j)，i = 1，2，...，W，j = 1，2，...，H中的最大值maxV，设二 值化分割阈值为maxV/5,则二维图像数组SImg中的像素 SImg(i，j)，i = 1，2, · · ·，W，j = 1，2, ···，H的取值由公式（3)获得：
[0049]
[0050] 则二维图像数组SImg为二值图像SImg，当像素 SImg(i，j)的值为255时，像素为 白色，相邻的白色像素构成了白色像素区域，当像素 SImg(i，j)的值为0时，像素为黑色；
[0051] 步骤6 :对二值图像中符合条件的白色像素区域的轮廓点的中点集合进行直线拟 合
[0052] 在步骤5中获取的二值图像SImg中找到所有的白色像素区域，计算每个白色像素 区域内的像素个数，自左向右搜索所有像素个数大于HXW/1200个的白色像素区域，这些 白色像素区域即是车道内运动车辆的行驶轨迹区域，设表示像素个数大于HXW/1200 的白色像素区域的轮廓点的集合，记的起点为纵坐标最小的轮廓点，其中ia = 1，2,. . .，NA, num = 1，2,. . .，NN，NA为像素个数大于HXW/1200的白色像素区域的个数，NN 为白色像素区域的轮廓点的个数，
[0053] 计算第ia个白色像素区域上的轮廓点和』dmw+w#之间的中点 的坐标，邱的坐标为（)，的坐标为 (邱二颜.一·孓叱二劃―)，义携?的横、纵坐标(（烈<·:，处)由公式（4) 计算得到：
[0054]
[0055] 当 NN 为偶数时，iap = ic = 1，2, · · ·，NN/2，
[0056] 当 NN 为奇数时，iap = ic = 1，2, · · ·，（NN-I) /2，
[0057] 将中点ΛΡΜ?的集合利用最小二乘法进行直线拟合，记拟合后的中点集合的直线 为Lla，Lla = 1表示左侧的直线，L la =示右侧的直线，如图2所示；
[0058] 步骤7 :由中点集合拟合的直线确定出车道线实线
[0059] 7. 1)确定相邻车道间的车道线
[0060] 记步骤6中获取的直线1^与纵坐标为零的直线的交点为/-/Γ'，其坐标为 (iif .J )，与纵坐标为H的直线的交点为Iif，其坐标为Uif)，直线Lla+1 与纵坐标为零的直线的交点为Lif+1，其坐标为（ZJf..V )，与纵坐标为H的直线 的交点为i/f+1，其坐标为：Uif交点iif与交点的中点if的坐标 (/f.x，/f>)，交点L/f与交点的中点if的坐标（CaO)的计算公式为下式 (5)：
[0061]
[0062] 设相邻车道间的车道线集合为LA' iL = 1，2, ...，NA-I，LAa的两点式直线方程 为下式（6):
[0063]
[0064] 其中自变量，，0 <，< W和因变量y a，0 < yll< H是相邻车道间的车道线LA 11 上点的横坐标和纵坐标，LA11 = 1是相邻车道间的车道线集合中的左侧车道线，LA α =NA 1是相 邻车道间的车道线集合中的右侧车道线；
[0065] 7. 2)确定道路边缘的车道线
[0066] 7. 2. 1)确定道路左侧边缘的车道线
[0067] 记步骤6中获取的左侧的直线Lla = 1与纵坐标为零的直线的交点为ZJf气，其坐标 为U/T1 气)，与纵坐标为H的直线的交点为，其坐标为Uif=UZif=1J );
[0068] 记步骤7. 1)中获取的左侧车道线LAa = 1与纵坐标为零的直线的交点为 Mif %其坐标为C￡Jif):，与纵坐标为H的直线的交点为:，其坐标为 (LAFbL=l.x,LAPlL=l.V ),
[0069] 记交点和交点之间的距离为^，以计算公式为下式（7):
[0070] Dl；'u = LAPim X- L^~' .X , (7)
[0071] 在纵坐标为零的直线上，寻找交点￡#=1左侧的点LALEtP,其坐标为（LALEP t. X，LALEPt. y)，使得点LALEPt到交点IiT1的距离为/^，
[0072] 记交点IiT1和交点以之间的距离为if"，1^计算公式为下式（8):
[0073] ， (8)
[0074] 在纵坐标为H的直线上，寻找交点￡if=1左侧的点LALEPb，其坐标为（LALEP b. X，LALEPb. y)，使得点LALEPb到交点ZiT1的距离为，
[0075] 记道路左侧边缘的车道线为LAElrft, LAEleft的两点式直线方程为下式（9):
[0076]
[0077] 其中自变量xlrft，0 < xleft< W和因变量y left，0 < ylrft< H是道路左侧边缘的车 道线LAElrft上点的横坐标和纵坐标；
[0078] 7. 2. 2)确定道路右侧边缘的车道线
[0079] 记步骤6中获取的右侧的直线Lla = N$纵坐标为零的直线的交点为 其坐标为JOi广ifcVX与纵坐标为H的直线的交点为IZf=wS其坐标为 (Llf^A.x,Llf=NA.y );
[0080] 记步骤7. 1)中获取的右侧车道线LAa = NA1与纵坐标为零的直线的交点 为Uif，其坐标为（\ j )，与纵坐标为H的直线的交点为 LAP^m , ( LAP^m-1 ,x,LAP；l-u-\y ),
[0081] 记交点和交点之间的距离为，釋计算公式为下式α〇):
[0082] D?"=《-、丨·x-LAf^-、" x， ( jQ)
[0083] 在纵坐标为零的直线上，寻找交点Zif=*4右侧的点LAREPt，其坐标为（LAREP t. X，LAREPt. y)，使得点LAREPt到交点距离为A-^，
[0084] 记交点和交点之间的距离为，Dfi计算公式为下式（I 1):
[0085] Dfu = LP1Tna .X - LAIf-_ΝΑ-1 .X ' (11)
[0086] 在纵坐标为H的直线上，寻找交点/JT=?a右侧的点LAREPb，其坐标为（LAREP b. X，LAREPb. y)，使得点LAREPb到交点的距离为
[0087] 记道路右侧边缘的车道线为LAEnght, LAE1^ht的两点式直线方程为下式（12):
[0088]
[0089] 其中自变量Xnght，〇 < Xnght< W和因变量y η，〇 < ynght< H是道路右侧边缘的 车道线LAFlght上点的横坐标和纵坐标，
[0090] 贝IJ公式（6)、公式（9)和公式（12)确定出了高清摄像头所拍摄的视频帧图像内的 车道线实线，即成，最终结果如图3所示。
【主权项】
1. 一种基于光流点轨迹统计的车道线实线的检测方法，其特征在于，步骤包括： 步骤1:在单向道路中间上方安装摄像头； 步骤2 :对视频帖图像预处理； 步骤3 :获取运动车辆的光流点集合； 步骤4 :利用DBSCAN聚类算法分割每辆运动车辆的光流点集合，并对分割出的光流点 集合用固定大小的矩形区域表示； 步骤5 :对每辆运动车辆的分割区域进行统计叠加，并对结果进行二值化处理； 步骤6 :对二值图像中符合条件的白色像素区域的轮廓点的中点集合进行直线拟合； 步骤7 :由中点集合拟合的直线确定出车道线实线。2. 根据权利要求1所述的基于光流点轨迹统计的车道线实线的检测方法，其特征在 于，所述的步骤1中，具体步骤是： 在交通道路中的实线道路区域，即需要检测车辆是否违规行驶的路段，在单向道路中 间上方安装高清摄像头，单个摄像头对应单向道路，摄像头所拍摄的视频帖图像在横向宽 度上包含该方向上所有的车道，在纵向长度上所拍摄的最远端到摄像头的距离不大于100 米，最近端到摄像头的距离不小于5米，且最远端与最近端间的间隔不小于70米。3. 根据权利要求2所述的基于光流点轨迹统计的车道线实线的检测方法，其特征在 于，所述的步骤2中，具体步骤是： 将摄像头拍摄的视频帖图像转换为灰度图并进行中值滤波，对滤波后的图像进行直方 图均衡化，得到视频帖图像I。，n= 1，2, ...，N，N为视频帖图像帖数，N> 18000,视频帖图 像I。的宽度为W、高度为H。4. 根据权利要求3所述的基于光流点轨迹统计的车道线实线的检测方法，其特征在 于，所述的步骤3中，具体步骤是： 3. 1)获取视频帖图像的光流矢量集合 利用金字塔迭代Lucas-Kanade光流算法检测步骤2中的视频帖图像I。和I。+1间的光 流矢量集合Fm,m= 1，2, . . .，N-1，金字塔迭代Lucas-Kanade光流算法中的强角点个数设置 为1000个，可接受角点的最小质量因子设置为0. 001，得到的角点最小距离设置为5,单位 为像素，每个金字塔层的捜索窗口尺寸为10X10,单位为像素，最大金字塔层数设置为4， 最大迭代次数设置为64,迭代精度设为0. 01 ; 3. 2)提取运动车辆的光流矢量集合 设运动车辆驶离摄像头时的光流矢量方向的角度范围夫车辆驶近摄像 头时的光流矢量方向的角度范围天视频帖图像的横轴X所指方向角度为零度， 并设光流矢量的长度范围为巧，3引，单位为像素， 判断步骤3.1)中的矢量集合Fm中的光