一种基于单目视觉的夜间前方车辆检测方法与流程

技术特征：

1.一种基于单目视觉的夜间前方车辆检测方法，其特征在于，包括以下步骤：

步骤1，采集图像，基于CenSurE算子对夜间前方车辆进行车灯检测，得到强角点；

步骤2，基于车灯颜色信息进行夜间前方车辆的分割，得到分割区域；

步骤3，选择步骤2的分割区域中占有步骤1的强角点最多的区域，得到检测区域；

步骤4，对步骤3中的检测区域进行车灯配对，确定目标车辆的位置。

2.根据权利要求1所述的一种基于单目视觉的夜间前方车辆检测方法，其特征在于，所述的步骤1的操作步骤具体为：

步骤1.1，拍照采集图像，根据采集图像计算对应的积分图的值，积分图中任一点I(x，y)的值均为原图像中对应位置左上角区域所有值的总和，如式(1)，

$I(x,y)=\underset{y^{\′}\≤y}{\underset{x^{\′}\≤x}{\Σ}}i(x^{\′},y^{\′});---\left(1\right)$

步骤1.2，构造CenSurE滤波器对积分图进行对数尺度采样，

将任一点I(x，y)的值表示的尺度空间分成三组，其中，第一组中每层的CenSurE滤波器内核大小依次增加2，第二组中每层的CenSurE滤波器内核大小依次增加4，第三组中每层的CenSurE滤波器内核大小依次增加8，每一组中均选择5层尺度图像，CenSurE滤波器外核大小也按照上述方式进行计算；

即CenSurE滤波器的内核尺寸应满足(2n+1)×(2n+1)，外核尺寸应满足(4n+1)×(4n+1)，为了使滤波器的DC响应为零，对尺度空间归一化，则内核的权重系数I_n应满足式(2)，

$I_{n+1}=I_n\frac{{(2n+1)}^2}{{\left(2\right(n+1)+1)}^2},n=1,2,\mathrm{3...},---\left(2\right)$

外核的权重系数O_n应满足式(3)

$O_n=I_n\frac{{(2n+1)}^2}{{(4n+1)}^2},n=1,2,\mathrm{3...},---\left(3\right)$

当外核包含的像素值总和为out_value，内核包含的像素值总和为in_value，则像素滤波响应值L满足式(4)，

L＝O_n·out_value-I_n·in_value， (4)

步骤1.3，对步骤1.2中的尺度空间进行极值检测，

将经过步骤1.2处理的图像，按照式(4)计算图像中每个尺度空间的像素滤波响应值，然后在尺度空间上进行非极大值抑制，并记录极值点；

步骤1.4，对步骤1.3中的极值点进行滤除不稳定特征点，

L_x和L_y为像素滤波响应值L在x和y方向的偏导，对L_x、L_y、L_xL_y进行高斯滤波，获得Harris矩阵特征值，如果较小的特征值大于自适应阈值t，则得到强角点。

3.根据权利要求1所述的一种基于单目视觉的夜间前方车辆检测方法，其特征在于，所述的步骤2的操作步骤具体为，将步骤1采集的图像由RGB空间转换到HSV颜色空间，使用红色阈值分割出的所有区域，使用白色阈值分割出的所有区域中位于左侧1/3的区域，共同作为HSV颜色空间分割的结果，

H表示色调，其中红色阈值的H≥340°或H≤30°，白色阈值的H为0°～360°；S表示饱和度，红色阈值的S≤30，白色阈值的S≤20；V表示色彩的明度，红色阈值和白色阈值均取80≤V≤100。

4.根据权利要求1所述的一种基于单目视觉的夜间前方车辆检测方法，其特征在于，所述的步骤4的车灯配对的操作步骤具体为，假设L_i、L_j为两候选车灯，面积分别为A_i、A_j，车灯中心的图像坐标为(x_i,y_i)、(x_j,y_j)，配对约束条件如下：

a.当两候选车灯高度一致，既两车灯纵坐标应满足式(5)

|y_i-y_j|＜Δh， (5)

b.当两候选车灯水平方向距离在一定范围内，应满足式(6)

Δw₁＜|x_i-x_j|＜Δw₂， (6)

c.当两候选车灯面积一致，应满足式(7)

|A_i-A_j|＜ΔA， (7)

式(5)中Δh为高度差阈值，式(6)中Δw₁和Δw₂为水平差阈值，式(7)中ΔA为面积差阈值，满足配对约束条件，配对完成后得到车灯对应的外接矩形框应满足宽高比在一定范围内，满足式(8)，

$\frac{x_{j,right}-x_{i,left}}{\max (y_{i,bottom},y_{j,bottom})-\min (y_{i,top},y_{j,top})}\≤\mathrm{\Δ}ration,---\left(8\right)$

其中，x_i,left、x_j,right分别为区域的最左边和最右边坐标，y_i,top、y_j,bottom为区域的最上边和最下边坐标，Δration为框的宽高比阈值。

5.根据权利要求2所述的一种基于单目视觉的夜间前方车辆检测方法，其特征在于，步骤1.3中的非极大值抑制的具体步骤为：尺度空间中的每个点与其26个相邻点，其中26个相邻点包括位于中间的检测点和其同尺度的8个相邻点，以及上下相邻尺度对应的9×2个点进行比较，然后记录极值点。

6.根据权利要求2所述的一种基于单目视觉的夜间前方车辆检测方法，其特征在于，所述的步骤1.4中的自适应阈值使用多级Otsu方法获取，其具体步骤为：

在灰度直方图中，设f_i为灰度级为i的像素点个数，N为像素点总数，则N满足式(9)

N＝f₀+f₁+…+f_l-1， (9)

其中l为直方图个数，l＝1，2，3，4……，

则灰度级为i的像素点个数f_i的分布概率P_i为式(10)，

$\left\{\begin{array}{c}{P}_i=f_i/N\\ \underset{i=0}{\overset{l-1}{\Σ}}{P}_i=1\end{array}\right.,(i=1,2,3,\mathrm{4......})---\left(10\right)$

使用k个阈值T＝{t₁,…,t_n,…,t_k}，将图像分为k+1个类别，类间方差V_BC(T)为式(11)

$V_{BC}\left(T\right)=\underset{n=0}{\overset{k}{\Σ}}{w}_n{({\mathrm{\μ}}_n-{\mathrm{\μ}}_T)}^2,(k=1,2,\mathrm{3...},n,\mathrm{...};1\≤n\≤k)---\left(11\right)$

其中，式(11)μ_n为k＝n时的灰度均值，μ_T为总体的灰度均值，w_n和μ_n的值如式(12)，

$\left\{\begin{array}{c}{w}_n=\underset{i=t_n+1}{\overset{t_{n+1}}{\Σ}}{P}_i\\ {\mathrm{\μ}}_n=\frac{\underset{i=t_n+1}{\overset{t_{n+1}}{\Σ}}{P}_i}{w_n}\end{array}\right.---\left(12\right)$

类内方差v_WC(T)为式(13)

$v_{WC}\left(T\right)=\underset{n=0}{\overset{k}{\Σ}}{w}_n{{\mathrm{\σ}}_n}^2,---\left(13\right)$

其中，式(13)中σ_n为k＝n时的灰度方差，w_n和σ_n的值如式(14)

$\left\{\begin{array}{c}{w}_n=\underset{i=t_n+1}{\overset{t_{n+1}}{\Σ}}{P}_i\\ {\mathrm{\σ}}_n^2=\frac{\underset{i=t_n+1}{\overset{t_{n+1}}{\Σ}}{P}_i{(i-{\mathrm{\μ}}_n)}^2}{w_n}\end{array}\right.,---\left(14\right)$

将式(9)～式(14)联合，得出图像的总方差v_T和图像的总均值μ_T，为式(15)

$\left\{\begin{array}{c}{v}_T=\underset{i=0}{\overset{L-1}{\Σ}}{(i-{\mathrm{\μ}}_T)}^2{P}_i\\ {\mathrm{\μ}}_T=\underset{i=0}{\overset{L-1}{\Σ}}{\mathrm{iP}}_i\end{array}\right.,---\left(15\right)$

定义图像的分割因子SF为式(16)，

$SF=\frac{v_{BC}\left(T\right)}{v_T}=1-\frac{v_{BC}\left(T\right)}{v_T},---\left(16\right)$

当SF>0.9时，停止分类，取此时的t_k为自适应阈值。