阈值，白色误差阈值，黄色误差阈值；

(3)检测红黄色车身车尾刹车灯区域；

对dst_ROI2图像，在图像中下部分区域范围内取两个4*6的矩形窗，从中间向两边移动并向下遍历寻找满足条件的车尾灯区域；

对每个成对的左右两个矩形框，按照步骤(2)的方法计算区域的R，G，B，H，S，V，Y，CB，CR各通道和灰度图像的平均值所组成的向量Ml＝(Gray_average_l，R_average_l，G_average_l，B_average_l，H_average_l，S_average_l，V_average_l，Y_average_l，CB_average_l，CR_average_l)和Mr＝(Gray_average_r，R_average_r，G_average_r，B_average_r，H_average_r，S_average_r，V_average_r，Y_average_r，CB_average_r，CR_average_r)，Ml和Mr分别与红色特征向量ttrr、白色特征向量ttww和黄色特征向量ttyy进行阈值匹配判断，进一步确认是否存在车尾刹车灯，判断方法如下：

如果|Ml-ttrr|<h&|Mr-ttrr|<h或者|Ml-ttww|<i&|Mr-ttww|<i或者|Ml-ttyy|<j&|Mr-ttyy|<j，则检测到车尾刹车灯；其中，h、i、j分别为事先统计并设定的红色误差阈值，白色误差阈值和黄色误差阈值。