一种基于车牌位置的车距检测方法
【技术领域】
[0001] 本发明涉及安全驾驶技术领域，具体是一种基于车牌位置的车距检测方法。
【背景技术】
[0002] 日常的机动车驾驶中，与前车保持足够的车距是避免追尾事故的最有效方式。而 对于车距的判断，主要是通过驾驶员的经验目测获得，这种方式存在严重不足：首先，驾驶 员的坐姿和视角的不同，目测的结果会存在较大偏差，尤其是在高速公路上，由于车速过 快，根本无法目测获得较准确的车距；其次，长时间驾车往往会使驾驶员注意力不集中，易 忽视与前车的车距或者车距判断存在较大误差，进而引发交通事故。
[0003] 近年来，出现了一些车距检测技术，主要有以下几类：
[0004] (1)基于物理测距技术，该类技术主要通过发射和接收超声波或者红外激光线，获 得与前面车辆的距离。这种技术存在较多不足：设备成本高，远距离测量误差较大，易受前 方障碍物影响而造成误检，多个车辆同时使用时会存在彼此干扰。
[0005] (2)基于视频处理技术，如中国专利申请CN104392629A公开了一种检测车距的方 法和装置，中国专利CN101941438B公开了一种安全车距智能检控装置与方法，该类技术主 要通过视频图像处理技术，在视频每一帧图像上，获取与前方车辆相关的特征，依据景深映 射表或者三维测量技术，获取与前车的车距。这种方法的优势是成本低、主动测量、适应性 广，其缺点是算法较复杂，定位前方车辆不精确，车距计算结果误差较大。
【发明内容】
[0006] 本发明的目的在于提供一种算法速度更快、车距计算更精确的基于车牌位置的车 距检测方法。
[0007] 本发明的技术方案为：
[0008] -种基于车牌位置的车距检测方法，包括以下步骤：
[0009] (1)获取车牌检测分类器和目标位置深度表，所述目标位置深度表用于记录目标 距车载摄像机的实际距离与车载摄像机采集的图像中目标位置距图像下边界的距离之间 的对应关系；
[0010] (2)判断是否需要重新检测定位前方目标车辆，若是，则执行步骤（3)，若否，则执 行步骤（4);
[0011] (3)基于获取的车牌检测分类器以及图像中车牌位置距图像下边界的距离，定位 前方目标车辆；
[0012] (4)跟踪前方目标车辆的车牌，即根据上一帧图像中目标车辆的车牌位置，预测当 前帧图像中目标车辆的车牌位置；
[0013] (5)获得当前帧图像中目标车辆的车牌位置距图像下边界的距离，基于获取的目 标位置深度表，查表获得目标车辆距车载摄像机的实际距离；
[0014] (6)将所述目标车辆距车载摄像机的实际距离减去车载摄像机距本车车头的距 离，即得到目标车辆距本车车头的距离。
[0015] 所述的基于车牌位置的车距检测方法，步骤（1)中，所述获取车牌检测分类器，包 括：
[0016] a、收集前方正负30度内不同距离的车牌图像作为训练正样本；
[0017] b、基于hog特征和adaboost学习算法训练车牌检测分类器文件。
[0018] 所述的基于车牌位置的车距检测方法，步骤（1)中，所述获取目标位置深度表，包 括：
[0019] a、在车辆正前方，每隔一段距离分别放置一个白色的长方形纸板，使用车载摄像 机采集所有长方形纸板的图像；
[0020] b、计算图像中每个长方形纸板位置距图像下边界的距离；
[0021] c、将每一个长方形纸板距车载摄像机的实际距离和图像中每一个长方形纸板位 置距图像下边界的距离代入以下公式，得到对应的比例关系系数：
[0023] 其中，AZ1表示第i个长方形纸板距车载摄像机的实际距离，AD1表示图像中第i 个长方形纸板位置距图像下边界的距离，W1表示对应的比例关系系数；
[0024] d、采用以下线性插值公式，获取图像中每一个目标位置距图像下边界的距离对应 的比例关系系数：
[0026] 其中，W,表示图像中第j个目标位置距图像下边界的距离D,对应的比例关系系 数，W1。表示图像中距离第j个目标位置最近的上面那个长方形纸板位置距图像下边界的距 离D1。对应的比例关系系数，Wu表示图像中距离第j个目标位置最近的下面那个长方形纸 板位置距图像下边界的距离D11对应的比例关系系数；
[0027] e、根据Z,=W产D,，计算出图像中每一个目标位置距图像下边界的距离D,对应的 目标距车载摄像机的实际距离Z,，将对应关系保存在目标位置深度表中。
[0028] 所述的基于车牌位置的车距检测方法，步骤（3)，包括：
[0029] a、基于获取的车牌检测分类器，检测前方车道是否存在车牌，即车辆；
[0030] b、判断获得的车辆是否位于当前车道，若是，视为有效车辆，若否，视为无效车 辆；
[0031] c、如果仅存在一个有效车辆，则将其作为目标车辆；如果存在多个有效车辆，则选 择图像中车牌位置距图像下边界距离最小的有效车辆作为最终的目标车辆。
[0032] 所述的基于车牌位置的车距检测方法，步骤（4)中，所述根据上一帧图像中目标 车辆的车牌位置，预测当前帧图像中目标车辆的车牌位置，包括：
[0033] a、在上一帧图像中，将目标车辆的车牌中心点保存为目标点，并将目标车辆的车 牌位置区域向四周扩展后保存为当前帧图像中目标车辆的车牌模板；
[0034] b、对目标点进行跟踪，基于kalman滤波器原理，预测目标车辆的车牌中心点在当 前帧图像中的位置；
[0035] c、基于预测的目标车辆的车牌中心点在当前帧图像中的位置和上一帧图像中目 标车辆的车牌尺寸，按照以下公式，获得当前帧图像中目标车辆的车牌搜索矩形区域：
[0037] 其中，rect. x、rect. y分别表示当前帧图像中目标车辆的车牌搜索矩形区域rect 的左上角横坐标和纵坐标，center, x、center, y分别表示预测的目标车辆的车牌中心点在 当前帧图像中的位置横坐标和纵坐标，rect. width、rect. height分别表示当前帧图像中目 标车辆的车牌搜索矩形区域rect的宽度和高度，car_wieth、car_height分别表示上一帧 图像中目标车辆的车牌宽度和高度；
[0038] d、在当前帧图像中目标车辆的车牌搜索矩形区域内，使用车牌模板进行搜索遍 历，对每一个遍历位置，按照以下公式，计算该遍历位置属于目标车辆车牌位置的置信度， 选择最大置信度对应的遍历位置作为当前帧图像中目标车辆的车牌位置：
[0040] 其中，Confu表示当前遍历位置属于目标车辆车牌位置的置信度，N表示当前帧图 像中目标车辆的车牌模板的像素数量，M(x，y)表示当前帧图像中目标车辆的车牌模板在 (x，y)处的像素灰度值，f(i+x，j+y)表示在当前帧图像中目标车辆的车牌搜索矩形区域 内，以当前遍历位置左上角坐标（i，j)处为基准，偏移（x，y)处的像素灰度值。
[0041] 所述的基于车牌位置的车距检测方法，步骤（5)中，所述获得当前帧图像中目标 车辆的车牌位置距图像下边界的距离，包括：
[0042] a、按照以下公式，获得当前帧图像中目标车辆的车牌位置区域的二值化图像 bin(x, y)：
[0044] 其中，f(x，y)表示当前帧图像中目标车辆的车牌位置区域（x，y)处的像素灰度 值，f(Xpyi)表示以（x，y)为中心的N邻域内的像素灰度值，n表示以（x，y)为中心的N邻 域内的像素个数，T表示二值化阈值；
[0045] b、对获得的二值化图像进行形态学运算，去除干扰；
[0046] c、按照以下公式获得当前帧图像中目标车辆的车牌中心点位置：
[0048] 其中，center,x、center,y分别表示当前帧图像中目标车辆的车牌中心点位置的 横坐标和纵坐标，bin(xi，yi)表示二