[发明专利]基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法

权利要求书

1.一种基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法，其特征在于包括如下步骤：

(1)、待检样本的收集与标定训练，包括对车尾目标和红绿灯目标的标定训练；

所述步骤(1)中所述样本的标定训练的步骤如下：

(1-1)、分别收集若干包含车尾和红绿灯目标的相关正样本和不包含目标元素的无关负样本，所述负样本可通过随机负样本生成器工具自动生成；

(1-2)、使用Haar-Like特征做检测，利用积分图算法对Haar-Like特征求值进行加速，然后用AdaBoost算法训练车尾、红绿灯图片的正样本和负样本，分别生成区别车尾与非车尾、红绿灯与非红绿灯的强分类器；

(1-3)、将强分类器级联生成XML格式的级联分类器检测文件；

(2)、前方道路视频流的自动采集与预处理；

(3)、视频流中车尾与红绿灯的识别；

(4)、视频流中车道线的检测，依赖于灰度值差异分析办法和轮廓处理，检测视频流中出现的车道线轮廓并且进行标记；

所述步骤(4)的具体步骤如下：

(4-1)、通过灰度值差异分析，筛选初步车道线轮廓，包括：

1a)预处理部分，包括车道线形状参数的设置，车道线ROI的选取，灰度图、二值图副本的建立；

1b)对ROI内的像素点进行动态扫描，扫描到某像素点时，计算像素点左右定长宽度的灰度值差异，若在阈值允许范围内，则认定该像素点为车道线轮廓成员，在对应的二值图副本中标记为白色；

(4-2)、通过轮廓量化与比对，二次复筛车道线轮廓，包括：

2a)通过OpenCv中的findContours函数量化二值图中的白色轮廓，将轮廓以“点集”的形式保存在向量容器中，并且同时保留其层次关系；

2b)根据初始化的车道线形状参数，二次筛选出车道线轮廓，关键要素包含：车道线单轮廓最小尺寸、弯曲检验、车道线轮廓的方向角角度与位置检验、小面积轮廓补偿比率限制；

2c)将二次筛选出的车道线轮廓绘制于原图中；

(5)、对检测到的车尾目标进行测距，根据单目测距原理，估算车距；

(6)、识别结果反馈给驾驶员并对结果备份存储，识别结果包括前面车尾的距离以及前方道路红绿灯的状况。

2.根据权利要求1所述的基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法，其特征在于所述步骤(2)中视频流的预处理包含视频预处理和图像预处理；

所述视频预处理包含：

1)语音提示初始化；

2)车尾红绿灯检测效果与速度选项初始化；

3)级联分类器的载入；

4)输出视频宽度、高度、通道数、帧率参数的初始；

5)车道线形状参数的设定；

所述图像预处理包含：

a)ROI的选取；

b)灰度图转换；

c)通过线性插值比例缩放检测区域；

d)对检测区域进行高斯降噪与直方图均衡；

e)建立对应大小的二值图副本。

3.根据权利要求1所述的基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法，其特征在于所述步骤(3)中频流中车尾与红绿灯的识别，通过载入好XML文件的级联分类器可以检测设定ROI中的所有车尾目标与红绿灯目标，选取距离图像中心欧氏距离最近的目标，作为当前目标，在原图中用不同颜色的矩形框标记，并将结果反馈给处理系统，所述结果包含目标是否首次出现、目标在原图中的坐标位置的信息。

4.根据权利要求1所述的基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法，其特征在于所述步骤(5)的具体步骤如下：

(5-1)、摄像机参数的调整，包括安装高度，焦距，图像像素大小；

(5-2)、车尾目标检测，根据车尾矩形框的位置，通过局部积分计算车辆轮胎与地面交界线的纵坐标；

(5-3)、根据单目测距原理，估算车尾目标近似距离，估算公式为：

其中Distance为估算车距、camara_height为摄像头安装高度、focal为摄像头焦距、pixel_size为像素大小、car_tire_y为车辆的纵坐标。

5.根据权利要求1所述的基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法，其特征在于所述步骤(6)中识别结果通过语音UI结合的方式反馈给驾驶员，其中在移动设备界面中播放绘制有车尾矩形框、红绿灯矩形框、车道线轮廓的输出视频，另外通过语音播报的方式警示驾驶员前方车辆与红绿灯。