方向用一条水平的直线13从上向下对目标车辆轮廓逼近，直到与目 标车辆轮廓相交时，停止平移。此时，计算在直线I3下方图像中的车辆轮廓像素点数量η 3占整个目标车辆轮廓像素点数量N的比例T3，如果满足90 % < T3S 95 %即停止平移。如 果不满足条件，继续平移，直到满足条件为止。其中
[0043] 4)沿图像垂直方向用一条水平的直线14从下向上对目标车辆轮廓逼近，直到与目 标车辆轮廓相交时，停止平移。此时，计算在直线I4上方图像中的车辆轮廓像素点数量η 4占整个目标车辆轮廓像素点数量N的比例T4，如果满足90 % < T4S 95 %即停止平移。如 果不满足条件，继续平移，直到满足条件为止。其中
[0044] 5)计算上述两条垂直直线I1, 12和两条水平直线1 3, I4所构成的矩形区域R中， 包含的车辆轮廓像素点数量占整个目标车辆轮廓像素点数量N的比例?\，如果满足80% 95%，该矩形即为目标车辆的外界矩形。
[0045] 选取?；作为判断外界矩形为目标车辆的外界矩形，主要也是为了避免噪音的干 扰。如果没有选取?；作为判断直线逼近的最终位置，则会出现图4 (a)的情况，无法有效的 逼近目标车辆的轮廓。根据?；作为判断直线逼近的最终位置，结果如图4(b)所示。可以 看出，噪音对外界矩形的计算基本没有影响。
[0046] 本发明采用计算所有在外界矩形内边缘轮廓像素点占所有边缘轮廓像素点的百 分比作为判断外界矩形是否为最小的依据。而且在四条直线逼近轮廓外围边缘是也采用同 样的方法判断每条直线的逼近效果。最后，为了防止出现噪声的干扰计算所有轮廓像素点 在整个外界矩形像素点的百分比。这种算法简洁有效，实验表明不仅可以快速有效的计算 出目标物体的外界矩形，而且可以有效的预防噪音的干扰。
[0047] 实施例：
[0048] 参照附图1，遵循本发明的技术方案，该实施例的方法按以下步骤进行：
[0049] 步骤一，对采集的高速公路前方车辆的原始图像进行多尺度变换。采用的基于局 部最大值的缩小算法后得到缩小的图像，这样不仅可以降低图像数据量，加快处理速度，而 且可以有效的避免噪音的干扰。如图5(a)所示。
[0050] 步骤二，对缩小的图像进行边缘检测。首先采用大津法对步骤一中缩小的图像进 行二值化，然后采用中值滤波对图像进行滤波去噪，最后采用Canny算法对图像进行边缘 检测，得到车辆轮廓的检测结果。如图5(b)所示。
[0051] 步骤三，对车辆轮廓的检测结果图像进行标号。采用4邻域方法对车辆轮廓的检 测结果图像进行标号，得到标号车辆。如图5(c)所示。
[0052] 步骤四，分别对标号车辆进行检测，采取直线逼近的方法从四个方向分别对车辆 轮廓进行逼近，进而得到每一个标号车辆的外界矩形。以标号车辆（1)为例，具体方法如 下：
[0053] 1)沿图像水平方向用一条垂直的直线^从左向右对目标车辆轮廓逼近，直到与目 标车辆轮廓相交时，停止平移。此时，计算在直线I1右侧图像中的车辆轮廓像素点数量η 1 占整个目标车辆轮廓像素点数量N的比例T1，如果满足T1S 95%，即停止平移。如 果不满足条件，继续平移，直到满足条件为止。其中：
=如图6(a)所示。
[0054] 2)沿图像水平方向用一条垂直的直线12从右向左对目标车辆轮廓逼近，直到与目 标车辆轮廓相交时，停止平移。此时，计算在直线I2左侧图像中的轮廓像素点数量112占整 个目标车辆轮廓像素点数量N的比例T2，如果满足90 % < T2S 95 %即停止平移。如果不 满足条件，继续平移，直到满足条件为止。其中：
。如图6(b)所示。
[0055] 3)沿图像垂直方向用一条水平的直线13从上向下对目标车辆轮廓逼近，直到与目 标车辆轮廓相交时，停止平移。此时，计算在直线I3下方图像中的车辆轮廓像素点数量η 3占整个目标车辆轮廓像素点数量N的比例T3，如果满足90 % < T3S 95 %即停止平移。如 果不满足条件，继续平移，直到满足条件为止。其中
。如图6(c)所示。
[0056] 4)沿图像垂直方向用一条水平的直线14从下向上对目标车辆轮廓逼近，直到与目 标车辆轮廓相交时，停止平移。此时，计算在直线I4上方图像中的车辆轮廓像素点数量η 4占整个目标车辆轮廓像素点数量N的比例T4，如果满足90 % < T4S 95 %即停止平移。如 果不满足条件，继续平移，直到满足条件为止。其中
如图6(d)所示。
[0057] 5)计算上述两条垂直直线I1, 12和两条水平直线1 3, I4所构成的矩形区域R中， 包含的车辆轮廓像素点数量占整个目标车辆轮廓像素点数量N的比例?\，如果满足80% 85%，该矩形即为目标车辆的外界矩形。如图6(e)和图6(f)所示。
[0058] 步骤五，根据得到外界矩形，计算每一个标号车辆的外界矩形参数。
[0059] 根据外界矩形的长L1和宽L2，分别作为标号车辆的长和宽，并计算长宽tl 将为标号物体的第一形状参数。将外界矩形面积作为标号车辆的面积P 2= L i X L2，将 标号车辆的面积P2作为第二形状参数。计算外界矩形主轴P3，将其作为第三形状参数。如 图7(a)和图7(b)所示。
【主权项】
1. 一种高速公路前方车辆的检测方法，其特征在于，包括以下步骤： 步骤一，对采集的高速公路前方车辆的原始图像进行多尺度变换，得到缩小的图像； 步骤二，对缩小的图像进行边缘检测，得到车辆轮廓的检测结果图像； 步骤三，对车辆轮廓的检测结果图像进行标号，得到标号车辆； 步骤四，分别对标号车辆进行检测，采取直线逼近的方法从四个方向分别对车辆轮廓 进行逼近，进而得到每一个标号车辆的外界矩形； 步骤五，根据得到外界矩形，计算每一个标号车辆的外界矩形参数。2. 根据权利要求1中所述的一种高速公路前方车辆的检测方法，其特征在于，步骤一 中，对原始图像采用的基于局部最大值的缩小算法后得到缩小的图像。3. 根据权利要求1中所述的一种高速公路前方车辆的检测方法，其特征在于，步骤一 中，利用车载相机采集高速公路前方车辆的原始图像。4. 根据权利要求1中所述的一种高速公路前方车辆的检测方法，其特征在于，步骤二 中，首先采用大津法对步骤一中缩小的图像进行二值化，然后采用中值滤波对图像进行滤 波去噪，最后采用Canny算法对图像进行边缘检测，得到车辆轮廓的检测结果图像。5. 根据权利要求1中所述的一种高速公路前方车辆的检测方法，其特征在于，步骤三 中，采用4邻域方法对车辆轮廓的检测结果图像进行标号，得到标号车辆。6. 根据权利要求1中所述的一种高速公路前方车辆的检测方法，其特征在于，步骤四 的具体方法如下： 1) 沿图像水平方向用一条垂直的直线1:从左向右对目标车辆轮廓逼近，直到与目标车 辆轮廓相交时，停止平移，此时，计算在直线^右侧图像中的车辆轮廓像素点数量ni占整个 目标车辆轮廓像素点数量N的比例，如果满足95%，即停止平移，如果不满 足条件，继续平移，直到满足条件为止，其中2) 沿图像水平方向用一条垂直的直线12从右向左对目标车辆轮廓逼近，直到与目标车 辆轮廓相交时，停止平移，此时，计算在直线1 2左侧图像中的轮廓像素点数量112占整个目标 车辆轮廓像素点数量N的比例T2，如果满足90 % <T2< 95 %即停止平移，如果不满足条件， 继续平移，直到满足条件为止，其中：3) 沿图像垂直方向用一条水平的直线13从上向下对目标车辆轮廓逼近，直到与目标车 辆轮廓相交时，停止平移，此时，计算在直线1 3下方图像中的车辆轮廓像素点数量n3占整个 目标车辆轮廓像素点数量N的比例T3，如果满足T3< 95%即停止平移，如果不满足 条件，继续平移，直到满足条件为止，其中：4) 沿图像垂直方向用一条水平的直线14从下向上对目标车辆轮廓逼近，直到与目标车 辆轮廓相交时，停止平移，此时，计算在直线1 4上方图像中的车辆轮廓像素点数量n4占整个 目标车辆轮廓像素点数量N的比例T4，如果满足T4< 95%即停止平移，如果不满足 条件，继续平移，直到满足条件为止，其中：5) 计算上述两条垂直直线1:、12和两条水平直线1 3、14所构成的矩形区域R中，包 含的车辆轮廓像素点数量K占整个目标车辆轮廓像素点数量N的比例，如果满足80 % < 85%，该矩形即为目标车辆的外界矩形。7.根据权利要求1中所述的一种高速公路前方车辆的检测方法，其特征在于，步骤五 中，根据外界矩形的长U和宽L2，分别作为标号车辆的长和宽，并计算长宽比，将Pi 作为标号物体的第一形状参数；将外界矩形面积作为标号车辆的面积P2=LiXL2，将标号 车辆的面积P2作为第二形状参数；计算外界矩形主轴P3，将其作为第三形状参数。
【专利摘要】本发明公开了一种高速公路前方车辆的检测方法，包括以下步骤：对采集的高速公路前方车辆的原始图像进行多尺度变换，得到缩小的图像；对缩小的图像进行边缘检测，得到车辆轮廓的检测结果图像；对车辆轮廓的检测结果图像进行标号，得到标号车辆；扫描标号图像，计算每个标号车辆的外界矩形根据得到外界矩形，计算每一个标号车辆的外界矩形参数。与现有方法相比，本发明不仅计算结果稳定，而且方法简洁有效，可以通过外界矩形的参数有效的反应前方车辆的行驶状况。
【IPC分类】G06K9/60, G06K9/46, G06K9/00
【公开号】CN104915647
【申请号】CN201510296145
【发明人】王卫星, 曹霆
【申请人】长安大学
【公开日】2015年9月16日
【申请日】2015年6月2日