始化窗口。
[0008] 进一步的，步骤102中的车辆底部阴影检测采用局部统计与两次最大类间方差法 综合的阔值化算法来检测阴影，灰度值统计区域采用统计设定的局部区域，利用最大类间 方差法在统计区域获得初始分割阔值，获得的初始分割阔值继续利用最大类间方差法在统 计区域获得最终分割阔值，根据车底阴影的面积、矩形度、长宽比信息提取车辆底部阴影， 初步检测出车辆。
[0009] 进一步的，步骤101中的A2步骤中化U曲变换公式为，
[0010] P=XCOS白+ysin白 （4)
[0011] P是图像空间中直线到坐标原点的距离，0是直线与X轴的夹角。
[0012] 进一步的，步骤102中的利用车俩纹理特征来验证初步定位的假设车辆的步骤具 体为；在车辆纹理检测区域，把该区域灰度级压缩为16级，然后对灰度共生矩阵进行归一 化；
[001引取图像（NXN)中任意一点（x，y)，让该点沿X方向与y方向上偏离a与b，偏离距 离为山该点与偏离点（x+a，y+b)形成了一个灰度值为（gi，g2)的点对，点（x，y)在整个图 像上移动，可W得到各种点对（gi，g2)，为了让表达式简明些，在共生矩阵表达式P(gi，拓）中 略去了间隔d和方向0，归一化公式如下： 阳014]
【主权项】
1. 一种基于单目视觉的车辆检测与跟踪方法，其特征在于，包括以下步骤：在运动车 辆的检测阶段，101、道路行驶区域提取步骤：具体为，A1、获取车俩周围的图像信息，将不含 道路信息的图像部分的区域去除，提取出感兴趣区域;A2、对步骤Al提取出的感兴趣区域 采用自适应的canny边缘检测方法检测出整幅图像的边缘；A3、接着利用Hough变换检测图 像区域内所有的直线，并对每条直线进行投票，统计得出该区域投票数最大的直线；A4、对 左右车道线的角度设定阈值，建立极角约束区域，将左右车道线的位置划定在该极角约束 区域中，选择该极角约束区域投票数最大的直线作为车道线，从而定位出道路行驶区域； 102、对步骤101得到的道路行驶区域进行车辆底部阴影检测，提取阴影区域来完成车 辆假设阶段，再利用车辆纹理特征验证初步定位的假设车辆，根据新目标与否的判断标准 对检测到的车辆目标进行判断是否是新目标，若是新目标将进行跟踪目标更新，完成车俩 的检测，跳转至步骤103; 在运动车辆的跟踪阶段，103、把车辆目标定位区域进行初始化，按照Camshift自适应 均值漂移算法初始搜索窗口，根据车辆目标的颜色概率分布信息实现运动目标跟踪，当采 用搜索判断标准判断出Cam shift算法搜索失败时采用卡尔曼Kalman滤波预测的结果作 为跟踪结果，同时根据目标出界与否标准判断跟踪目标是否出界，没出界则进行跟踪，反之 则停止对其跟踪，并不断更新跟踪目标信息来初始化窗口。
2. 根据权利要求1所述的基于单目视觉的车辆检测与跟踪方法，其特征在于，步骤102 中的车辆底部阴影检测采用局部统计与两次最大类间方差法综合的阈值化算法来检测阴 影，灰度值统计区域采用统计设定的局部区域，利用最大类间方差法在统计区域获得初始 分割阈值，获得的初始分割阈值继续利用最大类间方差法在统计区域获得最终分割阈值， 根据车底阴影的面积、矩形度、长宽比信息提取车辆底部阴影，初步检测出车辆。
3. 根据权利要求1所述的基于单目视觉的车辆检测与跟踪方法，其特征在于，步骤101 中的A2步骤中Hough变换公式为， P = xcos Θ +ysin Θ (4) P是图像空间中直线到坐标原点的距离，Θ是直线与X轴的夹角。
4. 根据权利要求1所述的基于单目视觉的车辆检测与跟踪方法，其特征在于，步骤102 中的利用车俩纹理特征来验证初步定位的假设车辆的步骤具体为：在车辆纹理检测区域， 把该区域灰度级压缩为16级，然后对灰度共生矩阵进行归一化； 取图像（NXN)中任意一点（x，y)，让该点沿X方向与y方向上偏离a与b，偏离距离为 d，该点与偏离点（x+a，y+b)形成了一个灰度值为（gpgj的点对，点（x，y)在整个图像上移 动，可以得到各种点对（ gl，g2)，为了让表达式简明些，在共生矩阵表达式P(gl，g2)中略去了 间隔d和方向Θ，归一化公式如下：
式中，R是归一化常数，当Θ = 0或Θ = 90时，R = N(N-I);当Θ = 45或Θ = 135 时，R = (N-I)2; 接下来计算感兴趣区域ROI的摘E，公式如下：
利用计算得到的熵值来判断是否是目标，当熵值大于3.0,则检测区域为车辆，获得目 标；反之为伪车辆，从而完成车辆验证。
【专利摘要】本发明请求保护一种基于单目视觉的车辆检测与跟踪方法，属机器视觉领域。该方法为:在车辆检测阶段，利用感兴趣区域提取、自适应Canny边缘检测与车道线检测相结合来确定道路行驶区域，然后用局部灰度值统计与两次最大类间方差法综合使用的阈值化方法得到车辆底部阴影，进而提出假设车辆，再利用纹理描述的共生矩阵方法验证假设车辆；在车辆跟踪阶段，采用Kalman滤波与Cam shift相结合的改进算法进行多目标跟踪，利用新目标判断、搜索成功与否与车辆出边界与否三大标准，每个新目标连续检测到两次则作为新跟踪目标处理，并不断更新跟踪目标。该方法能够实现动态背景下的车辆检测与多目标跟踪，具有较高的实时性、准确率和可靠性。
【IPC分类】G06K9-00
【公开号】CN104866823
【申请号】CN201510236016
【发明人】岑明, 张艳军, 王春阳, 冯辉宗, 李银国, 蒋建春
【申请人】重庆邮电大学
【公开日】2015年8月26日
【申请日】2015年5月11日