本发明具体涉及一种车底阴影检测方法。
背景技术:
阴影检测技术主要分为基于模型的方法和基于特征的方法。基于模型的方法需要严格的假设,不能很好使用各种环境的变化,但当感兴趣目标很容易建模、投影具有不同的取向时可以达到很好地效果。基于特征的方法可以快速的实现和运行,但对噪声敏感,低饱和度下检测率不高。
技术实现要素:
本发明要解决的技术问题是提供一种车底阴影检测方法。
一种车底阴影检测方法,包括以下步骤:
1)对采集到的原始灰度图像提取感兴趣区域;
2)采用聚类分析的方法获得车底阴影阈值,进而得到阴影分割图像;
3)由阴影分割后的图像提取与路面的交线;
4)利用提取的交线位置有效生成车辆候选区域。
进一步的,步骤2)中假设提取感兴趣区域中只含有四类目标:路面、车道线、车辆和车底的阴影;使用混合高斯模型对每一成分(即图像目标)进行聚类,利用改进的em算法求解最大似然值,由阴影模型的参数确定阴影阈值。
进一步的,步骤2)的混合高斯模型如下:
设
式中,k表示成分数,取值k=4,即图像中所含目标总数,
设
式中,
利用最大似然函数对上述变量进行计算,表达式如下所示:
进一步的,步骤2)的车底阴影阈值的计算方法如下:
对图像灰度值进行聚类,计算各成分的均值与方差,排序后的均值表示为
本发明的有益效果是:
本发明提出一种基于聚类分析的运动车辆车底阴影检测方法,该方法能够有效地排除白天不同时段及周边不同环境阴影的干扰,实时准确的检测出车底阴影,定位出车辆的位置。
具体实施方式
以下具体实施例对本发明作进一步阐述,但不作为对本发明的限定。
一种车底阴影检测方法,包括以下步骤:
1)对采集到的原始灰度图像提取感兴趣区域;
2)采用聚类分析的方法获得车底阴影阈值,进而得到阴影分割图像;
3)由阴影分割后的图像提取与路面的交线;
4)利用提取的交线位置有效生成车辆候选区域。
步骤2)中假设提取感兴趣区域中只含有四类目标:路面、车道线、车辆和车底的阴影;使用混合高斯模型对每一成分(即图像目标)进行聚类,利用改进的em算法求解最大似然值,由阴影模型的参数确定阴影阈值。
步骤2)的混合高斯模型如下:
设
式中,k表示成分数,取值k=4,即图像中所含目标总数,
设
式中,
利用最大似然函数对上述变量进行计算,表达式如下所示:
步骤2)的车底阴影阈值的计算方法如下:
对图像灰度值进行聚类,计算各成分的均值与方差,排序后的均值表示为