專利名稱：夜晚車輛檢測的方法及其系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及智能交通系統(tǒng)領(lǐng)域，特別涉及視頻圖像中車輛檢測技術(shù)。
背景技術(shù)：
智能交通系統(tǒng)作為一種先進技術(shù)已有效地運用于整個運輸管理體系，已經(jīng)得到各國的重視，可以為交通部門及時、準(zhǔn)確地提供有效的交通信息，從而使交通管理控制系統(tǒng)較好地適應(yīng)各種交通狀況，運用多種控制系統(tǒng)，在相對宏觀的高度合理疏導(dǎo)或者調(diào)配運力，從而最大效能地發(fā)揮交通管理系統(tǒng)在交通監(jiān)視、交通控制、出入控制、救援管理等方面的準(zhǔn)確性和調(diào)控性。在智能交通系統(tǒng)中，交通監(jiān)控是交通管理智能化的前提，建立交通自動監(jiān)控系統(tǒng)也就成為交通管理智能化的首要任務(wù)。交通自動監(jiān)控系統(tǒng)的主要目標(biāo)是獲取道路信息以及車輛行為信息，即交通事件，其中包括車流量、車速、車間距、車輛類型、道路占有率、車輛違法信息、交通事故檢測、道路氣象、道路施工、視頻監(jiān)視圖像等，主要側(cè)重于對道路的宏觀調(diào)控和對道路違章行為的治理，對交通發(fā)展規(guī)劃有著十分重要的意義。所述的智能交通系統(tǒng)中，視頻車輛檢測是關(guān)鍵核心問題，通過視頻分析技術(shù)能夠?qū)崿F(xiàn)對車輛的監(jiān)督和管理。目前視頻檢測方法主要有兩種基于背景的檢測方法和基于運動信息的檢測方法，本發(fā)明的發(fā)明人發(fā)現(xiàn)，上述方式在光線較強時，如晴天，檢測結(jié)果較好，但是對于光線較弱時，如陰暗天或者夜晚，尤其是在高速道路，對于視頻圖像來講，只有車輛的車燈信息可以提取檢測。使用背景檢測方法和基于運動信息的檢測方法，由于車燈對周圍環(huán)境干擾，車燈將照亮周圍的車道路面區(qū)域，以上兩種方法，在這種情況下，會檢測出大量的虛假車輛信息，魯棒性不佳，不能良好的適應(yīng)交通夜晚場景。為了解決上述問題，亟待需要一種從夜晚車輛特征信息分析出發(fā)的車輛檢測方法，以備為后續(xù)對車輛行為的分析提供保障。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種夜晚車輛檢測的方法及其系統(tǒng)，能夠在夜晚快速檢測車輛，且有較好的穩(wěn)定性和魯棒性。為解決上述技術(shù)問題，本發(fā)明的實施方式提供了一種夜晚車輛檢測的方法，包括以下步驟預(yù)先設(shè)置各車道區(qū)域和每個車道區(qū)域中的車流方向；對于車流方向迎向攝像機的各車道區(qū)域，根據(jù)該車道區(qū)域中的高亮區(qū)域進行車輛檢測；對于車流方向背向攝像機的各車道區(qū)域，根據(jù)該車道區(qū)域中的紅色區(qū)域進行車輛檢測。
本發(fā)明的實施方式還提供了一種夜晚車輛檢測的系統(tǒng)，包括以下模塊設(shè)置模塊，用于預(yù)先設(shè)置各車道區(qū)域和每個車道區(qū)域中的車流方向；迎向車輛檢測模塊，用于對于車流方向迎向攝像機的各車道區(qū)域，根據(jù)該車道區(qū)域中的高亮區(qū)域進行車輛檢測；背向車輛檢測模塊，用于對于車流方向背向攝像機的各車道區(qū)域，根據(jù)該車道區(qū)域中的紅色區(qū)域進行車輛檢測。本發(fā)明實施方式與現(xiàn)有技術(shù)相比，主要區(qū)別及其效果在于預(yù)先設(shè)置各車道區(qū)域及其車流方向，根據(jù)車流與攝像機的向背關(guān)系，分別使用高亮區(qū)域和紅色區(qū)域進行車輛檢測，能夠在夜晚快速檢測車輛，且有較好的穩(wěn)定性和魯棒性。進一步地，利用車頭燈高亮特征提取出車頭燈前景圖像，采用自適應(yīng)多級閾值檢測方法完成圖像中高亮前景點的提取，可有效抑制非高亮車道區(qū)域的干擾，提高了系統(tǒng)的魯棒性。利用背景圖像，對背景圖像中有車燈特征的像素點進行過濾，降低了背景對前景提取的干擾，避免虛假車輛信息的檢測，提高了系統(tǒng)的穩(wěn)定性和魯棒性。進一步地，采取迭代計算閾值和比較方式，可以快速自適應(yīng)地從掩膜圖像統(tǒng)計直方圖中得到高亮區(qū)域像素簇。進一步地，利用車尾燈紅色特征提取出車尾燈前景圖像，特征提取便捷、速度快， 有利在實時系統(tǒng)中快速運行。進一步地，為車頭燈或車尾燈檢測提供背景對比支持，利用背景圖像，對背景圖像中有車燈特征的像素點進行過濾，降低了背景對前景提取的干擾，避免虛假車輛信息的檢測，提高檢測速度，校驗檢測結(jié)果，同時，提高了系統(tǒng)的穩(wěn)定性和魯棒性。進一步地，確定這些車頭燈和車尾燈前景圖像中的前景點的歸屬情況，使得車輛車燈所對應(yīng)的前景點在空間上是連續(xù)的，在圖像中表現(xiàn)為一個前景團塊，即閉合的連通區(qū)域。通過團塊標(biāo)記這種連通區(qū)域搜索以及跟蹤的過程，每一個團塊對應(yīng)一個唯一的連通區(qū)域，通過尋找這些連通區(qū)域可以標(biāo)記前景圖像中的各個前景團塊。這些標(biāo)記的前景團塊，即為車輛的車燈塊信息。


圖1是本發(fā)明第一實施方式中一種夜晚車輛檢測的方法的流程示意圖；圖2是本發(fā)明第一實施方式中一種夜晚車輛檢測的方法的車道預(yù)先設(shè)置示意圖；圖3是本發(fā)明第二實施方式中一種夜晚車輛檢測的方法的車頭燈檢測流程示意圖；圖4是本發(fā)明第二實施方式中一種夜晚車輛檢測的方法的車頭燈多級閾值檢測流程示意圖；圖5是本發(fā)明第二實施方式中一種夜晚車輛檢測的方法的車尾燈檢測流程示意圖；圖6是本發(fā)明第三實施方式中一種夜晚車輛檢測的方法的檢測結(jié)果示意圖；圖6(a)是本發(fā)明第三實施方式中一種經(jīng)過車前燈和車尾燈的車輛檢測得到的車燈前景圖像。圖6(b)是本發(fā)明第三實施方式中一種車燈前景圖片經(jīng)過形態(tài)學(xué)處理得到的車燈前景圖像。圖6(c)是本發(fā)明第三實施方式中一種車燈前景圖片經(jīng)過團塊標(biāo)記得到的車燈前景圖像。圖7是本發(fā)明第四實施方式中一種夜晚車輛檢測的系統(tǒng)的結(jié)構(gòu)示意圖；圖8是本發(fā)明第五實施方式中一種夜晚車輛檢測的系統(tǒng)的迎向車輛檢測模塊結(jié)構(gòu)示意圖；圖9是本發(fā)明第五實施方式中一種夜晚車輛檢測的系統(tǒng)的背向車輛檢測模塊結(jié)構(gòu)示意圖；圖10是本發(fā)明第六實施方式中一種夜晚車輛檢測的系統(tǒng)的結(jié)構(gòu)示意圖。
具體實施例方式在以下的敘述中，為了使讀者更好地理解本申請而提出了許多技術(shù)細節(jié)。但是，本領(lǐng)域的普通技術(shù)人員可以理解，即使沒有這些技術(shù)細節(jié)和基于以下各實施方式的種種變化和修改，也可以實現(xiàn)本申請各權(quán)利要求所要求保護的技術(shù)方案。為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明的實施方式作進一步地詳細描述。本發(fā)明第一實施方式涉及一種夜晚車輛檢測的方法。圖1是該夜晚車輛檢測的方法的流程示意圖。如圖1所示，該夜晚車輛檢測的方法包括以下步驟在步驟101中，預(yù)先設(shè)置各車道區(qū)域和每個車道區(qū)域中的車流迎向或背向方向。每個車道區(qū)域可以只是一個車道，也可以是多個車道，如果有多個車道，這些車道的車流方向應(yīng)當(dāng)是相同的。預(yù)先設(shè)置各車道區(qū)域及其車流方向，根據(jù)車流與攝像機的向背關(guān)系，分別使用高亮區(qū)域和紅色區(qū)域進行車輛檢測，能夠在夜晚快速檢測車輛，且有較好的穩(wěn)定性和魯棒性。對車道信息進行設(shè)置，也可以根據(jù)場景不同進行動態(tài)設(shè)置，并不局限于預(yù)先設(shè)置方式。這是由于用于交通監(jiān)控攝像機一般都是固定安裝的，在視頻分析前，可先進行車道設(shè)置，且設(shè)置只需要在視頻分析前啟用，之后采用設(shè)置的車道區(qū)域進行分析。若場景發(fā)生變化，則需要再次進行車道區(qū)域設(shè)置。待車道信息設(shè)置結(jié)束。接下來開始對視頻進行分析，對夜晚交通視頻中的車輛信息進行檢測。在步驟102中，對于車流方向迎向攝像機的各車道區(qū)域，根據(jù)該車道區(qū)域中的高亮區(qū)域進行車輛檢測。在步驟103中，對于車流方向背向攝像機的各車道區(qū)域，根據(jù)該車道區(qū)域中的紅色區(qū)域進行車輛檢測，此后結(jié)束本流程。作為本實施方式的一個優(yōu)選例，圖2是該夜晚車輛檢測的方法的車道預(yù)先設(shè)置示意圖。如圖2所示，該夜晚車輛檢測的方法的車道預(yù)先設(shè)置包括以下步驟首先繪畫出車道的輪廓，并繪制車道內(nèi)的車流方向，之后對輸入的車道數(shù)據(jù)進行分析，統(tǒng)計出每個像素點處的車流方向，全幅圖像中的每個像素點方向分為三種，上行、下行、無定義(特指非車道區(qū)域內(nèi)的像素點)中任一值。在本發(fā)明的其他某些實例中，所述設(shè)置車道在圖像顏色方面，并不局限于灰度圖像，還包括色彩圖像；同時，在實際應(yīng)用和具體情況，根據(jù)車道屬性，例如彎曲、直線、陡峭、 平坦、沙石、泥土等或者根據(jù)攝像機本身拍攝圖像時的鏡頭形變，或者根據(jù)其所導(dǎo)致拍攝圖像上的漸變差異，來對車道區(qū)域和車流方向進行相應(yīng)設(shè)置。本發(fā)明第二實施方式涉及一種夜晚車輛檢測的方法。第二實施方式在第一實施方式的基礎(chǔ)上進行了改進，主要改進之處在于根據(jù)車道區(qū)域中的高亮區(qū)域進行車輛檢測，通過預(yù)先設(shè)置各車道區(qū)域和每個車道區(qū)域中的車流方向，獲取車流方向迎向攝像機的車道區(qū)域的掩膜圖像，并統(tǒng)計該掩膜圖像得到統(tǒng)計直方圖， 采用自適應(yīng)多級閾值檢測算法對該掩膜圖像統(tǒng)計直方圖進行閾值分割并二值化該掩膜圖像，得到車道區(qū)域中的高亮區(qū)域，從而獲取車頭燈前景圖像，得出車流迎向車輛檢測結(jié)果， 利用車頭燈高亮特征提取出車頭燈前景圖像，這種采用自適應(yīng)多級閾值檢測方法完成圖像中高亮前景點的提取，可有效抑制非高亮車道區(qū)域的干擾，避免虛假車輛信息的檢測，提高了系統(tǒng)的魯棒性。根據(jù)車道區(qū)域中的紅色區(qū)域進行車輛檢測，通過預(yù)先設(shè)置各車道區(qū)域和每個車道區(qū)域中的車流方向，獲取車流方向背向攝像機的車道區(qū)域的掩膜圖像，對于掩膜圖像中的每一個像素，判斷該像素的紅色分量是否滿足預(yù)定條件。若該像素的紅色分量滿足預(yù)定條件，則進一步判斷該像素在背景圖像中對應(yīng)像素的紅色分量是否滿足預(yù)定條件，如果是則將該像素作為車尾燈候選像素。利用車尾燈紅色特征提取出車尾燈前景圖像，特征提取便捷、速度快，有利在實時系統(tǒng)中快速運行。在根據(jù)該車道區(qū)域中的高亮區(qū)域進行車輛檢測，或者根據(jù)該車道區(qū)域中的紅色區(qū)域進行車輛檢測的步驟之前，預(yù)先對當(dāng)前圖像進行背景提取。作為本實施方式的一個優(yōu)選例，圖3是該夜晚車輛檢測的方法的車頭燈檢測流程示意圖。如圖3所示，該夜晚車輛檢測的方法的車頭燈檢測包括以下步驟在步驟301中，輸入當(dāng)前視頻圖像幀或者當(dāng)前背景圖像。此后進入步驟302，根據(jù)預(yù)先設(shè)置各車道區(qū)域和每個車道區(qū)域中的車流方向，獲取車流方向迎向攝像機的車道區(qū)域的掩膜圖像。圖像掩膜處理是指用預(yù)先設(shè)置的各車道區(qū)域及其車流方向，對待處理的圖像(全部或局部)進行遮擋，來控制圖像處理的區(qū)域或處理過程，用于提取該車道區(qū)域中的高亮區(qū)域進行車輛檢測。用于覆蓋的各車道區(qū)域及其車流方向，稱為掩?；蚰０?，在光學(xué)圖像處理中，掩膜可以是膠片、濾光片等。數(shù)字圖像處理中，掩膜為二維矩陣數(shù)組，有時也用多值圖像。此后進入步驟303，對該掩膜圖像進行統(tǒng)計，得到該掩膜圖像的統(tǒng)計直方圖。此后進入步驟304，采取自適應(yīng)多級閾值檢測算法，對該掩膜圖像的統(tǒng)計直方圖進行自適應(yīng)多級閾值分割。此后進入步驟305，根據(jù)該多級分割閾值，二值化處理已得到的掩膜圖像或者背景圖像，得到車道區(qū)域中的高亮區(qū)域。此后進入步驟306，根據(jù)該車道區(qū)域中的高亮區(qū)域，獲取車頭燈前景圖像，此后結(jié)束本流程。
在夜晚交通視頻中，根據(jù)車輛車頭燈區(qū)域一般為圖像中高亮區(qū)域這一特征，來實現(xiàn)視頻圖像下行車道(或車流方向迎向攝像機的車道區(qū)域)內(nèi)車頭燈目標(biāo)的檢測，以完成智能交通視頻中車頭燈的檢測，如圖像色彩RGB分量中R(red紅色)、Gfereen綠色)和 B (blue藍色)，這三種顏色每種都有0至255范圍內(nèi)的強度值，數(shù)字越高越亮，例如，亮紅色使用R值255、G值0和B值0，有色光可被無色光沖淡并變亮。如藍色光與白色光相遇，結(jié)果是產(chǎn)生更加明亮的淺藍色光，對目標(biāo)高亮區(qū)域檢測造成圖像噪聲干擾。在對當(dāng)前幀圖像和背景圖像提取出圖像中高亮的區(qū)域的步驟中，首先根據(jù)前面模塊設(shè)置的車道信息，獲取當(dāng)前下行車道的馬賽克圖像(或稱為掩膜圖像)，然后在此馬賽克圖像上進行直方圖統(tǒng)計，本系統(tǒng)采用快速自動多級閾值檢測算法，采用圖像像素最大級別類中的下限值對當(dāng)前幀圖像進行二值化處理，高亮區(qū)域即多級直方圖中的最大簇類所包含的像素點區(qū)域。由于在實際應(yīng)用場景中，場景背景局部可能也包含高亮信息，為了抑制這種干擾對車燈檢測的影響，本系統(tǒng)對當(dāng)前圖像和背景圖像分別進行高亮區(qū)域的提取，獲取當(dāng)前幀圖像和背景圖像的高亮前景圖，然后從當(dāng)前幀前景圖中減去背景高亮前景圖，從而有效的抑制了背景高亮區(qū)域的干擾，完成了車頭燈前景圖的檢測，其中背景圖像是指一種表示圖像中運動信息的二值化圖像，各像素點的像素值用0或1表示，其中，0表示該像素點為背景，1表示該點為前景點(運動點)。經(jīng)過分析和實際現(xiàn)場測試，自適應(yīng)檢測閾值根據(jù)場景的不同，會有所變化，一般表現(xiàn)范圍在[200J40]之內(nèi)。在本發(fā)明的其他某些實例中，自適應(yīng)多級閾值檢測算法，也可以根據(jù)實際情況和具體應(yīng)用，采取預(yù)先設(shè)定的閾值檢測算法。本實施方式中，圖4是該夜晚車輛檢測的方法的車頭燈多級閾值檢測流程示意圖。具體地說，如圖4所示，所述自適應(yīng)多級閾值檢測算法，包括以下步驟在步驟401中，獲取當(dāng)前視頻圖像幀或者圖像背景的灰度直方圖Iv此后進入步驟402，初始化替換閾值次數(shù)Tn為0次。此后進入步驟403，計算灰度直方圖hQ的均值mQ和方差dQ。此后進入步驟404，以均值Hitl為邊界將該直方圖Iitl分為兩類，判斷該直方圖hQ的其他取值是否大于該直方圖h的均值IV其中大于均值Hltl的為直方圖Iltll，小于均值Hltl的為直方圖hQQ。。若是，則進入步驟405 ；否則，進入步驟408。在步驟405中，將大于均值Hitl的直方圖歸類為直方圖hQ1。此后進入步驟406，計算灰度直方圖hQ1的均值mQ1和方差dQ1。此后進入步驟407，判斷灰度直方圖hQ1的方差dQ1是否小于閾值(典型值15)。若是，則進入步驟412 ；否則，進入步驟409。在步驟408中，當(dāng)步驟404中判定的該直方圖Iitl的其他取值不大于該直方圖hQ的均值Hitl時，則將該類取值的直方圖歸類為直方圖h,此后進入步驟412。在步驟409中，當(dāng)灰度直方圖Iltll的方差Cltll不小于閾值(典型值15)時，則將直方圖V替換為直方圖Iv此后進入步驟410，替換閾值次數(shù)Tn增加1次。此后進入步驟411，判斷替換次數(shù)Tn是否超過替換次數(shù)閾值(典型值10)。若是，則進入步驟413;否則，返回步驟403，迭代計算灰度直方圖Iltl的均值Hitl和方差d0。在步驟412中，在步驟407中判定的該直方圖Iitl的其他取值不大于該直方圖hQ的均值Hitl時，或者在步驟408中將不大于該直方圖Iitl的均值Hitl的取值的直方圖歸類為直方圖Iltltl時，將Hltl作為閾值輸出，此后結(jié)束本流程。在步驟413中，在步驟411中替換次數(shù)Tn超過替換次數(shù)閾值(典型值10)時，輸出固定閾值T (典型值230)，此后結(jié)束本流程。采取迭代計算閾值和比較方法，可以快速自適應(yīng)地從掩膜圖像統(tǒng)計直方圖中得到高亮區(qū)域像素簇。在本發(fā)明的某些其他實例中，也可以不用自適應(yīng)多級閾值檢測方法，而是根據(jù)預(yù)先設(shè)定的某個閾值對高亮區(qū)域進行檢測，如果大于這個閾值就算高亮區(qū)域，如果小于這個閾值就算非高亮區(qū)域。優(yōu)選地，本實施方式中采取迭代計算閾值和比較方法，可以采取以下方式進行實現(xiàn)首先，獲取圖像灰度直方圖H。其次，令Hi = H。再則，計算Hi的均值Mi。并且以均值Mi為邊界將直方圖Hi分為兩部分直方圖Hi L和Hi H，其中Hi L為小于Mi的部分，Hui為大于等于Mi的部分。計算Hui的方差Di H.最后，如果Di H < Th(Th為預(yù)定義閾值，通常為15)，則均值Mi為所求自適應(yīng)閾值。 否則令Hi = Hui,返回步驟3繼續(xù)迭代。如果迭代次數(shù)超過閾值Tn(迭代次數(shù)閾值通常設(shè)為 10)，則返回固定閾值T作為結(jié)果(T通常設(shè)為230)。本實施方式中，圖5是該夜晚車輛檢測的方法的車尾燈檢測流程示意圖。具體地說，如圖5所示，根據(jù)該車道區(qū)域中的紅色區(qū)域進行車輛檢測的步驟103，包括以下子步驟在步驟501中，輸入當(dāng)前視頻圖像幀或者背景圖像。此后進入步驟502，根據(jù)預(yù)先設(shè)置各車道區(qū)域和每個車道區(qū)域中的車流方向，獲取車流方向背向攝像機的車道區(qū)域的掩膜圖像。在掩膜圖像中，找到所有車尾燈候選像素，構(gòu)成車尾燈前景圖像。找到所有車尾燈候選像素的步驟包含以下子步驟在步驟503中，對于當(dāng)前掩膜圖像中的每一個像素，判斷該像素的紅色分量是否滿足預(yù)定條件。若是，則進入步驟504 ；否則，返回步驟503。在步驟504中，若該像素的紅色分量滿足預(yù)定條件，則進一步判斷該像素在背景圖像中對應(yīng)像素的紅色分量是否滿足預(yù)定條件。若是，則返回步驟503 ；否則，進入步驟505。在步驟505中，如果進一步判斷該像素在背景圖像中對應(yīng)像素的紅色分量不滿足預(yù)定條件，將該像素作為車尾燈候選像素，從而獲取車尾燈前景圖像。利用車尾燈紅色特征提取出車尾燈前景圖像，主要根據(jù)車尾燈的紅色特征進行分析和檢測，首先獲取上行車道的馬賽克圖(或者背向掩膜圖像)，再在當(dāng)前幀圖像和背景圖像上對每個像素點進行分析判斷是否有紅色特征。這樣，符合尾燈像素的特征為當(dāng)前像素點為紅色且背景像素特征非紅色，車尾燈前景圖為當(dāng)前幀像素點有紅色特征且背景像素點無紅色特征的像素集合區(qū)域。其特征提取便捷、速度快，有利在實時系統(tǒng)中快速運行。滿足條件則像素值為1，否則為0進行標(biāo)記，從而得到車尾燈前景圖像。在實際應(yīng)用中，經(jīng)過現(xiàn)場驗證和測試，閾值一般設(shè)置為25。根據(jù)該車道區(qū)域中的高亮區(qū)域，獲取車輛檢測信息。其中滿足的預(yù)定條件是像素點p(i，j)判斷是否為紅色特征的要求為
權(quán)利要求
1.一種夜晚車輛檢測的方法，其特征在于，包括以下步驟 預(yù)先設(shè)置各車道區(qū)域和每個車道區(qū)域中的車流方向；對于車流方向迎向攝像機的各車道區(qū)域，根據(jù)該車道區(qū)域中的高亮區(qū)域進行車輛檢測；對于車流方向背向攝像機的各車道區(qū)域，根據(jù)該車道區(qū)域中的紅色區(qū)域進行車輛檢測。
2.根據(jù)權(quán)利要求1所述的夜晚車輛檢測的方法，其特征在于，所述根據(jù)該車道區(qū)域中的高亮區(qū)域進行車輛檢測的步驟中，包括以下步驟根據(jù)預(yù)先設(shè)置各車道區(qū)域和每個車道區(qū)域中的車流方向，獲取車流方向迎向攝像機的車道區(qū)域的掩膜圖像；對該掩膜圖像進行統(tǒng)計，得到該掩膜圖像的統(tǒng)計直方圖；采取自適應(yīng)多級閾值檢測算法，對該掩膜圖像的統(tǒng)計直方圖進行自適應(yīng)多級閾值分割；根據(jù)該多級分割閾值，二值化處理掩膜圖像或者背景圖像，得到車道區(qū)域中的高亮區(qū)域；根據(jù)該車道區(qū)域中的高亮區(qū)域，獲取車頭燈前景圖像。
3.根據(jù)權(quán)利要求2所述的夜晚車輛檢測的方法，其特征在于，所述自適應(yīng)多級閾值檢測算法，包括以下步驟獲取當(dāng)前幀或者背景的灰度直方圖Iv并計算其均值HItl和方差Cltl ； 以均值m。為邊界將直方圖h。分為兩類，其中大于均值m。的為直方圖h?！毙∮诰祄。 的為直方圖Iitltl;計算V的均值！Iltll和方差Cltll,如果Cltll小于閾值，則將Hltl作為輸出的閾值；否則，將V 作為Iitltl，繼續(xù)迭代。
4.根據(jù)權(quán)利要求1所述的夜晚車輛檢測的方法，其特征在于，所述根據(jù)該車道區(qū)域中的紅色區(qū)域進行車輛檢測的步驟中，包括以下步驟根據(jù)預(yù)先設(shè)置的各車道區(qū)域和每個車道區(qū)域中的車流方向，獲取車流方向背向攝像機的車道區(qū)域的掩膜圖像；在所述掩膜圖像中，找到所有車尾燈候選像素，構(gòu)成車尾燈前景圖像； 所述找到所有車尾燈候選像素的步驟包含以下子步驟 對于所述掩膜圖像中的每一個像素，判斷該像素的紅色分量是否滿足預(yù)定條件； 若該像素的紅色分量滿足預(yù)定條件，則進一步判斷該像素在背景圖像中對應(yīng)像素的紅色分量是否滿足預(yù)定條件，如果是則將該像素作為車尾燈候選像素。
5.根據(jù)權(quán)利要求4所述的夜晚車輛檢測的方法，其特征在于，所述預(yù)定條件是
6.根據(jù)權(quán)利要求1所述的夜晚車輛檢測的方法，其特征在于，在所述根據(jù)該車道區(qū)域中的高亮區(qū)域進行車輛檢測，或者所述根據(jù)該車道區(qū)域中的紅色區(qū)域進行車輛檢測的步驟之前，還包括以下步驟預(yù)先對當(dāng)前圖像進行背景提取。
7.根據(jù)權(quán)利要求1所述的夜晚車輛檢測的方法，其特征在于，所述根據(jù)該車道區(qū)域中的高亮區(qū)域進行車輛檢測，和所述根據(jù)該車道區(qū)域中的紅色區(qū)域進行車輛檢測的步驟中， 還包括以下子步驟利用形態(tài)學(xué)中的膨脹算法，對已獲取的車燈前景圖像的破碎點像素進行修復(fù)，得到像素連續(xù)的車燈前景圖像；采取團塊標(biāo)記技術(shù)，對該修復(fù)的車燈前景圖像進行標(biāo)記，得到車燈塊的車輛檢測信息。
8.一種夜晚車輛檢測的系統(tǒng)，其特征在于，包括以下模塊設(shè)置模塊，用于預(yù)先設(shè)置各車道區(qū)域和每個車道區(qū)域中的車流方向； 迎向車輛檢測模塊，用于對于車流方向迎向攝像機的各車道區(qū)域，根據(jù)該車道區(qū)域中的高亮區(qū)域進行車輛檢測；背向車輛檢測模塊，用于對于車流方向背向攝像機的各車道區(qū)域，根據(jù)該車道區(qū)域中的紅色區(qū)域進行車輛檢測。
9.根據(jù)權(quán)利要求8所述的夜晚車輛檢測的系統(tǒng)，其特征在于，所述迎向車輛檢測模塊， 還包括以下子模塊迎向圖像獲取模塊，用于根據(jù)預(yù)先設(shè)置各車道區(qū)域和每個車道區(qū)域中的車流方向，獲取車流方向迎向攝像機的車道區(qū)域的掩膜圖像；統(tǒng)計模塊，用于對所述迎向圖像獲取模塊獲取的掩膜圖像進行統(tǒng)計，得到該掩膜圖像的統(tǒng)計直方圖；自適應(yīng)模塊，用于根據(jù)自適應(yīng)多級閾值檢測算法，對所述統(tǒng)計模塊得到的統(tǒng)計直方圖進行自適應(yīng)多級閾值分割；二值化模塊，用于根據(jù)所述自適應(yīng)模塊輸出的多級分割閾值，二值化處理所述掩膜圖像或者背景圖像，得到車道區(qū)域中的高亮區(qū)域；車頭燈獲取模塊，用于根據(jù)所述二值化模塊得到的車道區(qū)域中的高亮區(qū)域，獲取車頭燈前景圖像。
10.根據(jù)權(quán)利要求8所述的夜晚車輛檢測的系統(tǒng)，其特征在于，所述迎向車輛檢測模塊采用的自適應(yīng)多級閾值檢測算法，包括以下步驟獲取當(dāng)前幀或者背景的灰度直方圖ho，并計算其均值Hltl和方差Cltl ； 以均值m。為邊界將直方圖h。分為兩類，其中大于均值m。的為直方圖h?！毙∮诰祄。 的為直方圖Iitltl;計算V的均值Hltll和方差Cltll,如果Cltll小于閾值，則將Hltl作為輸出的閾值。否則，將Iitll 作為Iitltl，繼續(xù)迭代。
11.根據(jù)權(quán)利要求8所述的夜晚車輛檢測的系統(tǒng)，其特征在于，所述背向車輛檢測模塊，還包括以下子模塊背向圖像獲取模塊，根據(jù)預(yù)先設(shè)置各車道區(qū)域和每個車道區(qū)域中的車流方向，獲取車流方向背向攝像機的車道區(qū)域的掩膜圖像；車尾燈獲取模塊，用于在所述背向圖像獲取模塊獲取的掩膜圖像中，找到所有車尾燈候選像素，構(gòu)成車尾燈前景圖像；所述車尾燈獲取模塊還包括以下子模塊第一判斷模塊，用于對于所述背向圖像獲取模塊獲取的掩膜圖像中的每一個像素，判斷該像素的紅色分量是否滿足預(yù)定條件；第二判斷模塊，用于對于所述第一判斷模塊判定出該像素滿足預(yù)定條件的紅色分量， 進一步判斷該像素在背景圖像中對應(yīng)像素的紅色分量是否滿足預(yù)定條件，如果是則將該像素作為車尾燈候選像素。
12.根據(jù)權(quán)利要求8所述的夜晚車輛檢測的系統(tǒng)，其特征在于，所述預(yù)定條件是
13.根據(jù)權(quán)利要求8所述的夜晚車輛檢測的系統(tǒng)，其特征在于，還包括背景提取模塊， 用于對當(dāng)前圖像進行背景提取，為所述迎向車輛檢測模塊或所述背向車輛檢測模塊提供背景圖像。
14.根據(jù)權(quán)利要求8所述的夜晚車輛檢測的系統(tǒng)，其特征在于，還包括以下模塊修復(fù)模塊，用于利用形態(tài)學(xué)中的膨脹算法，對所述車頭燈獲取模塊或所述車尾燈獲取模塊獲取的車燈前景圖像的破碎點像素進行修復(fù)，得到像素連續(xù)的車燈前景圖像；標(biāo)記模塊，用于采取團塊標(biāo)記技術(shù)，對所述的修復(fù)模塊修復(fù)的車燈前景圖像進行標(biāo)記， 得到車燈塊的車輛檢測信息。
全文摘要
本發(fā)明涉及智能交通系統(tǒng)領(lǐng)域，公開了一種夜晚車輛檢測的方法及其系統(tǒng)。本發(fā)明通過利用預(yù)先設(shè)置的車道信息，分析出車流方向，根據(jù)車道的流向，選擇不同的檢測方法，對于圖像中的下行車道，采用自適應(yīng)閾值分割方法，自動提取出圖像中的車頭高亮區(qū)域，對于圖像中的上行車道，采用尾燈紅色特征方法，并結(jié)合背景信息，進一步過濾虛假目標(biāo)的干擾，提高了系統(tǒng)的穩(wěn)定性和魯棒性，并且設(shè)置簡單，操作方便，選取的特征提取便捷、速度快，有利于在實時系統(tǒng)中快速運行。
文檔編號G08G1/01GK102280030SQ20111020476
公開日2011年12月14日 申請日期2011年7月20日 優(yōu)先權(quán)日2011年7月20日
發(fā)明者張繼霞, 浦世亮, 賈永華 申請人:杭州?？低曑浖邢薰?br>