[发明专利]一种适用于复杂场景下的前方车辆检测方法

说明书

本发明涉及一种适用于复杂场景下的前方车辆检测方法，首先，利用图像消失点位置区分出路面和天空，将路面区域作为检测的有效区域，并对有效区域进行图像预处理，突显出车辆水平线条特征；然后根据车辆的宽度将图像有效区域分成多块，并在每块区域内统计分割阈值，实现多阈值局部分割；第三，在二值图上利用车辆宽度特征对分割结果进行去噪滤波，采用车辆边缘特征构造矩形提取出车辆候选区域；最后结合垂直边缘特征、左右边缘互匹配原理，实现车辆位置检测的定位。本发明方法可以有效地降低光照不均的影响，同时增强环境较差情况下车辆的检测效果；能有效地排除非车辆区域的干扰；有效地降低车辆检测所需要的时间。

技术领域

本发明涉及计算机视觉和图像处理技术，尤其涉及一种适用于复杂场景下的前方车辆检测方法。

背景技术

统计表明，全国道路交通事故有30％是人为主观判断失误或操作不当所造成的。如果驾驶员能提前1.0s知道危险而采取措施，可以减少90％的交通事故；如果提前0.5s知道，可以避免50％的追尾碰撞。为了能减少这些事故的发生，前方碰撞预警已逐渐成为汽车驾驶辅助系统里的一部分。

目前，前方碰撞预警系统技术主要有两大类：一是以雷达为传感器的(如毫米波、微波、红外等等)；二是以摄像头为传感器，通过视频分析技术实现前方车辆的检测。由于视频分析技术，可以有效地将目标分类，且成本低可扩展性高等特点，已成为汽车驾驶辅助系统发展的一个重要方向。

其中，车辆检测技术是基于视频的前方碰撞预警的一个重要技术。目前的车辆检测方法主要有基于运动分析的光流法，基于模型匹配法，以及基于特征提取法。而光流法主要是根据前方车辆运动的光流场与摄像机运动所造成的背景光流不一致，来确定被检测车辆的位置，但是在运动场景下，前方车辆与本车的相对运动较小，产生的相对光流场比较微弱，影响检测效果。基于模型匹配法是通过大量的不同道路情况下、不同类型的车辆图像，组成相应的特征库进行匹配处理，但匹配结果只能大致得到车辆区域，不能定位到车辆的真实边界。基于特征提取法，充分利用车辆的边缘、形状、灰度等特征确定出车辆在图像中的位置，但经常会受光照或环境变化的影响，造成信息的不足，从而降低检测效果。

发明内容

本发明为克服上述的不足之处，目的在于提供一种适用于复杂场景下的前方车辆检测方法，首先利用图像消失点位置找到检测的有效区域，并对有效区域进行图像预处理，突显出车辆水平线条特征；根据车辆的宽度将图像有效区域分成多块，并在每块区域内统计分割阈值，实现多阈值局部分割；然后，在二值图上利用车辆宽度特征对分割结果进行去噪滤波，采用车辆边缘特征构造矩形标准，提取出车辆候选区域；最后，结合垂直边缘特征与水平边缘特征实现车辆左右边界和上边界的精定位。本方法可以有效地降低光照不均的影响，同时增强环境较差情况下车辆的检测效果。

本发明是通过以下技术方案达到上述目的：一种适用于复杂场景下的前方车辆检测方法，包括如下步骤：

(1)采集图像并利用图像消失点位置确定车辆检测的图像有效区域[VanishPoint.y,Height]；

(2)对图像有效区域预处理，得到车辆水平线条特征图HorSrc和灰度图Src；

(3)根据车辆的宽度对车辆检测的图像有效区域进行分块，并根据车辆检测有效区域的分块结果在车辆水平线条特征图HorSrc和灰度图Src确定每块区域的分割阈值，实现多阈值二值化分割；

(4)计算得到二值化分割后图像中各线段的长度Length(y,i)，并对各线段进行滤波；结合线段并采用车辆边缘特征构造矩形，得到车辆候选区域；

(5)根据垂直边缘特征互匹配与水平边缘特征互匹配对车辆候选区域进行处理，最后输出车辆检测的精确定位。

作为优选，所述步骤(2)得到车辆水平线条特征图包括如下步骤：