查表获得相应的深度，即是前方目标车辆距车载摄像机的距离。
[0101] S72、校正目标车辆距离，因为车载摄像机一般都是放在车辆内部，步骤S71获得 的目标车辆距离包含了本车车头距车载摄像机的距离，因此，按照以下公式，获得最终的本 车车头距前车车尾的距离Z:
[0102] Z=Zall-Zcar
[0103] 其中，Zall是车载摄像机距前车的距离，Z_是车载摄像机距本车车头的距离。
[0104] S8、语音报警，根据事先设置的安全距离，如果实际的车距小于安全距离，语音报 警，提醒驾驶员及时调整车距，安全驾驶。
[0105] 以上所述实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范 围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方 案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。
【主权项】
1. 一种基于车牌位置的车距检测方法，其特征在于，包括以下步骤： (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； (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⑷； (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； (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； (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； (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。2. 根据权利要求1所述的基于车牌位置的车距检测方法，其特征在于，步骤（1)中，所 述获取车牌检测分类器，包括： 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； b、 基于hog特征和adaboost学习算法训练车牌检测分类器文件。3. 根据权利要求1所述的基于车牌位置的车距检测方法，其特征在于，步骤（1)中，所 述获取目标位置深度表，包括： 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； b、 计算图像中每个长方形纸板位置距图像下边界的距离； 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：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； 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：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，W lQ 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D10 对应的比例关系系数，W11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D 11对应的比例关系系数； e、根据Z,= W fD,，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。4. 根据权利要求1所述的基于车牌位置的车距检测方法，其特征在于，步骤（3)，包 括： 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； 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； 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。5. 根据权利要求1所述的基于车牌位置的车距检测方法，其特征在于，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： 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； 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； 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：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_width、car_height分别表示上一帧图像 中目标车辆的车牌宽度和高度； 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：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)万处为基准，偏移（X，y)处的像素灰度值。6. 根据权利要求1所述的基于车牌位置的车距检测方法，其特征在于，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： 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)：其中，f(x，y)表示当前帧图像中目标车辆的车牌位置区域（χ，y)处的像素灰度值， f(Xi，yi)表示以（X，y)为中心的N邻域内的像素灰度值，η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； b、 对获得的二值化图像进行形态学运算，去除干扰； 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：其中，cemter. 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 (Xl，yi)表示二值化图像中（Xl，yi)处的像素灰度值； d、 计算当前帧图像中目标车辆的车牌中心点位置距图像下边界的距离。7.根据权利要求1所述的基于车牌位置的车距检测方法，其特征在于，还包括：当所述 目标车辆距本车车头的距离小于预设的安全距离时，进行语音报警。
【专利摘要】本发明提供一种基于车牌位置的车距检测方法，包括获取车牌检测分类器和目标位置深度表；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；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；获得当前帧图像中目标车辆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；将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，得到目标车辆距本车车头的距离。本发明采用机器视觉学习算法，精确定位前车车牌位置，基于目标跟踪技术进行车牌的重复定位，基于线性插值算法进行目标位置深度表的标定；算法速度更快，车距计算更精确。
【IPC分类】G08G1/16, G08G1/017, G06K9/00
【公开号】CN105070098
【申请号】CN201510419509
【发明人】张卡, 何佳, 尼秀明, 赵文
【申请人】安徽清新互联信息科技有限公司
【公开日】2015年11月18日
【申请日】2015年7月14日