[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

说明书

本发明公开了一种基于Haar‑Like特征提取算法与灰度值差异分析的辅助驾驶方法，包括：待检样本的收集与标定训练，前方道路视频流的自动采集与预处理；视频流中车尾与红绿灯的识别；视频流中车道线的检测，对检测到的车尾目标进行测距；识别结果反馈给驾驶员并对结果备份存储。本发明通过分析车内移动设备获取到的前方道路视频流，检测视频中采集的图像帧中存在的车尾、红绿灯与车道线三大要素，实现自动识别的功能，对驾驶员进行一定的结果反馈，为安全、便捷、高效驾驶提供了一套新的基于计算机视觉的可靠解决方案。

技术领域

本发明涉及一种基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶方法，属于机器学习和图像目标检测技术领域。

背景技术

自动驾驶作为未来汽车发展的重要方向之一，得到了社会各个方面越来越多的关注。随着人工智能进入国家战略层面的议程，国内多家厂商将自动驾驶技术作为战略布局和产品化研究的重要部分。此外，世界各国的交通主管部门大多倡导“防御驾驶”的概念。防御驾驶是一种预测危机并协助远离危机的机制，要求驾驶人除了遵守交通规则，也要防范其它因自身疏忽或违规而发生的交通事故。因此，各大汽车厂商与驾驶人大多主动在车辆上安装各种先进的辅助驾驶系统，以降低肇事概率。

目前市面上现有的汽车辅助驾驶系统，大多有着安装复杂、价格昂贵、覆盖面窄等缺点。而人工判别前方道路情况往往比较耗费驾驶员心力，在某些情况下也容易由于驾驶员的舒服造成不可逆转的交通事故，因此迫切需要有一套自动化复杂驾驶方案，能够快速识别前方道路关键元素，并通过语音播放等方式及时警示驾驶员。

发明内容

针对现有产品的不足，本发明提供了一种基于Haar-Like特征提取算法与灰度值差异分析的辅助驾驶系统，能够从道路视频流中检测识别出三大道路关键元素，实现对道路情况的实时感知与处理。

本发明所要解决的技术问题是通过以下技术方案实现的：

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，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；

(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；

(5)、对检测到的车尾目标进行测距，根据单目测距原理，估算大致车距；

(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。

上述步骤(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opencv_clipper_picture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。

上述步骤(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(缩放比例)；

3)级联分类器的载入；