[发明专利]一种基于Kalman滤波的夜间车辆检测方法

说明书

本发明公开了一种基于Kalman滤波的夜间车辆检测方法，其涉及计算机视觉领域。本发明方法首先在多帧图像的亮度累加直方图中采用改进的Otsu算法分割出尾灯目标，并基于颜色信息剔除部分非尾灯高亮区域，根据前一帧的车辆检测结果，利用Kalman滤波跟踪方法预估车辆在本帧中的位置，将图像分为跟踪区域和检测区域，在两个区域内分别根据先验知识进行尾灯配对，然后根据尾灯对之间的特征相似性比较，剔除误检的尾灯对，在尾灯粘连等检测失败的情况下，基于前一帧检测结果，通过尾灯估计完成车辆检测。能够在满足实时性要求下，有效检测出夜间前方车辆目标在图像中的位置，有效降低漏检率和误检率。

技术领域

本发明涉及计算机视觉领域，具体涉及一种基于Kalman滤波的夜间车辆检测方法。

背景技术

车辆检测是智能运输系统(intelligent transportation system,ITS)的重要组成部分。而夜间车辆追尾碰撞事故在公路交通事故中占有很高的比例，因此进行夜间车辆检测具有重要意义。基于视觉的前方车辆识别是追尾碰撞预警系统的关键技术之一。由于夜间道路光线条件复杂，目标车辆与背景的对比度低，车灯就成为夜间环境下车辆最明显的特征，常被用于夜间车辆的识别。

因此有必要提出一种新的夜间车辆检测算法来解决传统方法在尾灯提取时最佳阈值设置困难的问题以及车辆检测率和误检率之间存在矛盾。

发明内容

本发明的目的在于提出一种能够满足准确性和实时性需求的一种基于Kalman滤波的夜间车辆检测方法，能准确检测夜间前方车辆，有效降低漏检率和误检率。

为实现上述目的，本发明的具体技术方案如下：

一种基于Kalman滤波的夜间车辆检测方法，包括如下步骤：

1)采集车辆图像，并提取车辆图像中的尾灯信息；

2)根据提取的尾灯信息和车辆先验知识进行尾灯配对，并基于尾灯相似性比较，剔除误检车辆，根据尾灯对完成车辆的初步检测；

3)当本帧中的跟踪区域未能检测到相应的车辆，进一步基于步骤中的初步检测结果完成前方车辆的准确检测。

作为本发明的优选技术方案，所述步骤1)具体包括：

采集不同交通环境下的尾灯图像，采用高斯函数对该尾灯图像亮度分量的统计直方图进行拟合，取μ＝2σ作为固定分割阈值，其中σ为高斯分布函数标准差，μ为高斯分布函数期望值，通过高斯曲线拟合得出的统计阈值T_s；

定义图像中某个灰度级k所对应的像素个数的函数如下：

H(k)＝n_k,k＝0,1,...,l-1 (1)

其中，n_k为图像中灰度级为k的像素个数，l为灰度级总数256，亮度累加直方图是统计连续多帧图像中亮度分量直方图的累加结果，则包括本帧的前t帧图像的亮度累加直方图可表示为：

其中，为图像序列中第i帧图像亮度分量直方图，该目标区域为累加直方图上某一分割阈值T_l到255的灰度值范围，T_l由统计阈值T_s确定；

假设统计阈值为理想分割阈值，有：

T_s＝(T_l+l-1)/2 (3)

则:

T_l＝T_s×2-(l-1) (4)

根据分割阈值T_l对车辆图像进行分割，提取车辆图像中的尾灯信息。