基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開(kāi)了基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，首先針對(duì)隧道的應(yīng)用場(chǎng)景，通過(guò)研究光照輻射特性以及隧道空間位置關(guān)系，建立車輛光照區(qū)域的光強(qiáng)模型并構(gòu)造其梯度函數(shù)；進(jìn)而利用發(fā)現(xiàn)的光照區(qū)域梯度方向不變特性，篩選出非車輛光照區(qū)域并構(gòu)造前景掩膜，最后與運(yùn)動(dòng)目標(biāo)前景疊加，實(shí)現(xiàn)光照干擾的抑制。該方法實(shí)現(xiàn)了對(duì)車輛光照干擾的有效抑制，提高車輛目標(biāo)識(shí)別的準(zhǔn)確性。它能夠針對(duì)隧道場(chǎng)景視頻序列中車輛目標(biāo)提取的光照干擾，進(jìn)行有效的抑制，可實(shí)時(shí)、準(zhǔn)確地解決隧道場(chǎng)景下車輛目標(biāo)識(shí)別中光照干擾的影響，提高車輛目標(biāo)提取準(zhǔn)確性。
【專利說(shuō)明】
基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及智能交通領(lǐng)域，特別涉及到一種基于梯度特征的隧道場(chǎng)景車輛光照干 擾的抑制方法。
【背景技術(shù)】
[0002] 車輛目標(biāo)識(shí)別是停車識(shí)別、擁堵檢測(cè)等交通事件檢測(cè)的前提和基礎(chǔ)。目前國(guó)內(nèi)外 研究已經(jīng)提出了一些關(guān)于車輛目標(biāo)識(shí)別的算法，有些算法已經(jīng)在實(shí)際場(chǎng)景中測(cè)試運(yùn)行。在 一些環(huán)境較好的情況下，這些算法能夠得到理想的運(yùn)行效果，但是在更多的實(shí)際運(yùn)行中，特 別是對(duì)于隧道場(chǎng)景環(huán)境比較復(fù)雜，整體光線偏暗，在車輛前景提取過(guò)程中易受到車輛前燈 光照的干擾，造成提取的車輛目標(biāo)區(qū)域擴(kuò)大、多車輛目標(biāo)區(qū)域連通等問(wèn)題，導(dǎo)致獲取的車輛 目標(biāo)不準(zhǔn)確，檢測(cè)效果難以滿足實(shí)際應(yīng)用需求，極大地影響了車輛目標(biāo)的識(shí)別和跟蹤等后 續(xù)處理效果。因此，如何有效地抑制光照干擾，是提高車輛目標(biāo)提取準(zhǔn)確性的關(guān)鍵和前提。
[0003] 現(xiàn)有文獻(xiàn)中，對(duì)車輛光照的研究主要集中于車燈的判斷、車燈中心的定位以及其 后續(xù)跟蹤、測(cè)距等研究，主要利用車輛光照的顏色和輻射等特性，搜尋圖像中亮度的極值點(diǎn) 作為車燈的定位中心，再經(jīng)過(guò)跟蹤、匹配等方法進(jìn)行進(jìn)一步的篩選和處理，此類方法只是對(duì) 車燈的一個(gè)定位，尚不滿足干擾抑制的需求。而對(duì)于光照區(qū)域的界定，大多數(shù)算法是通過(guò)有 監(jiān)督的光照色度估計(jì)方法進(jìn)行判斷，利用神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等技術(shù)實(shí)現(xiàn)，此類方法是從 大量已知光照區(qū)域的圖像集中，通過(guò)學(xué)習(xí)得到該環(huán)境條件下的光照特征，在場(chǎng)景發(fā)生變化 時(shí)需要重新收集大量樣本對(duì)分類器進(jìn)行訓(xùn)練，并不能滿足場(chǎng)景變換的應(yīng)用需求。
[0004] 因此，需要一種隧道場(chǎng)景車輛光照干擾抑制方法。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的就是提供一種基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法， 該方法能夠?qū)λ淼缊?chǎng)景下車輛目標(biāo)提取中的光照干擾進(jìn)行實(shí)時(shí)、有效、準(zhǔn)確的抑制，提高車 輛目標(biāo)提取的準(zhǔn)確性，同時(shí)適應(yīng)了場(chǎng)景的變換，可用于對(duì)隧道場(chǎng)景視頻序列中車輛目標(biāo)提 取的光照干擾進(jìn)行抑制。
[0006] 本發(fā)明的目的是通過(guò)這樣的技術(shù)方案實(shí)現(xiàn)的：
[0007] 本發(fā)明提供的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，包括以下步 驟：
[0008] 步驟一:根據(jù)車輛的結(jié)構(gòu)特征建立車輛光照模型；
[0009] 步驟二:計(jì)算車輛光照模型中光照強(qiáng)度梯度特征，得到光照區(qū)域的光照強(qiáng)度的不 變特性值M(x，y);
[0010] 步驟三:獲取該場(chǎng)景的視頻圖像并提取前景車輛目標(biāo)圖像；
[0011] 步驟四：根據(jù)不變特性值M(x，y)建立光照區(qū)域的前景掩膜；
[0012] 步驟五:將未經(jīng)處理的車輛前景圖同前景掩膜疊加，得到光照抑制后的車輛目標(biāo) 圖像。
[0013] 進(jìn)一步，所述車輛光照模型是通過(guò)以下步驟來(lái)建立的：
[0014] 11)獲得車輛光照與隧道路面間的相對(duì)位置特征；
[0015] 12)根據(jù)相對(duì)位置特征、車輛光照輻射特性和漫反射特性，按照以下公式建立車輛 光照模型：
[0017] 其中，D(x，y)表示車輛光照區(qū)域的光照強(qiáng)度特性，Kd為景物表面的漫反射系數(shù)，In 是點(diǎn)光源發(fā)出的入射光光強(qiáng)，出為車燈距離地面高度，（x，y)表示以車燈中心垂直于地面點(diǎn) 為原點(diǎn)、垂直于道路方向?yàn)閤軸、平行于道路方向?yàn)閥軸建立的坐標(biāo)系上的點(diǎn)。
[0018] 進(jìn)一步，所述不變特性值M(x，y)是通過(guò)以下步驟來(lái)實(shí)現(xiàn)的：
[0019] 21)計(jì)算求取光照區(qū)域內(nèi)的各點(diǎn)的光照強(qiáng)度梯度方向的各階偏導(dǎo)：
[0020] 22)根據(jù)各階偏導(dǎo)按照以下公式得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏導(dǎo) 間不變特性值M( x，y):
[0022]其中，N(x，y)只受環(huán)境影響，在同一場(chǎng)景相同路面條件下保持固定，而M(x，y)由車 輛光照固有特性決定，對(duì)于同一車輛的照射區(qū)域保持恒定，其中由此可利用光照區(qū)域在梯 度方向的偏導(dǎo)獲得一個(gè)較為穩(wěn)定的不變特征值。
[0023]進(jìn)一步，所述車輛目標(biāo)圖像的提取是通過(guò)以下步驟來(lái)實(shí)現(xiàn)的：
[0024] 31)獲取場(chǎng)景的視頻圖像；
[0025] 32)采用背景差分法處理視頻圖像；
[0026] 33)將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理；
[0027] 34)提取前景車輛目標(biāo)的區(qū)域輪廓。
[0028] 進(jìn)一步，所述前景掩膜建立是通過(guò)以下步驟來(lái)實(shí)現(xiàn)的：
[0029] 41)計(jì)算各像素點(diǎn)梯度方向以及梯度方向的各階梯度值，按照以下公式利用各階 梯度值求取各像素點(diǎn)的不變特性值M( x，y):
[0031] 42)根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，按照以下公式計(jì)算像 素點(diǎn)變化率最大差值M_Rate(x，y):
[0032] M_Rate(x，y) =max{M(Xi，yi)_M(x，y)}，
[0033] 其中，（Xi，yi)點(diǎn)(x，y)鄰域坐標(biāo)點(diǎn)；
[0034] 43)按照以下公式選取像素點(diǎn)作為前景掩膜：
[1 M Rate ( ^'..v)> Thr
[0035] / v
[0 M _Rate ( -^>')< Thr
[0036] 其中，D = 1表示非光照區(qū)域，值D = 0表示光照區(qū)域，Thr表示預(yù)設(shè)閾值。
[0037] 本發(fā)明提供了基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制系統(tǒng)，包括車輛光照 模型建立模塊、光照強(qiáng)度特性值計(jì)算模塊、車輛目標(biāo)圖像生成模塊、前景掩膜生成模塊和光 照抑制后的車輛目標(biāo)圖像生成模塊；
[0038] 所述車輛光照模型建立模塊，用于根據(jù)車輛的結(jié)構(gòu)特征建立車輛光照模型；
[0039] 所述光照強(qiáng)度特性值計(jì)算模塊，用于計(jì)算車輛光照模型中光照強(qiáng)度梯度特征，得 到光照區(qū)域的光照強(qiáng)度的不變特性值M(x，y);
[0040] 所述車輛目標(biāo)圖像生成模塊，用于獲取該場(chǎng)景的視頻圖像并提取前景車輛目標(biāo)圖 像；
[0041] 所述前景掩膜生成模塊，用于根據(jù)不變特性值M(x，y)建立光照區(qū)域的前景掩膜； [0042]所述光照抑制后的車輛目標(biāo)圖像生成模塊，用于將未經(jīng)處理的車輛前景圖同前景 掩膜疊加，得到光照抑制后的車輛目標(biāo)圖像。
[0043] 進(jìn)一步，所述車輛光照模型建立模塊中的車輛光照模型是通過(guò)以下步驟來(lái)建立 的：
[0044] 11)獲得車輛光照與隧道路面間的相對(duì)位置特征；
[0045] 12)根據(jù)相對(duì)位置特征、車輛光照輻射特性和漫反射特性，按照以下公式建立車輛 光照模型：
[0047] 其中，D(x，y)表示車輛光照區(qū)域的光照強(qiáng)度特性，Kd為景物表面的漫反射系數(shù)，In 是點(diǎn)光源發(fā)出的入射光光強(qiáng)，出為車燈距離地面高度，（x，y)表示以車燈中心垂直于地面點(diǎn) 為原點(diǎn)、垂直于道路方向?yàn)閤軸、平行于道路方向?yàn)閥軸建立的坐標(biāo)系上的點(diǎn)。
[0048] 進(jìn)一步，所述光照強(qiáng)度特性值計(jì)算模塊中的不變特性值M( x，y)是通過(guò)以下步驟來(lái) 實(shí)現(xiàn)的：
[0049] 21)計(jì)算求取光照區(qū)域內(nèi)的各點(diǎn)的光照強(qiáng)度梯度方向的各階偏導(dǎo)：
[0050] 22)根據(jù)各階偏導(dǎo)按照以下公式得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏導(dǎo) 間不變特性值M( x，y):
[0052]其中，N(x，y)只受環(huán)境影響，在同一場(chǎng)景相同路面條件下保持固定，而M(x，y)由車 輛光照固有特性決定，對(duì)于同一車輛的照射區(qū)域保持恒定，其中由此可利用光照區(qū)域在梯 度方向的偏導(dǎo)獲得一個(gè)較為穩(wěn)定的不變特征值。
[0053]進(jìn)一步，所述車輛目標(biāo)圖像生成模塊中的車輛目標(biāo)圖像的提取是通過(guò)以下步驟來(lái) 實(shí)現(xiàn)的：
[0054] 31)獲取場(chǎng)景的視頻圖像；
[0055] 32)采用背景差分法處理視頻圖像；
[0056] 33)將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理；
[0057] 34)提取前景車輛目標(biāo)的區(qū)域輪廓。
[0058] 進(jìn)一步，所述前景掩膜生成模塊中的前景掩膜建立是通過(guò)以下步驟來(lái)實(shí)現(xiàn)的：
[0059] 41)計(jì)算各像素點(diǎn)梯度方向以及梯度方向的各階梯度值，按照以下公式利用各階 梯度值求取各像素點(diǎn)的不變特性值M( x，y):
[0061] 42)根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，按照以下公式計(jì)算像 素點(diǎn)變化率最大差值M_Rate(x，y):
[0062] M_Rate(x，y) =max{M(Xi，yi)_M(x，y)}，
[0063] 其中，（Xi，yi)點(diǎn)(x，y)鄰域坐標(biāo)點(diǎn)；
[0064] 43)按照以下公式選取像素點(diǎn)作為前景掩膜： f 1 M Rate ( Thr
[0065] 13 1 〇 價(jià) 〇.V)< Tin.
[0066] 其中，D = 1表示非光照區(qū)域，值D = 0表示光照區(qū)域，Thr表示預(yù)設(shè)閾值。
[0067] 由于采用了上述技術(shù)方案，本發(fā)明具有如下的優(yōu)點(diǎn)：
[0068] 本發(fā)明提供的一種基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，首先針對(duì) 隧道的應(yīng)用場(chǎng)景，通過(guò)研究光照輻射特性以及隧道空間位置關(guān)系，建立車輛光照區(qū)域的光 強(qiáng)模型并構(gòu)造其梯度函數(shù);進(jìn)而利用發(fā)現(xiàn)的光照區(qū)域梯度方向不變特性，篩選出非車輛光 照區(qū)域并構(gòu)造前景掩膜，最后與運(yùn)動(dòng)目標(biāo)前景疊加，實(shí)現(xiàn)光照干擾的抑制。該方法實(shí)現(xiàn)了對(duì) 車輛光照干擾的有效抑制，提高車輛目標(biāo)識(shí)別的準(zhǔn)確性。它能夠針對(duì)隧道場(chǎng)景視頻序列中 車輛目標(biāo)提取的光照干擾，進(jìn)行有效的抑制，提高車輛目標(biāo)提取準(zhǔn)確性。
[0069] 根據(jù)隧道場(chǎng)景光照的輻射性特征，對(duì)于路面受光照影響的點(diǎn)，光強(qiáng)變化的梯度方 向?yàn)樵擖c(diǎn)到光源點(diǎn)方向，且在梯度方向具有相同的導(dǎo)數(shù)特性，則路面上的所有干擾點(diǎn)都可 用較為簡(jiǎn)單的梯度方向特征進(jìn)行表征，能滿足應(yīng)用的需求。本方法可實(shí)時(shí)、準(zhǔn)確地解決隧道 場(chǎng)景下車輛目標(biāo)識(shí)別中光照干擾的影響，提高了隧道場(chǎng)景下車輛目標(biāo)提取的準(zhǔn)確性。
[0070] 本發(fā)明的其他優(yōu)點(diǎn)、目標(biāo)和特征在某種程度上將在隨后的說(shuō)明書(shū)中進(jìn)行闡述，并 且在某種程度上，基于對(duì)下文的考察研究對(duì)本領(lǐng)域技術(shù)人員而言將是顯而易見(jiàn)的，或者可 以從本發(fā)明的實(shí)踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他優(yōu)點(diǎn)可以通過(guò)下面的說(shuō)明書(shū)和權(quán)利要 求書(shū)來(lái)實(shí)現(xiàn)和獲得。
【附圖說(shuō)明】
[0071] 本發(fā)明的【附圖說(shuō)明】如下。
[0072]圖1車輛光照空間結(jié)構(gòu)圖。
[0073]圖2車輛光照干擾的抑制方法流程圖。
【具體實(shí)施方式】
[0074]下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。
[0075] 實(shí)施例1
[0076]如圖所示，本實(shí)施例提供的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法， 包括以下步驟：
[0077] 步驟一:根據(jù)車輛的結(jié)構(gòu)特征建立車輛光照模型；
[0078] 步驟二:計(jì)算車輛光照模型中光照強(qiáng)度梯度特征，得到光照區(qū)域的光照強(qiáng)度的不 變特性值M(x，y);
[0079] 步驟三:獲取該場(chǎng)景的視頻圖像并提取前景車輛目標(biāo)圖像；
[0080] 步驟四：根據(jù)不變特性值M(x，y)建立光照區(qū)域的前景掩膜；
[0081] 步驟五:將未經(jīng)處理的車輛前景圖同前景掩膜疊加，得到光照抑制后的車輛目標(biāo) 圖像。
[0082] 所述車輛光照模型是通過(guò)以下步驟來(lái)建立的：
[0083] 11)獲得車輛光照與隧道路面間的相對(duì)位置特征；
[0084] 12)根據(jù)相對(duì)位置特征、車輛光照輻射特性和漫反射特性，按照以下公式建立車輛 光照模型：
[0086] 其中，D(x，y)表示車輛光照區(qū)域的光照強(qiáng)度特性，Kd為景物表面的漫反射系數(shù)，In 是點(diǎn)光源發(fā)出的入射光光強(qiáng)，出為車燈距離地面高度，（x，y)表示以車燈中心垂直于地面點(diǎn) 為原點(diǎn)、垂直于道路方向?yàn)閤軸、平行于道路方向?yàn)閥軸建立的坐標(biāo)系上的點(diǎn)。
[0087] 所述不變特性值M(x，y)是通過(guò)以下步驟來(lái)實(shí)現(xiàn)的：
[0088] 21)計(jì)算求取光照區(qū)域內(nèi)的各點(diǎn)的光照強(qiáng)度梯度方向的各階偏導(dǎo)：
[0089] 22)根據(jù)各階偏導(dǎo)按照以下公式得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏導(dǎo) 間不變特性值M( x，y):
[0091]其中，N(x，y)只受環(huán)境影響，在同一場(chǎng)景相同路面條件下保持固定，而M(x，y)由車 輛光照固有特性決定，對(duì)于同一車輛的照射區(qū)域保持恒定，其中由此可利用光照區(qū)域在梯 度方向的偏導(dǎo)獲得一個(gè)較為穩(wěn)定的不變特征值。
[0092]所述車輛目標(biāo)圖像的提取是通過(guò)以下步驟來(lái)實(shí)現(xiàn)的：
[0093] 31)獲取場(chǎng)景的視頻圖像；
[0094] 32)采用背景差分法處理視頻圖像；
[0095] 33)將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理；
[0096] 34)提取前景車輛目標(biāo)的區(qū)域輪廓。
[0097] 所述前景掩膜建立是通過(guò)以下步驟來(lái)實(shí)現(xiàn)的：
[0098] 41)計(jì)算各像素點(diǎn)梯度方向以及梯度方向的各階梯度值，按照以下公式利用各階 梯度值求取各像素點(diǎn)的不變特性值M( x，y):
[0100] 42)根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，按照以下公式計(jì)算像 素點(diǎn)變化率最大差值M_Rate(x，y):
[0101 ] M_Rate(x，y) =max{M(Xi，yi)_M(x，y)}，
[0102]其中，（Xi，yi)點(diǎn)(x，y)鄰域坐標(biāo)點(diǎn)；
[0103] 43)按照以下公式選取像素點(diǎn)作為前景掩膜： f 1 M _Rate ( x'.>')> Thr
[0104] 〇 | 〇 ( y,v)< Jhr
[0105] 其中，D = 1表示非光照區(qū)域，值D = 0表示光照區(qū)域，Thr表示預(yù)設(shè)閾值。
[0106] 本實(shí)施例還提供了一種基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制系統(tǒng)，包括 車輛光照模型建立模塊、光照強(qiáng)度特性值計(jì)算模塊、車輛目標(biāo)圖像生成模塊、前景掩膜生成 模塊和光照抑制后的車輛目標(biāo)圖像生成模塊；
[0107] 所述車輛光照模型建立模塊，用于根據(jù)車輛的結(jié)構(gòu)特征建立車輛光照模型；
[0108] 所述光照強(qiáng)度特性值計(jì)算模塊，用于計(jì)算車輛光照模型中光照強(qiáng)度梯度特征，得 到光照區(qū)域的光照強(qiáng)度的不變特性值M(x，y);
[0109] 所述車輛目標(biāo)圖像生成模塊，用于獲取該場(chǎng)景的視頻圖像并提取前景車輛目標(biāo)圖 像；
[0110] 所述前景掩膜生成模塊，用于根據(jù)不變特性值M(x，y)建立光照區(qū)域的前景掩膜；
[0111] 所述光照抑制后的車輛目標(biāo)圖像生成模塊，用于將未經(jīng)處理的車輛前景圖同前景 掩膜疊加，得到光照抑制后的車輛目標(biāo)圖像。
[0112] 所述車輛光照模型建立模塊中的車輛光照模型是通過(guò)以下步驟來(lái)建立的：
[0113] 11)獲得車輛光照與隧道路面間的相對(duì)位置特征；
[0114] 12)根據(jù)相對(duì)位置特征、車輛光照輻射特性和漫反射特性，按照以下公式建立車輛 光照模型：
[0116] 其中，D(x，y)表示車輛光照區(qū)域的光照強(qiáng)度特性，Kd為景物表面的漫反射系數(shù)，In 是點(diǎn)光源發(fā)出的入射光光強(qiáng)，出為車燈距離地面高度，（x，y)表示以車燈中心垂直于地面點(diǎn) 為原點(diǎn)、垂直于道路方向?yàn)閤軸、平行于道路方向?yàn)閥軸建立的坐標(biāo)系上的點(diǎn)。
[0117] 所述光照強(qiáng)度特性值計(jì)算模塊中的不變特性值M(x，y)是通過(guò)以下步驟來(lái)實(shí)現(xiàn)的：
[0118] 21)計(jì)算求取光照區(qū)域內(nèi)的各點(diǎn)的光照強(qiáng)度梯度方向的各階偏導(dǎo)：
[0119] 22)根據(jù)各階偏導(dǎo)按照以下公式得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏導(dǎo) 間不變特性值M( x，y):
[0121] 其中，N(x，y)只受環(huán)境影響，在同一場(chǎng)景相同路面條件下保持固定，而M(x，y)由車 輛光照固有特性決定，對(duì)于同一車輛的照射區(qū)域保持恒定，其中由此可利用光照區(qū)域在梯 度方向的偏導(dǎo)獲得一個(gè)較為穩(wěn)定的不變特征值。
[0122] 所述車輛目標(biāo)圖像生成模塊中的車輛目標(biāo)圖像的提取是通過(guò)以下步驟來(lái)實(shí)現(xiàn)的：
[0123] 31)獲取場(chǎng)景的視頻圖像；
[0124] 32)采用背景差分法處理視頻圖像；
[0125] 33)將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理；
[0126] 34)提取前景車輛目標(biāo)的區(qū)域輪廓。
[0127] 所述前景掩膜生成模塊中的前景掩膜建立是通過(guò)以下步驟來(lái)實(shí)現(xiàn)的：
[0128] 41)計(jì)算各像素點(diǎn)梯度方向以及梯度方向的各階梯度值，按照以下公式利用各階 梯度值求取各像素點(diǎn)的不變特性值M( x，y):
[0130] 42)根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，按照以下公式計(jì)算像 素點(diǎn)變化率最大差值M_Rate(x，y):
[0131 ] M_Rate(x，y) =max{M(Xi，yi)_M(x，y)}，
[0132]其中，（Xi，yi)點(diǎn)(x，y)鄰域坐標(biāo)點(diǎn)；
[0133] 43)按照以下公式選取像素點(diǎn)作為前景掩膜： f 1 M _Rate ( YJ' )> Thr
[0134] M_Rate (xv)< Thx >
[0135] 其中，D = 1表示非光照區(qū)域，值D = 0表示光照區(qū)域，Thr表示預(yù)設(shè)閾值。
[0136] 實(shí)施例2
[0137] 本實(shí)施例提出的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，能針對(duì)隧道 場(chǎng)景視頻序列中車輛目標(biāo)提取的光照干擾，進(jìn)行有效的抑制，提高車輛目標(biāo)提取準(zhǔn)確性，包 括以下五個(gè)步驟：
[0138] 步驟一:車輛光照模型建立，主要包括以下兩個(gè)部分：
[0139] 1)利用車輛的結(jié)構(gòu)特征，獲得車輛光照與隧道路面間的相對(duì)位置特征。
[0140] 2)根據(jù)相對(duì)位置特征、車輛光照輻射特性和漫反射特性，建立光照模型描述車輛 光照區(qū)域的光照強(qiáng)度特性D(x，y)。
[0141 ]步驟二:光照強(qiáng)度梯度特征分析，主要包括以下兩個(gè)部分：
[0142] 1)計(jì)算求取該系列點(diǎn)光照強(qiáng)度梯度方向的各階偏導(dǎo)
[0143] 2)將計(jì)算出的各階偏導(dǎo)進(jìn)行分析，得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏 導(dǎo)間不變特性值M(x，y)，該值在光照區(qū)域保持不變，而非光照區(qū)域隨機(jī)變化。
[0144]步驟三:提取前景車輛目標(biāo)，主要包括以下六個(gè)部分：
[0145] 1)獲取該場(chǎng)景的視頻圖像；
[0146] 2)采用背景差分法處理視頻圖像；
[0147] 3)將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理；
[0148] 4)提取前景車輛目標(biāo)的區(qū)域。
[0149] 步驟四：前景掩膜建立，主要包括以下三個(gè)部分：
[0150] 1)計(jì)算各像素點(diǎn)梯度方向以及梯度方向的各階梯度值，利用各階梯度值求取各像 素點(diǎn)的不變特性值M(x，y);
[0151] 2)根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，計(jì)算該像素點(diǎn)相較于領(lǐng) 域內(nèi)像素點(diǎn)的變化率M_Rate (x，y)。
[0152] 3)根據(jù)實(shí)際情況設(shè)定閾值，篩選出變化較大的像素點(diǎn)作為非光照 區(qū)域，經(jīng)過(guò)膨脹變換，獲得剔除光照區(qū)域的前景掩膜。
[0153] 步驟五:車輛光照干擾抑制，主要包括以下內(nèi)容：
[0154] 將未經(jīng)處理的車輛前景圖同前景掩膜疊加，抑制光照區(qū)域?qū)囕v目標(biāo)提取的干 擾，實(shí)現(xiàn)了車輛目標(biāo)的準(zhǔn)確提取。
[0155] 實(shí)施例3
[0156] 本實(shí)施例結(jié)合隧道場(chǎng)景車輛光照干擾抑制方法流程圖，從下面對(duì)五個(gè)步驟進(jìn)行詳 細(xì)的說(shuō)明：
[0157]步驟一:車輛光照模型建立，主要包括以下兩個(gè)部分：
[0158] 1)利用車輛的結(jié)構(gòu)特征，獲得車輛光照與隧道路面間的相對(duì)位置特征。對(duì)于隧道 場(chǎng)景的監(jiān)控視頻，攝像頭安裝位置及車流行駛的方向相對(duì)比較固定，分布結(jié)構(gòu)如圖1所示： [0159] 2)根據(jù)相對(duì)位置特征、車輛光照輻射特性和漫反射特性，建立光照模型描述車輛 光照區(qū)域的光照強(qiáng)度特性D(x，y)。路面漫反射特性較好且環(huán)境光照連續(xù)，可以利用傳統(tǒng)的 Lambert漫反射模型描述。建立光照強(qiáng)度特性方程如下：
[0161] 其中，Kd為景物表面的漫反射系數(shù)，In是點(diǎn)光源發(fā)出的入射光光強(qiáng)，出為車燈距離 地面高度，（x，y)表示以車燈中心垂直于地面點(diǎn)為原點(diǎn)、垂直于道路方向?yàn)閤軸、平行于道路 方向?yàn)閥軸建立的坐標(biāo)系上的點(diǎn)。
[0162] 步驟二:光照強(qiáng)度梯度特征分析，主要包括以下兩個(gè)部分：
[0163] 1)按照以下公式計(jì)算求取該系列點(diǎn)光照強(qiáng)度梯度方向的各階偏導(dǎo)：
[0165] 車輛光照符合理想點(diǎn)光源輻射特性，即與點(diǎn)光源距離相同的球面上的任意點(diǎn)的光 強(qiáng)值相同，光強(qiáng)變化的梯度方向?yàn)樵擖c(diǎn)到光源點(diǎn)方向，且在梯度方向具有相同的導(dǎo)數(shù)特性， 則可選取一組較為特殊的點(diǎn)表征整個(gè)路面上所有點(diǎn)的梯度特性。
[0166] 2)將計(jì)算出的各階偏導(dǎo)進(jìn)行分析，得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏 導(dǎo)間不變特性值M(x，y)，該值在光照區(qū)域保持不變，而非光照區(qū)域隨機(jī)變化。通過(guò)推導(dǎo)，可 以得出各階導(dǎo)數(shù)存在如下方程的關(guān)系：
[0168] 其中，N(x，y)只受環(huán)境影響，在同一場(chǎng)景相同路面條件下保持固定，而M(x，y)由車 輛光照固有特性決定，對(duì)于同一車輛的照射區(qū)域保持恒定，其中由此可利用光照區(qū)域在梯 度方向的偏導(dǎo)獲得一個(gè)較為穩(wěn)定的不變特征值。
[0169] 步驟三:提取前景車輛目標(biāo)，主要包括以下六個(gè)部分：
[0170] 1)獲取該場(chǎng)景的視頻圖像。當(dāng)前場(chǎng)景的視頻圖像可以由攝像機(jī)或者攝像頭進(jìn)行拍 攝獲取。
[0171] 2)采用背景差分法處理視頻圖像。背景差分的關(guān)鍵技術(shù)是背景建模和背景更新， 采用非參數(shù)概率密度的方法進(jìn)行背景建模，采用幀間差分法進(jìn)行背景更新。
[0172] 3)將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理。二值化閾值 的選取采用ostu算法，選擇開(kāi)運(yùn)算的形態(tài)學(xué)處理方法去除較小的噪聲并且能夠填充一些空 隙。
[0173] 4)提取前景車輛目標(biāo)的區(qū)域。提取前景目標(biāo)的輪廓，并刪除大小形狀不符合車輛 特征的前景目標(biāo)，提取前景車輛目標(biāo)的區(qū)域。
[0174]步驟四：前景掩膜建立，主要包括以下三個(gè)部分：
[0175] 1)計(jì)算各像素點(diǎn)梯度方向以及梯度方向的各階梯度值，利用各階梯度值求取各像 素點(diǎn)的不變特性值M(x，y);由于圖像為由離散點(diǎn)構(gòu)成的矩陣，不能獲得連續(xù)的方向?qū)?shù)值， 則選取像素點(diǎn)的八個(gè)鄰域像素點(diǎn)中最大差值的點(diǎn)方向作為該點(diǎn)的梯度方向，并將不變特性 值M( x，y)求取方程離散化得到：
[0177] 2)根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，計(jì)算該像素點(diǎn)相較于領(lǐng) 域內(nèi)像素點(diǎn)的變化率M_Rate (x，y)。變化率M_Rate (x，y)選取像素點(diǎn)的八個(gè)鄰域像素點(diǎn)中最 大差值11^6(叉，7)=11^{1^#)-]\^，7)}，其中^#)點(diǎn)（叉，7)鄰域坐標(biāo)點(diǎn) 。
[0178] 3)根據(jù)實(shí)際情況設(shè)定閾值，按照以下公式篩選出變化率：
[0179] M_Rate(x,y)
[0180] 較大的像素點(diǎn)作為非光照區(qū)域，經(jīng)過(guò)膨脹變換，獲得剔除光照區(qū)域的前景掩膜。根 據(jù)實(shí)驗(yàn)數(shù)據(jù)分析得到變化率的判斷閾值為1.32，即定義車輛匹配的最終結(jié)果：
[1 M _ Rate( .\\ v) > 1.32 [0181 ] D - 1 () M Xv，.i.) < 1.32 ，.
[0182] 其中，D=1表示非光照區(qū)域，值D = 0表示光照區(qū)域。經(jīng)過(guò)連續(xù)膨脹變換，得到光照 區(qū)域的前景掩膜。
[0183] 步驟五:車輛光照干擾抑制，主要包括以下內(nèi)容：
[0184] 將未經(jīng)處理的車輛前景圖同前景掩膜疊加，抑制光照區(qū)域?qū)囕v目標(biāo)提取的干 擾，實(shí)現(xiàn)了車輛目標(biāo)的準(zhǔn)確提取。
[0185] 最后說(shuō)明的是，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制，盡管參照較 佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技 術(shù)方案進(jìn)行修改或者等同替換，而不脫離本技術(shù)方案的宗旨和范圍，其均應(yīng)涵蓋在本發(fā)明 的權(quán)利要求范圍當(dāng)中。
【主權(quán)項(xiàng)】
1. 基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，其特征在于:包括W下步驟： 步驟一:根據(jù)車輛的結(jié)構(gòu)特征建立車輛光照模型； 步驟二:計(jì)算車輛光照模型中光照強(qiáng)度梯度特征，得到光照區(qū)域的光照強(qiáng)度的不變特 性值M(x,y); 步驟=:獲取該場(chǎng)景的視頻圖像并提取前景車輛目標(biāo)圖像； 步驟四：根據(jù)不變特性值M(x，y)建立光照區(qū)域的前景掩膜； 步驟五:將未經(jīng)處理的車輛前景圖同前景掩膜疊加，得到光照抑制后的車輛目標(biāo)圖像。2. 如權(quán)利要求1所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，其特征在 于:所述車輛光照模型是通過(guò)W下步驟來(lái)建立的： 11) 獲得車輛光照與隧道路面間的相對(duì)位置特征； 12) 根據(jù)相對(duì)位置特征、車輛光照福射特性和漫反射特性，按照W下公式建立車輛光照 模型：其中，D(x，y)表示車輛光照區(qū)域的光照強(qiáng)度特性，Kd為景物表面的漫反射系數(shù)，In是點(diǎn) 光源發(fā)出的入射光光強(qiáng)，Hi為車燈距離地面高度，（x，y)表示W(wǎng)車燈中屯、垂直于地面點(diǎn)為原 點(diǎn)、垂直于道路方向?yàn)閄軸、平行于道路方向?yàn)閥軸建立的坐標(biāo)系上的點(diǎn)。3. 如權(quán)利要求1所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，其特征在 于:所述不變特性值M( X，y)是通過(guò)W下步驟來(lái)實(shí)現(xiàn)的： 21) 計(jì)算求取光照區(qū)域內(nèi)的各點(diǎn)的光照強(qiáng)度梯度方向的各階偏導(dǎo)： 22) 根據(jù)各階偏導(dǎo)按照W下公式得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏導(dǎo)間不 變特性值MU，y):其中，N(x，y)只受環(huán)境影響，在同一場(chǎng)景相同路面條件下保持固定，而M(x，y)由車輛光 照固有特性決定，對(duì)于同一車輛的照射區(qū)域保持恒定，其中由此可利用光照區(qū)域在梯度方 向的偏導(dǎo)獲得一個(gè)較為穩(wěn)定的不變特征值。4. 如權(quán)利要求1所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，其特征在 于:所述車輛目標(biāo)圖像的提取是通過(guò)W下步驟來(lái)實(shí)現(xiàn)的： 31) 獲取場(chǎng)景的視頻圖像； 32) 采用背景差分法處理視頻圖像； 33) 將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理； 34) 提取前景車輛目標(biāo)的區(qū)域輪廓。5. 如權(quán)利要求1所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，其特征在 于:所述前景掩膜建立是通過(guò)W下步驟來(lái)實(shí)現(xiàn)的： 41)計(jì)算各像素點(diǎn)梯度方向W及梯度方向的各階梯度值，按照W下公式利用各階梯度 值求取各像素點(diǎn)的不變特性值M(x，y):42) 根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，按照W下公式計(jì)算像素點(diǎn) 變化率最大差值1_3日*6 (X，y): M_Rate(x,y) =max{M(xi,yi)-M(x,y)}, 其中，（xi，yi)點(diǎn)（x，y)鄰域坐標(biāo)點(diǎn)； 43) 按照W下公式選取條畫(huà)占化兩前縣輸瞄.其中，D=I表示非光照區(qū)域，值D = O表示光照區(qū)域，T虹表示預(yù)設(shè)闊值。6. 基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制系統(tǒng)，其特征在于:包括車輛光照模 型建立模塊、光照強(qiáng)度特性值計(jì)算模塊、車輛目標(biāo)圖像生成模塊、前景掩膜生成模塊和光照 抑制后的車輛目標(biāo)圖像生成模塊； 所述車輛光照模型建立模塊，用于根據(jù)車輛的結(jié)構(gòu)特征建立車輛光照模型； 所述光照強(qiáng)度特性值計(jì)算模塊，用于計(jì)算車輛光照模型中光照強(qiáng)度梯度特征，得到光 照區(qū)域的光照強(qiáng)度的不變特性值M(x，y); 所述車輛目標(biāo)圖像生成模塊，用于獲取該場(chǎng)景的視頻圖像并提取前景車輛目標(biāo)圖像； 所述前景掩膜生成模塊，用于根據(jù)不變特性值M(x，y)建立光照區(qū)域的前景掩膜； 所述光照抑制后的車輛目標(biāo)圖像生成模塊，用于將未經(jīng)處理的車輛前景圖同前景掩膜 疊加，得到光照抑制后的車輛目標(biāo)圖像。7. 如權(quán)利要求6所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制系統(tǒng)，其特征在 于:所述車輛光照模型建立模塊中的車輛光照模型是通過(guò)W下步驟來(lái)建立的： 11) 獲得車輛光照與隧道路面間的相對(duì)位置特征； 12) 根據(jù)相對(duì)位置特征、車輛光照福射特性和漫反射特性，按照W下公式建立車輛光照 模型：其中，D(x，y)表示車輛光照區(qū)域的光照強(qiáng)度特性，Kd為景物表面的漫反射系數(shù)，In是點(diǎn) 光源發(fā)出的入射光光強(qiáng)，Hi為車燈距離地面高度，（x，y)表示W(wǎng)車燈中屯、垂直于地面點(diǎn)為原 點(diǎn)、垂直于道路方向?yàn)閄軸、平行于道路方向?yàn)閥軸建立的坐標(biāo)系上的點(diǎn)。8. 如權(quán)利要求6所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制系統(tǒng)，其特征在 于:所述光照強(qiáng)度特性值計(jì)算模塊中的不變特性值M(x，y)是通過(guò)W下步驟來(lái)實(shí)現(xiàn)的： 21) 計(jì)算求取光照區(qū)域內(nèi)的各點(diǎn)的光照強(qiáng)度梯度方向的各階偏導(dǎo)： 22) 根據(jù)各階偏導(dǎo)按照W下公式得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏導(dǎo)間不 變特性值MU，y):其中，N(x，y)只受環(huán)境影響，在同一場(chǎng)景相同路面條件下保持固定，而M(x，y)由車輛光 照固有特性決定，對(duì)于同一車輛的照射區(qū)域保持恒定，其中由此可利用光照區(qū)域在梯度方 向的偏導(dǎo)獲得一個(gè)較為穩(wěn)定的不變特征值。9. 如權(quán)利要求6所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制系統(tǒng)，其特征在 于:所述車輛目標(biāo)圖像生成模塊中的車輛目標(biāo)圖像的提取是通過(guò)W下步驟來(lái)實(shí)現(xiàn)的： 31) 獲取場(chǎng)景的視頻圖像； 32) 采用背景差分法處理視頻圖像； 33) 將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理； 34) 提取前景車輛目標(biāo)的區(qū)域輪廓。10. 如權(quán)利要求6所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制系統(tǒng)，其特征在 于:所述前景掩膜生成模塊中的前景掩膜建立是通過(guò)W下步驟來(lái)實(shí)現(xiàn)的： 41) 計(jì)算各像素點(diǎn)梯度方向W及梯度方向的各階梯度值，按照W下公式利用各階梯度 值求取各像素點(diǎn)的不變特性值M(x，y):42) 根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，按照W下公式計(jì)算像素點(diǎn) 變化率最大差值1_3日*6 (X，y): M_Rate(x,y)=max{M(xi,yi)-M(x,y)}, 其中，（xi，yi)點(diǎn)（x，y)鄰域坐標(biāo)點(diǎn)； 43) 按照W下公式選取像素點(diǎn)作為前景掩膜：其中，D=I表示非光照區(qū)域，值D = O表示光照區(qū)域，T虹表示預(yù)設(shè)闊值。
【文檔編號(hào)】G06K9/46GK105913004SQ201610213110
【公開(kāi)日】2016年8月31日
【申請(qǐng)日】2016年4月7日
【發(fā)明人】趙敏, 孫棣華, 劉衛(wèi)寧, 鄭林江, 石雨新
【申請(qǐng)人】重慶大學(xué)