[发明专利]一种大数据汽车驾驶区域图像分析方法及系统

说明书

本发明涉及一种图像分析的技术领域，揭露了一种大数据汽车驾驶区域图像分析方法，包括：获取汽车驾驶视频流，并从中截取若干帧汽车驾驶图像，并将所截取的汽车驾驶图像转换为灰度图；利用局部最大类间方差法对所述灰度图进行二值化处理，得到二值化汽车驾驶图像；利用动态区域检测方法，根据上一帧汽车驾驶图像的车速数据检测到当前汽车的所处区域；利用基于动态区域的全局搜索算法对汽车所处区域进行搜索，得到汽车的当前驾驶区域，所述汽车的当前驾驶区域为汽车的驾驶路线；根据所述汽车驾驶区域，利用所述动态区域检测法，预测汽车的后续驾驶区域。本发明还提供了一种大数据汽车驾驶区域图像分析系统。本发明实现了图像的分析。

技术领域

本发明涉及图像分析的技术领域，尤其涉及一种大数据汽车驾驶区域图像分析方法及系统。

背景技术

随着科技的发展，基于计算机视觉的车辆自主导航技术成为当前研究的热门话题。其中，车辆驾驶区域识别技术更是车辆自主导航系统的重要组成部分，然而，目前在乡村道路、盘山公路等无明显标线的非结构化道路的驾驶环境下加之阴影的存在，车辆驾驶区域识别技术仍然存在着准确率低、实时性差和易受光照影响的缺点。

鉴于此，如何有效降低车辆驾驶图像中阴影的影响，从而准确识别汽车驾驶区域，并进行车辆自主导航，成为本领域技术人员亟待解决的问题。

发明内容

本发明提供一种大数据汽车驾驶区域图像分析方法，通过提出一种动态区域检测方法，利用上一帧汽车驾驶图像的车速数据检测到当前车辆的所处区域，并利用基于动态区域的全局搜索算法，搜索得到当前车辆的驾驶区域。

为实现上述目的，本发明提供的一种大数据汽车驾驶区域图像分析方法，包括：

获取汽车驾驶视频流，并从中截取若干帧汽车驾驶图像，并将所截取的汽车驾驶图像转换为灰度图；

利用局部最大类间方差法对所述灰度图进行二值化处理，得到二值化汽车驾驶图像；

利用动态区域检测方法，根据上一帧汽车驾驶图像的车速数据检测到当前汽车的所处区域；

利用基于动态区域的全局搜索算法对汽车所处区域进行搜索，得到汽车的当前驾驶区域，所述汽车的当前驾驶区域为汽车的驾驶路线；

根据所述汽车驾驶区域，利用所述动态区域检测法，预测汽车的后续驾驶区域。

可选地，所述将所截取的汽车驾驶图像转换为灰度图，包括：

利用灰度图转换方法将所截取的汽车驾驶图像转换为灰度图，所述灰度图转换公式为：

Gray_(i，j)＝R_(i，j)×0.3+G_(i，j)×0.59+B_(i，j)×0.11

其中：

R_(i，j)，G_(i，j)，B_(i，j)为像素(i，j)在R，G，B三个颜色分量中的像素值；

Gray_(i，j)为像素(i，j)的灰度值。

可选地，所述利用局部最大类间方差法对所述灰度图进行二值化处理，包括：

1)计算灰度图的平均灰度：

其中：

M×N像素为灰度图的大小；

k表示灰度图的灰度级；

ρ(k)为灰度级为k的像素出现的概率；

n(k)为灰度级为k的像素出现的个数；