一种车底阴影检测方法与流程

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：

设为随机变量x的n个随机样本值，则混合高斯模型的概率密度函数表示为：

，

式中，k表示成分数，取值k=4，即图像中所含目标总数，，表示高斯混合模型中各成分的比例系数，并且满足，和分别为第i成分的均值和标准差；

设，为缺失数据，即随机样本值分别为每一成分的概率，则所有样本数据的联合概率密度函数表示为：

，

式中，取值为0或1，当，表示样本属于第k个成分，否则不是；

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；

；

表示车底阴影区域的均值，为其对应的标准差。

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：

设为随机变量x的n个随机样本值，则混合高斯模型的概率密度函数表示为：

，

式中，k表示成分数，取值k=4，即图像中所含目标总数，，表示高斯混合模型中各成分的比例系数，并且满足，和分别为第i成分的均值和标准差；

设，为缺失数据，即随机样本值分别为每一成分的概率，则所有样本数据的联合概率密度函数表示为：

，

式中，取值为0或1，当，表示样本属于第k个成分，否则不是；

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；

；

表示车底阴影区域的均值，为其对应的标准差。