本發(fā)明屬于計(jì)算機(jī)圖像數(shù)據(jù)處理領(lǐng)域，尤其涉及一種基于手機(jī)平臺(tái)快速檢測(cè)與識(shí)別人行道斑馬線的方法。

背景技術(shù)：

隨著現(xiàn)代社會(huì)經(jīng)濟(jì)與科技的飛速發(fā)展，手機(jī)已經(jīng)成為人們生活中不可或缺的隨身設(shè)備。然而近年來(lái)，由于低頭玩手機(jī)而不注意道路交通狀況，從而造成生命危險(xiǎn)的案例屢見不鮮。然而現(xiàn)在還沒有一款針對(duì)這種情況的手機(jī)應(yīng)用軟件產(chǎn)生，使得人們?cè)诓蛔⒁獾缆钒踩闆r的時(shí)候得到提醒。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明公開了一種基于手機(jī)平臺(tái)快速檢測(cè)與識(shí)別人行道斑馬線的方法，包括以下步驟：

步驟1，對(duì)手機(jī)實(shí)時(shí)拍攝的圖像進(jìn)行校正，在校正后的圖像中選取初始ROI區(qū)域，得到ROI四邊形區(qū)域；

步驟2，旋轉(zhuǎn)ROI四邊形區(qū)域；

步驟3，模板匹配：制作斑馬線模板，將ROI四邊形區(qū)域與模板進(jìn)行匹配；

步驟4，斑馬線路面的判定。

本發(fā)明步驟1包括如下步驟：

步驟1-1，選取初始ROI區(qū)域的底邊；

步驟1-2，選取初始ROI區(qū)域的頂邊；

步驟1-3，選取初始ROI區(qū)域的左右兩邊。

本發(fā)明步驟1-1包括：

步驟1-1-1，使用現(xiàn)有的基于控制點(diǎn)的校正方法對(duì)手機(jī)實(shí)時(shí)拍攝的圖像進(jìn)行幾何失真校正，且校正方法會(huì)自動(dòng)提供用于校正的四對(duì)控制點(diǎn)的坐標(biāo)以便ROI四邊形區(qū)域的獲?。?/p>

步驟1-1-2，建立圖像坐標(biāo)系和計(jì)算手機(jī)拍攝角度的坐標(biāo)系：圖像坐標(biāo)系是以圖像左上角為坐標(biāo)系原點(diǎn)，以豎直向下方向?yàn)閅軸，以水平向右方向?yàn)閄軸；計(jì)算手機(jī)拍攝角度的坐標(biāo)系是以手機(jī)機(jī)身左下角為坐標(biāo)系原點(diǎn)，以機(jī)身長(zhǎng)邊(向上方向)為Y軸，短邊(向右方向)為X軸；

步驟1-1-3，計(jì)算手機(jī)使用者的步頻a、步幅b、步行速度c和經(jīng)過(guò)響應(yīng)時(shí)間t后的步行距離d：

a＝e/m，

b＝n/e，

c＝a*b，

d＝c*t，

其中e表示步數(shù)，n表示一段時(shí)間m(一般為1分鐘到30分鐘)的步行距離，t表示響應(yīng)時(shí)間；這四個(gè)數(shù)值通過(guò)手機(jī)內(nèi)置軟件自動(dòng)獲得；

步驟1-1-4，確定響應(yīng)時(shí)間：響應(yīng)時(shí)間等于手機(jī)實(shí)時(shí)處理所需要的時(shí)間加上使用者的生理反應(yīng)時(shí)間(一般為0.1s)；

步驟1-1-5，根據(jù)響應(yīng)時(shí)間得到步行距離，舍棄掉圖像中對(duì)應(yīng)這一段距離的部分，從而確定初始ROI區(qū)域的底邊。

本發(fā)明步驟1-2包括：

根據(jù)如下公式確定初始ROI區(qū)域的頂邊g：

g＝j(luò)-k，

其中，j表示初始ROI區(qū)域的底邊所在的行值，即步驟1-1-2所述圖像坐標(biāo)系中的Y軸坐標(biāo)，k表示黑白黑特征的像素?cái)?shù)。因?yàn)椴煌呐臄z角度，斑馬線在圖片中所顯示的一個(gè)特征周期的像素值不同，但是“黑白黑”特征的像素?cái)?shù)肯定是大于同一圖片中“白黑白”特征的像素?cái)?shù)，為防選取初始ROI區(qū)域時(shí)去除太多有效信息，可以將本發(fā)明具體實(shí)施方式表三中“黑白黑”特征的像素?cái)?shù)作為被減數(shù)，從而得到ROI區(qū)域的頂邊在圖像坐標(biāo)系中的Y軸坐標(biāo)。

本發(fā)明步驟1-3包括：

步驟1-3-1，根據(jù)步驟1-1-2中所述的圖像坐標(biāo)系，假設(shè)從原圖像中選取的四個(gè)校正點(diǎn)分別為P1、P2、P3、P4，它們的坐標(biāo)分別為(X_P1，Y_P1)，(X_P2，Y_P2)，(X_P3，Y_P3)，(X_P4，Y_P4)，P1是左上角的點(diǎn)，P2是右上角的點(diǎn)，P3是左下角的點(diǎn)，P4是右下角的點(diǎn)，記左側(cè)邊P1P3與豎直方向上的夾角為∠1，右側(cè)邊P2P4與豎直方向上的夾角為∠2，上側(cè)邊P1P2與豎直方向上的夾角為∠3，根據(jù)這三個(gè)角度以及之前已經(jīng)確定的頂邊位置和底邊位置，來(lái)確定ROI區(qū)域的左邊和右邊的位置，根據(jù)如下公式計(jì)算∠1，∠2和∠3的度數(shù)：

步驟1-3-2，校正后的圖像為一個(gè)矩形，其中的有效信息集中在一個(gè)不規(guī)則四邊形里，以初始ROI區(qū)域的底邊MN與不規(guī)則四邊形的兩個(gè)交點(diǎn)為標(biāo)準(zhǔn)，左側(cè)交點(diǎn)K的X軸坐標(biāo)和右側(cè)交點(diǎn)L的X軸坐標(biāo)即是初始ROI區(qū)域左右邊的位置，設(shè)校正后的圖像的高度為Height，寬度為Weight，初始ROI區(qū)域的頂邊為AB，底邊為MN，OM是初始ROI區(qū)域的底邊位置，根據(jù)如下公式計(jì)算MK和LN：

LN＝tan∠2*OM，

求得初始ROI區(qū)域的左邊所對(duì)應(yīng)的直線為MK，右邊所對(duì)應(yīng)的直線為ML，ML＝Weight-LN。(由于之前選取初始ROI區(qū)域的底邊時(shí)，已足夠?qū)⒉灰?guī)則四邊形底下的無(wú)效信息截去，所以此處計(jì)算初始ROI區(qū)域的左右邊，將直接以初始ROI區(qū)域的底邊MN與不規(guī)則四邊形的兩個(gè)交點(diǎn)為標(biāo)準(zhǔn)，左側(cè)交點(diǎn)K的X軸坐標(biāo)和右側(cè)交點(diǎn)L的X軸坐標(biāo)即是初始ROI區(qū)域左右邊的位置。

對(duì)于左側(cè)交點(diǎn)的X軸坐標(biāo)，利用∠3和矩形頂邊的三角函數(shù)關(guān)系，可以求得矩形左邊的無(wú)效信息位置，然后用初始ROI區(qū)域的底邊減去無(wú)效信息就可以得到∠1所在的三角形的一條直角邊，而這個(gè)三角形的另一條直角邊的長(zhǎng)度MK就是左側(cè)交點(diǎn)的X軸坐標(biāo)。

對(duì)于右側(cè)交點(diǎn)的X軸坐標(biāo)，利用初始ROI區(qū)域的底邊位置OM和∠2根據(jù)三角函數(shù)求得右側(cè)交點(diǎn)到矩形右邊的距離LN，而右側(cè)交點(diǎn)的X軸坐標(biāo)就是矩形列數(shù)減去所求距離的結(jié)果。)

本發(fā)明步驟2包括：利用Hough變換進(jìn)行直線檢測(cè)，兩條相鄰直線的檢測(cè)需要相隔至少50個(gè)像素，直線檢測(cè)后，得到平行條數(shù)最多的線段以及它們與水平方向的夾角，判定平行條數(shù)是否大于3，如果是，根據(jù)線段數(shù)與水平方向的夾角來(lái)旋轉(zhuǎn)ROI四邊形區(qū)域，直至此角度為0度，否則直接判定為非斑馬線路面。

本發(fā)明步驟3包括：制作斑馬線模板，模板中黑白條的寬度比為3：2，模板的高度為135個(gè)像素，根據(jù)手機(jī)拍攝角度調(diào)整模板大小，進(jìn)行匹配，將ROI四邊形區(qū)域更新為與模板同寬，高度不變的區(qū)域。(由于不同拍攝角度下，校正后的圖像中一個(gè)斑馬線特征周期所占有的像素?cái)?shù)不同，而持機(jī)高度越高，手機(jī)與Y軸的拍攝角度越大，一個(gè)斑馬線特征周期所占的像素?cái)?shù)就越少。本發(fā)明中的模板是結(jié)合持機(jī)高度為128cm，手機(jī)與Y軸角度為45度的情況所得，“白黑白”特征的模板高度為175個(gè)像素，“黑白黑”特征的模板高度為200個(gè)像素。

對(duì)于同一個(gè)拍攝角度，不同的持機(jī)高度對(duì)校正后的圖片中斑馬線特征周期所占的像素?cái)?shù)影響不大，所以不需要調(diào)整模板大小。

而對(duì)于不同的拍攝角度，經(jīng)過(guò)實(shí)驗(yàn)，手機(jī)與Y軸的夾角為37.5度時(shí)，模板大小放大為原來(lái)的1.5倍時(shí)匹配度較好；而手機(jī)與Y軸的夾角為30度時(shí)，模板放大為原來(lái)的2倍時(shí)匹配度較好。在此，對(duì)于手機(jī)與Y軸的夾角小于45度而大于30度的情況，每減少1.5度模板增大0.1倍。)

本發(fā)明步驟4包括：

步驟4-1，運(yùn)用OpenCV中已有的函數(shù)計(jì)算ROI四邊形區(qū)域的灰度直方圖；

計(jì)算灰度直方圖的函數(shù)可以從OpenCV的官方文檔中得到(具體可參看http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/histogram_calculation/histogram_calculation.html)

步驟4-2，利用已有函數(shù)對(duì)灰度直方圖進(jìn)行分析，得到灰度直方圖中的峰值數(shù)，如果峰值數(shù)等于2，執(zhí)行步驟4-3，否則判定為非斑馬線路面；

步驟4-3，將ROI區(qū)域二值化，選取一列分別計(jì)算黑白區(qū)域的平均像素?cái)?shù)，得到黑白區(qū)域的高度之比，如果黑白區(qū)域的高度之比在[1.5，2.5]之間，判定為斑馬線路面，否則判定為非斑馬線路面。

本發(fā)明中，手機(jī)與Y軸的角度大于30度而小于45度。并且手機(jī)攝像頭一直在后臺(tái)處于打開狀態(tài)。

有益效果：

本發(fā)明是手機(jī)低頭族道路安全項(xiàng)目的一部分，旨在幫助手機(jī)低頭族避免步行中因忽視道路安全而帶來(lái)的風(fēng)險(xiǎn)。本發(fā)明通過(guò)對(duì)校正后的手機(jī)拍攝道路圖像進(jìn)行實(shí)時(shí)處理，確定出道路特征集中的ROI區(qū)域，并進(jìn)行高效的道路特征圖像識(shí)別。從而及時(shí)發(fā)現(xiàn)險(xiǎn)情，發(fā)出警示，避免事故發(fā)生。

附圖說(shuō)明

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明做更進(jìn)一步的具體說(shuō)明，本發(fā)明的上述或其他方面的優(yōu)點(diǎn)將會(huì)變得更加清楚。

圖1為本發(fā)明流程圖。

圖2為世界坐標(biāo)系下手機(jī)的x軸和y軸示意圖。

圖3a為手機(jī)與Y軸夾角30度示意圖。

圖3b為手機(jī)與Y軸夾角37.5度示意圖。

圖3c為手機(jī)與Y軸夾角45度示意圖。

圖4為不規(guī)則四邊形示意圖。

圖5為初始ROI區(qū)域四條邊的確定方式示意圖。

圖6為初始ROI四邊形區(qū)域底邊的選取流程圖。

圖7為校正點(diǎn)示意圖。

圖8a為校正前示意圖。

圖8b為校正后示意圖。

圖9為ROI四邊形區(qū)域的截取示意圖。

圖10a為校正圖片。

圖10b是圖11a中的ROI區(qū)域旋轉(zhuǎn)后的結(jié)果。

圖11a和圖11b是斑馬線模板。

圖12為斑馬線判定流程圖。

圖13a～圖13d為斑馬線判定結(jié)果示意圖。

具體實(shí)施方式

下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明做進(jìn)一步說(shuō)明。

鑒于現(xiàn)有技術(shù)的不足，一種能夠基于智能手機(jī)實(shí)現(xiàn)步行安全防護(hù)功能的方法顯得尤為迫切。這樣一個(gè)方法的核心便是要通過(guò)手機(jī)攝像頭實(shí)時(shí)采集步行方向上前方路面的圖像信息，然后利用后臺(tái)的識(shí)別算法進(jìn)行路面特征的識(shí)別，進(jìn)而發(fā)現(xiàn)隱患及時(shí)發(fā)出報(bào)警提示，避免悲劇的發(fā)生。本發(fā)明公開了一種基于手機(jī)平臺(tái)快速檢測(cè)與識(shí)別人行斑馬線的方法，其中主要包括初始ROI區(qū)域(region of interest，感興趣區(qū)域)的選取、圖片旋轉(zhuǎn)、模板匹配以及人行斑馬線道路的判定。其整體流程圖如圖1所示。

初始ROI區(qū)域的選取可以用于圈定步行者的前進(jìn)方向和區(qū)域、大幅度壓縮圖像處理識(shí)別的范圍；圖片旋轉(zhuǎn)是為模板匹配做準(zhǔn)備；模板匹配后的結(jié)果可以進(jìn)一步縮小圖像處理識(shí)別的范圍，達(dá)到準(zhǔn)確定位的目的。這樣可以最大限度地提高手機(jī)的運(yùn)行速度，實(shí)現(xiàn)實(shí)時(shí)人行道路的識(shí)別。

初始ROI區(qū)域的選?。?/p>

本文中涉及到的手機(jī)坐標(biāo)軸如圖2所示。以手機(jī)機(jī)身左下角為坐標(biāo)系原點(diǎn)，以機(jī)身長(zhǎng)邊為y軸，短邊為x軸，

手機(jī)拍攝圖像時(shí)，由于拍攝角度的變化會(huì)導(dǎo)致道路圖像出現(xiàn)幾何失真。對(duì)失真圖像進(jìn)行幾何失真校正后，圖像中的有效信息會(huì)集中在一個(gè)不規(guī)則的四邊形里，并且拍攝角度不同，四邊形的形狀也會(huì)有所不同。

圖3a、圖3b、圖3c中的三幅圖像是在手機(jī)高度和手機(jī)與X軸夾角相同的情況下，變換手機(jī)與Y軸的夾角拍攝所得。圖3a為手機(jī)與Y軸夾角30度示意圖，機(jī)器高度128cm，X軸角度+5度。圖3b為手機(jī)與Y軸夾角37.5度示意圖。圖3c為手機(jī)與Y軸夾角45度示意圖?？梢娙N情況下，幾何失真校正后的有效信息集中在不同的四邊形里。并且四邊形左右邊的位置主要受到手機(jī)與Y軸夾角的影響，四邊形頂邊和底邊的位置主要受到手機(jī)與X軸角度的影響。

如圖5所示，描述了初始ROI區(qū)域四條邊的確定方式。初始ROI四邊形區(qū)域是從前道程序采集并已校正的灰度圖像中進(jìn)行截取，ROI四邊形的參數(shù)依據(jù)系統(tǒng)首次登錄時(shí)或其后在線下載的手機(jī)使用者的步頻參數(shù)、經(jīng)過(guò)實(shí)驗(yàn)后所確定的與使用者身高相關(guān)的步幅以及其生理應(yīng)急反應(yīng)時(shí)間、程序的處理時(shí)間來(lái)確定ROI四邊形區(qū)域的底邊；由于在不同拍攝角度下的校正圖片中，可以用來(lái)進(jìn)行判別的道路特征周期在圖片中所占有的像素高度會(huì)有所不同，所以可以通過(guò)前期實(shí)驗(yàn)確定不同Y軸夾角下的道路特征像素?cái)?shù)，從而確定ROI四邊形的頂邊；最后根據(jù)圖像校正時(shí)所選取的四個(gè)矯正點(diǎn)來(lái)確定ROI的左右邊來(lái)得到有效信息較多的初始ROI四邊形區(qū)域。

初始ROI四邊形區(qū)域的選取用于圈定步行者的前進(jìn)方向和區(qū)域、大幅度壓縮圖像處理識(shí)別的范圍，去除校正后的灰度圖像中其他無(wú)關(guān)部分信息的干擾，同時(shí)突顯出在不同拍攝角度下的圖像特征，方便之后的處理。

初始ROI區(qū)域底邊的選取：

初始ROI區(qū)域底邊的選取流程圖如圖6所示，本文中的實(shí)驗(yàn)均在手機(jī)與Y軸的角度大于30度而小于45度的情況下進(jìn)行。因?yàn)樵趯?shí)際生活中，人步行時(shí)持機(jī)的Y軸角度一般會(huì)大于30度，而當(dāng)手機(jī)與Y軸的夾角大于45度時(shí)，則認(rèn)為此步行者的視線可以注意到前方道路狀況。

在此種設(shè)定條件下，可以依據(jù)步行者的步頻參數(shù)和經(jīng)過(guò)實(shí)驗(yàn)后所確定的與持機(jī)高度相關(guān)的步幅，以及步行者的生理反應(yīng)時(shí)間、程序的處理時(shí)間來(lái)確定ROI四邊形區(qū)域的底邊。

表1中的數(shù)據(jù)記錄了測(cè)試者的身高和其習(xí)慣的持機(jī)高度，之后讓測(cè)試者步行50步，記錄他們的步行距離和步行時(shí)間(在此假設(shè)測(cè)試者碰到情況時(shí)的反應(yīng)時(shí)間加上程序的處理時(shí)間為0.5s)，從而得出初始ROI區(qū)域的底邊在圖像中對(duì)應(yīng)的位置。

表1步行50步的相關(guān)數(shù)據(jù)

表1中的相關(guān)數(shù)據(jù)可由以下公式1至4得到：

步頻＝步數(shù)/時(shí)間公式1

步幅＝距離/步數(shù)公式2

步行速度＝步頻*步幅公式3

步行距離＝步行速度*時(shí)間公式4

上述數(shù)據(jù)將和其他有關(guān)數(shù)據(jù)整理完善后存儲(chǔ)在系統(tǒng)網(wǎng)絡(luò)服務(wù)器中，用戶在啟動(dòng)這項(xiàng)服務(wù)時(shí)會(huì)自動(dòng)在線下載到手機(jī)上，從而為后續(xù)的處理提供支持。

表2機(jī)器高度(128cm)和X軸角度(+5度)固定，實(shí)際0.5m處在圖片中的部分對(duì)應(yīng)數(shù)據(jù)

表2中的數(shù)據(jù)是在假設(shè)0.5s后的距離為0.5m的情況下，對(duì)應(yīng)圖三中的三種情況。根據(jù)表2中數(shù)據(jù)的計(jì)算方式，可以確定不同拍攝高度和不同Y軸角度下的初始ROI四邊形區(qū)域的底邊。

初始ROI區(qū)域頂邊的選?。?/p>

手機(jī)與Y軸的夾角直接影響到圖片中所能顯現(xiàn)出來(lái)的斑馬線的周期數(shù)。夾角越小，拍攝到的周期數(shù)越少，而夾角越大，拍攝到的周期數(shù)則越多。

表3中的數(shù)據(jù)對(duì)應(yīng)的是圖3a～圖3c中的三種情況，記錄的是每幅圖像中一個(gè)斑馬線特征周期所占有的像素?cái)?shù)。這里所涉及的一個(gè)斑馬線特征周期如圖11所示，一個(gè)斑馬線特征周期可以是“白黑白”，也可以是“黑白黑”。

表3機(jī)器高度(128cm)和X軸角度(+5度)固定，同一實(shí)際位置的相關(guān)信息

根據(jù)這種方式，可以通過(guò)實(shí)驗(yàn)確定不同拍攝高度和不同Y軸角度下的一個(gè)斑馬線特征周期的像素?cái)?shù)。

由于一幅圖片的起始坐標(biāo)位于圖片的左上角，豎直方向指示圖片的高度，水平方向指示圖片的寬度，所以ROI區(qū)域的底邊位于高度較大的位置，而ROI區(qū)域的頂邊位于高度較小的位置，所以可以根據(jù)以下公式5可以獲得圖片中初始ROI四邊形區(qū)域的頂邊：

ROI四邊形區(qū)域的頂邊＝ROI四邊形區(qū)域的底邊-一個(gè)斑馬線特征周期公式5

初始ROI區(qū)域兩邊的選?。?/p>

前端校正圖片是根據(jù)手機(jī)與X軸和Y軸的夾角在手機(jī)用戶啟動(dòng)軟件時(shí)自動(dòng)下載的一組校正數(shù)據(jù)。所以校正后圖像的有效信息集中在一個(gè)不規(guī)則四邊形內(nèi)，如圖7所示。此處利用圖像校正時(shí)所選取的四個(gè)正點(diǎn)——根據(jù)左邊兩個(gè)校正點(diǎn)來(lái)計(jì)算不規(guī)則四邊形的左邊與豎直方向的夾角，根據(jù)右邊兩個(gè)校正點(diǎn)來(lái)計(jì)算不規(guī)則四邊形的右邊與豎直方向的夾角，從而確定初始ROI區(qū)域的左右邊。

圖8a中的四個(gè)點(diǎn)P1、P2、P3和P4指示的是校正時(shí)所用的四個(gè)點(diǎn)，根據(jù)公式6-8：

可以求得∠1，∠2和∠3的度數(shù)，它們?cè)谛Ｕ蟮膱D片中所對(duì)應(yīng)的角如圖8b所示。

校正后的圖片的高度和寬度是可以確定的，假設(shè)為Height和Weight。假設(shè)ROI四邊形區(qū)域的頂邊和底邊如圖8b中的直線AB和直線MN所示，由于ROI四邊形區(qū)域的左右邊是在確定頂邊和底邊之后選取，所以在此處OM可以看成是已知的，根據(jù)公式9-10：

LN＝tan∠2*OM 公式10

可以求得ROI四邊形區(qū)域的左邊所對(duì)應(yīng)的直線為x＝MK，而右邊所對(duì)應(yīng)的直線為x＝ML＝Weight-LN。

初始ROI區(qū)域的選取結(jié)果

根據(jù)1、2、3中所述的方式，對(duì)圖3a進(jìn)行初始ROI四邊形區(qū)域的截取，得到如圖9所示的區(qū)域，由于前端進(jìn)行校正時(shí)會(huì)有插值等處理，所以得到的初始ROI四邊形區(qū)域并未完全剔除掉無(wú)效信息，但在此處對(duì)之后的處理沒有影響。

圖片旋轉(zhuǎn)：

所述圖片旋轉(zhuǎn)主要是利用Hough變換進(jìn)行直線檢測(cè)。

Hough變換檢測(cè)直線時(shí)，在此設(shè)定兩條相鄰直線的檢測(cè)需要相隔至少50個(gè)像素。因?yàn)槌謾C(jī)高度越高，手機(jī)與Y軸的夾角越大，兩條相鄰的有效平行線段之間所隔得像素?cái)?shù)越少。而且在較為極端的情況下——持機(jī)高度為128cm(相當(dāng)于身高為2m行人的持機(jī)高度)，手機(jī)與Y軸的夾角為45度，兩條平行的有效線段至少相隔50個(gè)像素點(diǎn)。

直線檢測(cè)后，得到平行條數(shù)最多的線段以及它們與水平方向的夾角，并且在此可以根據(jù)條數(shù)判別圖像中是否包含與斑馬線類似的具有多條平行線的特征，如果沒有這樣的特征，就判定圖像中不是斑馬線路面。在此設(shè)定檢測(cè)到的條數(shù)至少需要為3，這樣滿足手機(jī)與Y軸的夾角大于30度而小于45度的情況。

根據(jù)線段數(shù)與水平方向的夾角來(lái)旋轉(zhuǎn)ROI四邊形區(qū)域，直至此角度為0度，為下面的模板匹配做好準(zhǔn)備。圖10b是將圖10a中的ROI區(qū)域旋轉(zhuǎn)后的結(jié)果。

模板匹配：

模板匹配是利用制作好的斑馬線模板來(lái)選取出此ROI四邊形區(qū)域中與模板最為相似的部分。

在制作模板時(shí)，根據(jù)《JTG D82-2009公路交通標(biāo)志和標(biāo)線設(shè)置規(guī)范》中9.2.2之相關(guān)規(guī)定，黑白條的寬度比最小為3：2，但最大不超過(guò)2：1。在此以最小寬度比制作模板，模板的高度為135個(gè)像素，這個(gè)像素高度是在偏高的持機(jī)高度(128cm)和手機(jī)與Y軸夾角為45度的校正圖片中所得的最小模板高度，之后可以根據(jù)拍攝角度調(diào)整模板大小，進(jìn)行匹配，最終更新ROI區(qū)域?yàn)榕c模板同寬，與原ROI區(qū)域同高的部分。

斑馬線路面的判定：

斑馬線路面的判定采用的是基于灰度值的判定方法，其判定過(guò)程如圖12所示。選取這種方式是因?yàn)檎加脙?nèi)存少且處理速度快，適用于手機(jī)平臺(tái)處理的特點(diǎn)。

在進(jìn)行斑馬線判定中，涉及到灰度直方圖的峰值個(gè)數(shù)的計(jì)算，以及將灰度圖二值化后計(jì)算一個(gè)斑馬線周期內(nèi)黑白的高度之比，從而判定圖片中是否有斑馬線。由于校正時(shí)存在誤差，在此設(shè)定黑白的高度之比位于[1.5,2.5]之間。

因?yàn)榕卸ò唏R線之前ROI區(qū)域的選取已經(jīng)較為精確，所以運(yùn)用簡(jiǎn)單的判斷足以判定圖像是否為斑馬線路面。

圖13a～圖13d是相關(guān)圖片的判定結(jié)果，圖13a中，黑白的高度之比為3，判定不是斑馬線路面。圖13b中，黑白的高度之比為1.63158，判定為斑馬線路面，圖13c中，黑白的高度之比為7，判定不是斑馬線路面。

本發(fā)明提供了一種基于手機(jī)平臺(tái)快速檢測(cè)與識(shí)別人行道斑馬線的方法，具體實(shí)現(xiàn)該技術(shù)方案的方法和途徑很多，以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。本實(shí)施例中未明確的各組成部分均可用現(xiàn)有技術(shù)加以實(shí)現(xiàn)。