一种基于单目视觉的车辆检测与跟踪方法
【技术领域】
[0001] 本发明设及一种在辅助驾驶系统中进行实时车辆检测与跟踪的方法，属机器视觉 领域，特别设及一种基于单目视觉的车辆检测与跟踪方法。
【背景技术】
[0002] 车辆在道路行驶的过程中，与前方车辆追尾或避让不当所造成的损失都是巨大 的，采用安全辅助驾驶系统，不仅能够减轻驾驶员的压力，而且可W在事故发生前给出预警 与相应措施，从而有效地减少交通事故的发生。安全辅助驾驶系统中的车辆防碰撞预警系 统就是该系统最重要的一部分，车辆防碰撞预警系统通过对道路前方区域捜索来判断前方 是否有车辆，有车辆存在的情况下进行前方车辆定位，并将车辆的速度、距离等信息反馈给 驾驶员，从而使驾驶员做出正确的决策。在车辆防碰撞预警系统中，准确实时的前方车辆检 测与跟踪是实现预警的关键，前方车辆检测与跟踪不仅是安全辅助驾驶系统的重要环节， 也是智能车辆的关键技术。目前研究安全辅助驾驶系统的主要设备有摄像机、激光雷达、毫 米波雷达等，其中摄像机具有信息量大、成本低、无污染等特点，因此，与安全辅助驾驶系统 相关的大量研究都是基于车载摄像机所获取的图像或者视频序列。
[0003] 然而，基于单目视觉的车辆检测与跟踪方法在技术方面急需解决W下的六个问 题：当采集视频图像的车辆在道路行驶过程中，背景是动态的，而该些动态背景往往是十 分复杂的，例如雾天的雾、雨天的路面、道路旁随风摇摆的树枝、道路旁车水马龙的道路灯 等，该些不确定因素都会对车辆目标的检测和跟踪带来严重干扰，导致系统的不稳定；效果 满足要求的方法计算量都较大，检测与跟踪的实时性较差；在大部分情况下，视频中的目标 都存在阴影，当目标运动时，阴影也随之进行移动，在对目标进行检测时阴影区域的灰度值 会发生较大的变化，导致把阴影区域误认为是目标，同时也影响后续跟踪的效果；在车辆目 标检测与跟踪的过程中经常会出现不同车辆目标之间相互遮挡或车辆目标被场景中的物 体遮挡的情况，当车辆目标遮挡比较严重或完全被遮挡时，算法就很难检测与跟踪到原有 的车辆目标，最终导致跟踪失败；当车辆目标受到高架桥、小隧道与大树地面阴影等严重颜 色干扰时，车辆特征会因为颜色干扰而影响实验效果；绝大部分实时性较好的方法只能满 足单目标跟踪，而道路绝大多数情况存在的都是多目标。
[0004] 中国专利申请：一种基于单目视觉的前方车辆检测方法（【申请号】 201210143389.6)根据车底阴影定位出车辆目标作为当前帖的目标结果，并与上一帖检 测与跟踪结果的信息进行匹配，根据匹配结果对当前帖的结果进行分类判决，该方法只采 用车底阴影特征，使检测范围扩大到整个图像，误检率非常高，降低了检测效果，且实时 性要求难W达到。一种基于高速公路场景的检测方法及车辆检测跟踪的优化（【申请号】 201410436667. 6)首先利用限制角度的化U曲变换检测视频中的车道线，然后根据边缘 与车牌定位车辆，在车辆目标附近进行跟踪，该方法在检测车道线时没有加入位置限制 条件，影响检测效果，且边缘特性容易受到光线与车姿态变换影响，车牌检测对图像清晰 度与目标距离的要求非常高。一种结合目标信息和运动估计的车辆跟踪方法（【申请号】 201410177249. )〇利用Meanshift与Kalman滤波相结合进行跟踪，Meanshift跟踪不能满 足目标形变的跟踪要求，对目标尺度的变化判断计算量较大，且目标尺度的变化检测效果 较差。一种基于CAMSHIFT和卡尔曼滤波的视频目标跟踪方法（申请号；201210123039. 3) 该方法给定目标模型，所WCamshift与Kalman滤波相结合的方法，根据目标模型来判断 Camshift跟踪结果，如果捜索失败采用Kalman预测结果，问题在于车辆一直在运动，背 景、车姿态都在变动，而该方法没有更新目标模型，如果出现严重遮挡或其他严重干扰时没 有做出判断，如果目标已经出了检测范围，会导致后续跟踪出错，并且该方法只能对单目标 进行跟踪。
【发明内容】
[0005] 针对现有技术中的车辆检测过程中较差的实时性、抗干扰性及较高的误检率问 题，本发明提供了一种提高车辆检测的实时性、抗干扰性与降低误检率的车辆检测与跟踪 方法，本发明的技术方案如下；一种基于单目视觉的车辆检测与跟踪方法，其包括W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A1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 Hou曲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阔值，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；
[0006] 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;
[0007] 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捜索窗口，根据车辆目标的颜色概率分布信息实现运动目标跟踪， 当采用捜索判断标准判断出Camshift算法捜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