[发明专利]一种基于显著性检测的夜间车辆检测方法

说明书

本发明公开了一种基于显著性检测的夜间车辆检测方法。该方法包括预处理手动标定得到感兴趣区域及车灯间距、车灯高度等阈值；然后对感兴趣区域进行FT显著性检测获得显著图，再对显著图进行形态学处理后及OTSU二值化处理得到显著区域二值图；利用颜色信息对显著图中显著区域进行二次过滤，得到候选车灯区域；利用标定获得阈值对候选车灯进行两两匹配，得到车灯对；利用车灯长度、宽度等先验知识对车灯对进行二次筛选，得到最终的车灯对。本方法能够有效过滤车身反光、地面反光，减少车灯的多检，增加车辆检测的鲁棒性。

技术领域

本发明涉及图像处理技术领域，尤其涉及在道路卡口夜间车辆检测过程中，利用显著性检测对车辆进行检测的方法。

背景技术

在夜间等黑暗条件下，由于光照条件较差、照明不均匀等原因，路面和车辆的颜色、纹理、亮度等特征不明显。而利用这些特征进行检测的算法往往在夜间失效，因此夜间环境下的车辆检测是智能交通系统中的一个研究难点。

夜间车辆最显著的特征就是车灯，对车灯的提取也是夜间车辆检测方法的关键。目前常用的夜间车辆检测方法是以车灯颜色信息、亮度或形态特征来实现车辆检测，其中与本发明最接近的技术方案包括：公开号为CN104778454A的中国专利申请公开了基于亮度递减验证的夜间车辆尾灯提取方法，该方法基于“越远离白光区域的光晕点亮度值越低”的事实对疑似车灯对象的光晕区域亮度分布进行验证，得到可信度较高的车灯对象，但是该方法仅对颜色过滤后灰度值大于245的高亮区域进行疑似车灯筛选验证，具有一定局限性；公开号为CN105718893A的中国专利申请公开了一种用于夜间环境的车辆尾灯对检测方法，该方法使用最大类间距离法对图像进行二值化，然后利用形状、面积、位置信息对车灯对进行匹配筛选，但该方法并没有有效利用车灯颜色信息，提取车灯时容易引入非车灯高亮区域；公开号为CN104732235A的中国专利申请公开了一种消除夜间道路反光干扰的车辆检测方法，该方法利用车灯和反射光的亮度梯度统计特征差别，采用基于Fisher判别法区分反射光和车灯，并消除图像中的反射光，然后进行连通区域并采用形态学对车灯进行提取和匹配，实现夜间车辆检测，但该方法需要手动选取多张具有代表性的反射光和车灯的夜间道路监控图像作为样本；与传统的车辆检测方法不同，本文提出一种在显著图的基础上进行车灯提取方法，能有效过滤车身反射光、地面反射光等干扰，提高车辆检测鲁棒性。

发明内容

针对上述问题，本发明公开了一种基于显著性检测的夜间车辆检测方法，该方法能够有效过滤车身反光、地面反光，减少车灯的多检，增加车辆检测的鲁棒性。具体技术方案如下：

一种基于显著性检测的夜间车辆检测方法，包括如下步骤：

步骤1：从道路监控视频中手动标定出感兴趣区域；同时标定出车辆经过感兴趣区域时的两侧车灯间距最小值LAMP_MIN、最大值LAMP_MAX和单侧车灯最大高度LAMP_H；

步骤2：读取图像序列，截取当前帧图像的感兴趣区域G，其分辨率为w*h；

步骤3：对感兴趣区域G进行显著性检测并进行形态学处理，得到候选车灯二值图SalLamp；

步骤4：利用颜色信息对候选车灯二值图SalLamp进行二次过滤，得到车灯外接矩形集合RL；

步骤5：对车灯外接矩形进行匹配，得到车灯对矩形映射集使其同时满足式(2)、(3)和(4)：

式中，表示矩形中心点的X坐标；表示矩形中心点的Y坐标；映射集Match中元素表示左车灯外接矩形和右车灯外接矩形的配对关系，m表示Match的元素个数；

步骤6：对映射集Match进行二次筛选，使其满足式(5)和式(6):