本發(fā)明涉及一種汽車燈光檢測方法，具體涉及一種視覺感知下汽車前燈尾燈識別跟蹤方法。

背景技術(shù)：

隨著計(jì)算機(jī)技術(shù)、傳感網(wǎng)絡(luò)技術(shù)、新能源、以及智能控制技術(shù)等學(xué)科的飛速發(fā)展，使汽車高級輔助駕駛、安全互聯(lián)等技術(shù)的應(yīng)用得到不斷拓展，在車聯(lián)網(wǎng)、智能汽車乃至無人駕駛汽車的驅(qū)動(dòng)下推動(dòng)整個(gè)汽車產(chǎn)業(yè)的創(chuàng)新。車輛照明作為汽車設(shè)計(jì)的重要組成部分，是駕駛員夜間行駛過程中視覺神經(jīng)接收到最多最重要的信息，夜間駕駛車輛的主要問題就是前方道路視線的問題，雖然晚上車流量一般比較低，但交通事故發(fā)生率比較高。究其原因，由于遠(yuǎn)光燈的照射范圍太遠(yuǎn)或者其不正確的使用，車前遠(yuǎn)光大燈在輔助駕駛員進(jìn)行夜間安全行車的同時(shí)，遠(yuǎn)光模式會對來車駕駛員造成視覺疲勞從而會引起炫目，給汽車行駛安全帶來隱患，有數(shù)據(jù)表明占總交通事故47％的夜間交通事故中不正確使用遠(yuǎn)光燈是一個(gè)主要原因。因此，隨著人們對駕駛的安全性和舒適性提出了越來越高的要求，研究新的照明技術(shù)來提高駕駛輔助安全具有重要的理論意義和實(shí)際應(yīng)用價(jià)值。

技術(shù)實(shí)現(xiàn)要素：

針對現(xiàn)有技術(shù)存在的問題，本發(fā)明提供一種視覺感知下汽車前燈尾燈識別跟蹤方法，解決現(xiàn)有汽車前照大燈無法根據(jù)前方車輛自適應(yīng)調(diào)整的問題。

本發(fā)明一種視覺感知下汽車前燈尾燈識別跟蹤方法，其技術(shù)方案為：采用視覺圖像序列信號進(jìn)行基于自適應(yīng)亮度閾值的局部車燈提取，輸入圖像金字塔序列進(jìn)行全局車頭車尾檢測，并將其作為局部車燈檢測的補(bǔ)充信息和約束條件，結(jié)合視覺傳感系統(tǒng)、物像探測距離以及感光特性對車燈運(yùn)動(dòng)軌跡進(jìn)行跟蹤，基于圖像視覺感知的車燈位置與led光照區(qū)域分布，對汽車矩陣式led進(jìn)行自適應(yīng)控制。本發(fā)明一種視覺感知下汽車前燈尾燈識別跟蹤方法；包括以下步驟：

步驟1)中，在干擾燈光過濾下利用車燈區(qū)域亮度特性進(jìn)行自適應(yīng)亮度閾值處理，進(jìn)行局域空間內(nèi)車燈識別，具體步驟為：

(1)基于聚類的圖像二值化方法，以最大類間方差法確定灰度閾值，分割出圖片中車前大燈的亮度高區(qū)域；

(2)通過孤立噪點(diǎn)去除、閉運(yùn)算目標(biāo)填充以及連通性分析，根據(jù)車燈形態(tài)學(xué)形成一個(gè)閉合的連通區(qū)域；

(3)基于背景光斑、路燈區(qū)域的區(qū)域鏈表，在多約束條件下將各區(qū)域的基本信息與車燈進(jìn)行匹配；

(4)在hsv空間分析尾燈樣本獲得二值圖像掩碼mask，進(jìn)行輪廓填充得到車尾燈區(qū)域并加入預(yù)跟蹤隊(duì)列qtrack。

步驟2)中，基于視頻圖像顏色空間轉(zhuǎn)換處理，構(gòu)建圖像金字塔序列來對全局空間內(nèi)車頭車尾位置進(jìn)行定位，具體步驟為：

(1)針對采集輸入的圖像進(jìn)行圖像顏色空間轉(zhuǎn)換，轉(zhuǎn)換成rgb顏色空間，并依次對圖像進(jìn)行0.9比例的縮放，構(gòu)建輸入圖像的金字塔序列。

(2)金字塔圖像中每一幅圖像的梯度、角度、梯度直方圖等信息，組合成圖像的特征金字塔。

(3)利用boost訓(xùn)練得到特征模型，對特征金字塔進(jìn)行滑動(dòng)窗口掃描，得到每幅圖像中可能存在的車燈目標(biāo)。

(4)通過使用極大值抑制貪婪算法，對車燈目標(biāo)進(jìn)行合并，并根據(jù)位置信息排除干擾，取得最終的車燈位置目標(biāo)。

步驟3)中，基于視覺傳感系統(tǒng)、物像探測距離以及感光特性來跟蹤車燈運(yùn)動(dòng)軌跡并自適應(yīng)控制矩陣式led車燈，具體步驟為：

(1)輸入車燈目標(biāo)的中心坐標(biāo)以及速度，利用卡爾曼濾波器進(jìn)行特征跟蹤。

(2)利用當(dāng)前得到的最近鄰目標(biāo)信息，對狀態(tài)方程進(jìn)行更新與修正，對目標(biāo)運(yùn)動(dòng)軌跡進(jìn)行約束，判斷目標(biāo)是否在檢測區(qū)域內(nèi)。

(3)利用燈光分區(qū)信息對圖像進(jìn)行分區(qū)標(biāo)定，左右兩側(cè)分為l1，l2，l3，l4，l5區(qū)。

(4)根據(jù)車燈目標(biāo)當(dāng)前存在的位置，關(guān)閉當(dāng)前區(qū)域內(nèi)的led燈光。

本發(fā)明的有益效果是：采用視覺圖像采集系統(tǒng)獲得前車前燈尾燈圖像參數(shù)，提出了一種結(jié)合局部車燈與全局車輛特征的智能大燈控制方法，該方法可以適應(yīng)汽車在夜間行車過程中背景時(shí)變、目標(biāo)時(shí)變、路況時(shí)變、車況時(shí)變、采集圖像分辨率變化等影響，準(zhǔn)確地檢測跟蹤車燈或者車輛的移動(dòng)軌跡，能夠連續(xù)定位圖像中的車燈部位，根據(jù)車輛檢測到對面車燈位置關(guān)閉或者調(diào)整相應(yīng)的led顆粒亮度，使得司機(jī)在車輛行駛過程中具有最佳的燈光照明環(huán)境，不會給目標(biāo)車輛甚至行人等目標(biāo)造成光線干擾，保障汽車在夜間行車過程的安全性和舒適性，可以用于汽車輔助駕駛中的大燈智能控制服務(wù)。

附圖說明

圖1是本發(fā)明實(shí)施例的汽車矩陣式led車燈控制系統(tǒng)結(jié)構(gòu)圖。

圖2是本發(fā)明實(shí)施例的汽車矩陣式led車燈定位算法流程圖。

圖3是本發(fā)明實(shí)施例的汽車矩陣式led車燈配光分布圖。

圖4是本發(fā)明實(shí)施例的汽車矩陣式led車燈照射效果示意圖。

具體實(shí)施方式

為使本發(fā)明實(shí)現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，下面結(jié)合具體實(shí)施方式，進(jìn)一步闡述本發(fā)明。

本實(shí)施例用于汽車led車燈顆粒控制技術(shù)，主要由視頻圖像采集、局部車燈檢測、全局車輛檢測、車輛車燈跟蹤以及l(fā)ed燈光控制組成。為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，結(jié)合以下具體實(shí)施，對本發(fā)明進(jìn)一步詳細(xì)說明。

圖1是汽車led車燈控制系統(tǒng)結(jié)構(gòu)圖，通過攝像頭實(shí)時(shí)采集高清視頻圖像，分辨率為1920*1080，視頻場景為車內(nèi)前方中央位置，通過基于自適應(yīng)亮度閾值的局部車燈提取，構(gòu)建輸入圖像金字塔序列進(jìn)行全局車頭車尾檢測，基于圖像視覺感知的車燈位置與led光照區(qū)域分布，對汽車矩陣式led進(jìn)行自適應(yīng)控制。

圖2是汽車矩陣式led車燈定位算法流程圖，由于夜間環(huán)境下光照條件較差，汽車前照燈亮度明顯大于背景燈光。車燈區(qū)域最主要的特征就是區(qū)域亮度高，本發(fā)明采用基于自適應(yīng)亮度閾值的前燈提取方法，前大燈檢測具體步驟為：

(1)自適應(yīng)二值化：利用最大類間方差法自適應(yīng)地確定灰度閾值，基于聚類的圖像二值化方法，車燈區(qū)域內(nèi)和區(qū)域外為兩類類間像素，可以有效地分割出圖片中亮度高區(qū)域，并且對變化的環(huán)境和光源光照有很好的自適應(yīng)性。

(2)形態(tài)學(xué)分析：經(jīng)過自適應(yīng)二值化后將目標(biāo)圖像的車燈凸顯出來，基于前燈高亮且近似對稱，通過開運(yùn)算去除孤立噪點(diǎn)、閉運(yùn)算填充目標(biāo)內(nèi)部以及連通性分析，車燈所在的區(qū)域形成了一個(gè)閉合的連通區(qū)域am，且面積大于一定的閾值tm。

(3)車燈配對：完成形態(tài)學(xué)分析中的區(qū)域提取后，獲得了一個(gè)保護(hù)車燈以及其他背景光斑、路燈區(qū)域的區(qū)域鏈表，將各區(qū)域的基本信息進(jìn)行車燈匹配，有如下約束條件：(a)連通區(qū)域的面積ac，一個(gè)車燈連通區(qū)域的面積用該連連通區(qū)域的像素總和來表示；(b)連通區(qū)域的中心坐標(biāo)xcyc，每個(gè)連通區(qū)域的中心坐標(biāo)(xc，yc)需要記錄下來，作為其他約束條件的基礎(chǔ)；(c)連通區(qū)域的水平距離，根據(jù)連通區(qū)域的中心坐標(biāo)計(jì)算出各個(gè)連通區(qū)域間的水平距離。由于車輛兩個(gè)車燈距離相對穩(wěn)定，且不同區(qū)域的水平距離可以表示為參考距離dr，準(zhǔn)確地判斷同一個(gè)車輛在圖像中遠(yuǎn)近不同位置時(shí)的車燈間距，繼而進(jìn)行匹配；(d)車燈分析區(qū)域的匹配坐標(biāo)驗(yàn)證，在全局車頭檢測區(qū)域rect中，閾值法區(qū)域的左右車燈必須在全局車輛模型范圍內(nèi)，車燈連通中心坐標(biāo)在車頭區(qū)域滿足以下條件：

其中xgap，ygap表示為車燈相對車身的水平和豎直方向的間距經(jīng)驗(yàn)值，rectx，recty，rectw，recth為全局車輛檢測結(jié)果矩形區(qū)域；(e)前述連通區(qū)域面積、連通區(qū)域中心坐標(biāo)以及連通區(qū)域水平距離三個(gè)約束條件必須在合理的區(qū)間范圍，才能被最終判斷為真實(shí)的汽車前燈并對其進(jìn)行配對組合，為防止某一個(gè)幀的誤匹配，根據(jù)連續(xù)2～3幀的歷史匹配結(jié)果進(jìn)行比較判斷，匹配成功加入預(yù)跟蹤隊(duì)列qtrack中。

基于夜間環(huán)境下的尾燈特殊性，可以將其轉(zhuǎn)換為更接近人眼的色彩感知空間，即hsv顏色空間，車尾大燈檢測具體步驟為：

給定一幅rgb彩色空間，每個(gè)hsv的分類的計(jì)算如下：

在hsv空間進(jìn)行車尾燈區(qū)域分割：

(1)收集大量的車尾燈樣本在hsv空間分布，車燈在hsv空間的分布閾值如下h：9°～342°，s：0.4645～1.0，v：0.2～1.0，在hsv空間中的范圍可以對車燈進(jìn)行檢測，得到二值圖像掩碼mask。

(2)尾燈區(qū)域提取，在二值掩碼mask基礎(chǔ)上，首先進(jìn)行形態(tài)學(xué)分析去除車身上的光斑以及大片干擾區(qū)域得到可疑候選的尾燈區(qū)域cd，然后在所有尾燈區(qū)域進(jìn)行輪廓填充，即可獲得比較好的車尾燈區(qū)域。

(3)尾燈匹配：參考前燈匹配過程，匹配成功加入統(tǒng)一的預(yù)跟蹤隊(duì)列qtrack。

根據(jù)攝像頭獲取采集到的視頻信息，將顏色空間轉(zhuǎn)換至rgb空間，以約為0.9的倍數(shù)進(jìn)行縮小，構(gòu)建圖像金字塔，并保留幀的時(shí)間戳信息，可以表示為

r′＝y(tǒng)′+1.140v′

g'＝y(tǒng)'-0.394u'-0.581v'

b′＝y(tǒng)′+2.032u′

其中：r’，g’，b’分別是圖像的紅，綠，藍(lán)三通道的像素值。y’，v’，u’為采集的圖像顏色空間。

在圖像金字塔中，將每一幅圖像平均采樣為原圖的一半后，分別計(jì)算紅，綠，藍(lán)三個(gè)通道的梯度幅值與方向，取其中幅值最大的值為特征幅值作為第一個(gè)特征，幅值與方向計(jì)算公式為：

gx(x,y)＝i(x+1,y)-i(x-1,y)

gy(x,y)＝i(x,y+1)-i(x,y-1)

其中：x，y為圖像中每個(gè)像素點(diǎn)的坐標(biāo)，i表示該像素點(diǎn)的值。

將原圖像劃分為若干個(gè)單元，每個(gè)單元的大小為2*2，分別以2*2統(tǒng)計(jì)梯度方向直方圖，將0～360°劃分為6個(gè)梯度方向，分別是bin1表示0～60°，bin2表示60～120°，bin3表示120°到180°，bin4表示180°到240°，bin5表示240°到300°，bin6表示300°到360°，將2*2的單元中按角度方向進(jìn)行分類，梯度幅值累加作為該bin的值進(jìn)行存儲，因此整幅圖可以形成6幅特征圖像，作為第二至七個(gè)特征。

針對每一幅特征圖像采用3*3高斯核濾波器進(jìn)行平滑處理，降低特征的維度空間，計(jì)算每個(gè)金字塔的特征圖像，高斯核公式為：

本發(fā)明使用采用跳變步長為4對金字塔特征圖像進(jìn)行滑動(dòng)窗口掃描，使用boost方式對掃描滑動(dòng)窗口進(jìn)行判斷，取得車燈目標(biāo)區(qū)域；基于上一步過程中車燈目標(biāo)得分，對所有車燈目標(biāo)得分進(jìn)行排序處理，根據(jù)得分結(jié)果采用極大值抑制輸出結(jié)果，得到最終的車燈檢測區(qū)域；根據(jù)檢測得到的車燈位置，對車燈進(jìn)行跟蹤從而獲取車輛運(yùn)動(dòng)軌跡。

本發(fā)明實(shí)例中，采用卡爾曼濾波的方法對車燈進(jìn)行跟蹤，將車燈的中心位置及速度信息作為系統(tǒng)的狀態(tài)變量，x^～＝[xp,yp,xs,ys]，其中xp和yp代表車燈中心位置的圖像x和y坐標(biāo)，xs和ys表示車輛在x與y方向上的運(yùn)動(dòng)速度?；趉alman車燈跟蹤主要分為預(yù)測和跟更新兩部分：

(1)預(yù)測。對狀態(tài)變量和狀態(tài)誤差方差進(jìn)行估計(jì)，可以寫為：

其中：為上一時(shí)刻k-1的狀態(tài)，f為狀態(tài)轉(zhuǎn)移矩陣，為預(yù)測的當(dāng)前時(shí)刻狀態(tài)，即是當(dāng)前時(shí)刻的車輛位置與速度。

對于狀態(tài)誤差協(xié)方差矩陣p與處理噪聲協(xié)方差q，pk＝f*pk-1*f^t+q，其中k-1表示上一時(shí)刻，k表示當(dāng)前時(shí)刻，f^t表示狀態(tài)轉(zhuǎn)移矩陣f的轉(zhuǎn)置。

(2)更新。在車燈跟蹤過程中，把當(dāng)前時(shí)刻的預(yù)測位置距離最近的觀測目標(biāo)作為觀察值如果沒有找到觀察值，則不更新，重新執(zhí)行預(yù)測。

為了對車燈位置進(jìn)行更新，首先按照下式計(jì)算卡爾曼增益kk：

kk＝pk*h^t*(h*pk*h^t+r)^-1

其中：h為觀測矩陣，h^t為觀測矩陣h的轉(zhuǎn)置，r為觀測噪聲協(xié)方差矩陣；增益kk的值越大，表示更新率越小，觀測值的比重就越小。

利用預(yù)測值、觀測值以及卡爾曼增益kk，對當(dāng)前時(shí)刻k的狀態(tài)變量與誤差協(xié)方差矩陣進(jìn)行更新，得到目標(biāo)車輛在當(dāng)前位置更新的狀態(tài)估計(jì)值可以估計(jì)得到當(dāng)前時(shí)刻k的車輛位置。以此類推，就可以得到目標(biāo)車輛的運(yùn)動(dòng)軌跡。如果某個(gè)目標(biāo)連續(xù)三幀沒有得到匹配或者連續(xù)一幀沒有檢測到，說明該目標(biāo)處于圖像邊緣區(qū)域并已經(jīng)駛出檢測區(qū)域或者目標(biāo)已經(jīng)丟失，則刪除該目標(biāo)。

圖3是本發(fā)明實(shí)施例的汽車矩陣式led車燈配光分布圖。本發(fā)明實(shí)例中，根據(jù)大燈的分區(qū)配置對攝像頭采集到的圖像進(jìn)行標(biāo)定處理。將整幅圖像以中間為界，左右兩邊分別劃分為l1，l2，l3，l4，l5分區(qū)，其中l(wèi)1區(qū)域?yàn)?°～0.645°，l2區(qū)域?yàn)?.645°～1.289°，l3區(qū)域?yàn)?.289°～2.577°，l4區(qū)域?yàn)?.577°～5.144°，l5為5.144°～10.206°。基于圖像跟蹤得到燈光估計(jì)坐標(biāo)，對相應(yīng)區(qū)域中的燈光進(jìn)行控制。

圖4是本發(fā)明實(shí)施例的汽車矩陣式led車燈照射效果示意圖。a1圖為遠(yuǎn)光燈全開時(shí)，位于車輛正前方的目標(biāo)車輛，在橫向上被遠(yuǎn)光完全覆蓋，此時(shí)必將造成目標(biāo)車輛駕駛員的炫目；a2為采用本發(fā)明后，遠(yuǎn)光燈系統(tǒng)檢測到車輛前方的目標(biāo)車輛，通過計(jì)算判斷其位置和距離，控制相應(yīng)的led燈關(guān)閉，從而使目標(biāo)車輛避免被遠(yuǎn)光照射，但是在目標(biāo)車輛以外的區(qū)域，依然被遠(yuǎn)光燈覆蓋；b1圖為遠(yuǎn)光燈全開時(shí)，位于車輛正前方的目標(biāo)車輛，在豎向上被遠(yuǎn)光完全覆蓋，此時(shí)必將造成目標(biāo)車輛駕駛員的炫目；b2為采用本發(fā)明后，遠(yuǎn)光燈系統(tǒng)檢測到車輛前方的目標(biāo)車輛，通過計(jì)算判斷其位置和距離，控制相應(yīng)的led燈關(guān)閉，從而使目標(biāo)車輛避免被遠(yuǎn)光照射，但是在目標(biāo)車輛以外的區(qū)域，依然被遠(yuǎn)光燈覆蓋，既避免了目標(biāo)車輛被遠(yuǎn)光燈干擾，有最大程度的保證了駕駛車輛司機(jī)的視野范圍。

本發(fā)明主要檢測同向和逆向行駛的道路上存在的車輛目標(biāo)，檢測到目標(biāo)進(jìn)入一定范圍后，對汽車遠(yuǎn)光燈進(jìn)行調(diào)整，防止車輛目標(biāo)接近時(shí)駕駛員出現(xiàn)炫光，減少夜間交通道路事故的發(fā)生。采用視覺圖像檢測的方式，能夠在夜間實(shí)時(shí)有效對車輛燈光進(jìn)行檢測并排除錯(cuò)誤虛假的干擾目標(biāo)，并對車燈類型進(jìn)行分類與跟蹤，最終控制前照燈進(jìn)行開關(guān)處理。通過本發(fā)明，可以在保證己方一直在遠(yuǎn)光燈模式下行駛，己方司機(jī)可以更加專注的駕駛，也能始終保持最佳視野，最大限度的保證夜間行車的安全和舒適性；同時(shí)，也不會給車輛甚至行人等目標(biāo)造成光線干擾，有效的保證各方的安全及舒適。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改，等同替換，改進(jìn)等，均應(yīng)在本發(fā)明的保護(hù)范圍之內(nèi)。