一种车辆压线检测方法、装置以及存储介质与流程

1.本技术涉及车辆控制技术领域，具体涉及一种车辆压线检测方法、装置以及存储介质。


背景技术：

2.智慧交通逐渐成为未来交通系统发展的方向，随着车辆保有量的增加，城市交通拥堵状况日益加剧，减少各类交通违法行为，能够有效缓解交通拥堵情况，车辆压线作为典型违反交通规则的一种，也受到广泛重视。
3.在现有技术中，判断车辆是否压线，一般是根据车牌离车道线的距离进行判断。因为车牌是车辆尾部最明显的特征，最容易被检测，其位置也可以精确地判断。其他如车辆轮廓，由于三维空间经过摄像头的二维转换，视角上很难有效地判断车辆是否压线。另外，由于很多大车的车尾形态各异，再加上相邻车道车辆的干扰、图像分割的粘连、光线阴影等影响，也会导致无法计算车辆轮廓，无法有效地判罚压线。而现有技术中的根据车牌和车道线之间的距离进行判断的方式在应用于车牌侧挂的车辆时，由于该类车辆其车牌本身就位于车道线附近，因而导致误判率较高。
4.因此，如何提高对车辆压线检测的准确率，是目前亟需解决的技术问题。


技术实现要素：

5.本技术提供一种车辆压线检测方法及装置，以提高对车辆压线检测的准确率。
6.为实现上述目的，本技术提供以下方案。
7.第一方面，本技术提供了一种车辆压线检测方法，所述方法包括以下步骤：
8.获取目标车辆的行驶图像；
9.基于车道线检测算法，获取所述目标车辆的行驶图像中的车道线区域；
10.若所述车道线区域中的存在任一区域的像素色值在预设的车道线区域像素色值范围值之外，则判定所述目标车辆的行驶图像中存在压线行为。
11.进一步的，所述基于车道线检测算法，获取所述目标车辆的行驶图像中的车道线区域，包括以下步骤：
12.利用hought变换算法从所述目标车辆的行驶图像提取车道线边缘；
13.基于所述车道线边缘，确定所述车道线区域。
14.进一步的，所述若所述车道线区域中的存在任一区域的像素色值在预设的车道线区域像素色值范围值之外，则判定所述目标车辆的行驶图像中存在压线行为，之前包括以下步骤：
15.获取所述车道线区域的宽度和长度；
16.基于所述车道线区域的宽度和长度，将所述车道线区域划分为m
×
n个网格；
17.分别获取所述网格内各个像素点三原色值的均值。
18.进一步的，所述若所述车道线区域中的存在任一区域的像素色值在预设的车道线
区域像素色值范围值之外，则判定所述目标车辆的行驶图像中存在压线行为，包括以下步骤：
19.若目标网格中的各个像素的三原色r值的均值小于第一阈值、三原色g值的均值小于第二阈值且三原色b值的均值小于第三阈值，则判定所述目标车辆的行驶图像中存在压线行为。
20.进一步的，所述若所述车道线区域中的存在任一区域的像素色值在预设的车道线区域像素色值范围值之外，则判定所述目标车辆的行驶图像中存在压线行为，之前还包括以下步骤：
21.获取所述车道线边缘上各像素点的三原色值；
22.基于所述三原色值，获取所述第一阈值、所述第二阈值以及所述第三阈值；
23.基于所述第一阈值、所述第二阈值以及所述第三阈值，确定所述车道线区域像素色值范围值。
24.进一步的，所述基于所述三原色值，获取所述第一阈值、所述第二阈值以及所述第三阈值，包括以下步骤：
25.基于所述车道线边缘上各像素点的三原色r值，确定出所述第一阈值；
26.基于所述车道线边缘上各像素点的三原色g值，确定出所述第二阈值；
27.基于所述车道线边缘上各像素点的三原色b值，确定出所述第三阈值。
28.进一步的，所述若所述车道线区域中的存在任一区域的像素色值在预设的车道线区域像素色值范围值之外，则判定所述目标车辆的行驶图像中存在压线行为，包括以下步骤：
29.对所述目标车辆行驶图像中的目标网格进行标注，以显示所述目标车辆行驶图像中目标车辆压线位置。
30.进一步的，所述方法还包括：
31.获取所述目标车辆的行使视频；所述目标车辆的行使视频中包含连续帧目标车辆行驶图像；
32.若所述连续帧目标车辆行驶图像中的第k帧至第k+t帧目标车辆行驶图像均满足预设条件，则判定第k帧至第k+t帧目标车辆行驶图像为车辆压线行使片段。
33.第二方面，本技术提供了一种车辆压线检测装置，所述装置包括：
34.图像获取模块，其用于获取目标车辆的行驶图像；
35.区域获取模块，其用于基于车道线检测算法，获取所述目标车辆的行驶图像中的车道线区域；
36.判断模块，其用于若所述车道线区域中的存在任一区域的像素色值在预设的车道线区域像素色值范围值之外，则判定所述目标车辆的行驶图像中存在压线行为。
37.进一步的，所述区域获取模块包括：
38.车道线提取子模块，其用于利用hought变换算法从所述目标车辆的行驶图像提取车道线边缘；
39.区域确定子模块，其用于基于所述车道线边缘，确定所述车道线区域。
40.进一步的，所述判断模块还包括：
41.信息获取子模块，其用于获取所述车道线区域的宽度和长度；
42.网格划分子模块，其用于基于所述车道线区域的宽度和长度，将所述车道线区域划分为m
×
n个网格；
43.像素值获取子模块，其用于分别获取所述网格内各个像素点三原色值的均值。
44.进一步的，所述判断模块还用于：
45.若目标网格中的各个像素的三原色r值的均值小于第一阈值、三原色g值的均值小于第二阈值且三原色b值的均值小于第三阈值，则判定所述目标车辆的行驶图像中存在压线行为。
46.进一步的，所述判断模块还包括：
47.三原色值子模块，其用于获取所述车道线边缘上各像素点的三原色值；
48.阈值获取子模块，其用于基于所述三原色值，获取所述第一阈值、所述第二阈值以及所述第三阈值；
49.范围值确定子模块，其用于基于所述第一阈值、所述第二阈值以及所述第三阈值，确定所述车道线区域像素色值范围值。
50.进一步的，所述阈值获取子模块包括：
51.第一阈值获取单元，其用于基于所述车道线边缘上各像素点的三原色r值，确定出所述第一阈值；
52.第二阈值获取单元，其用于基于所述车道线边缘上各像素点的三原色g值，确定出所述第二阈值；
53.第三阈值获取单元，其用于基于所述车道线边缘上各像素点的三原色b值，确定出所述第三阈值。
54.进一步的，所述装置还用于：
55.对所述目标车辆行驶图像中的目标网格进行标注，以显示所述目标车辆行驶图像中目标车辆压线位置
56.进一步的，所述装置还包括：
57.行使视频获取模块，其用于获取所述目标车辆的行使视频；所述目标车辆的行使视频中包含连续帧目标车辆行驶图像；
58.压线片段获取模块，其用于若所述连续帧目标车辆行驶图像中的第k帧至第k+t帧目标车辆行驶图像均满足预设条件，则判定第k帧至第k+t帧目标车辆行驶图像为车辆压线行使片段。
59.本技术提供的技术方案带来的有益效果包括：
60.本技术获取目标车辆的行驶图像；基于车道线检测算法，获取目标车辆的行驶图像中的车道线区域；若车道线区域中的存在任一区域的像素色值在预设的车道线区域像素色值范围值之外，则判定目标车辆的行驶图像中存在压线行为。
61.本技术中直接获取目标车辆的行使图像，再从行使图像中提取出车道线区域，若该车道线区域中任一区域的像素值在预设车道线像素色值范围之外，则判定在该帧行驶图像中的目标车辆压线，由于摄像头获取的行使图像清晰以及且车道线区域提取算法高效成熟，因此可以提高对车辆压线检测的准确率。
附图说明
62.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
63.图1为本技术实施例中提供的车辆压线检测方法的步骤流程图；
64.图2为本技术另一实施例中提供的车辆压线检测装置的结构框图。
65.图3为本技术实施例中rgb白色相关颜色色值取值图。
具体实施方式
66.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
67.以下结合附图对本技术的实施例作进一步详细说明。
68.本技术实施例提供一种车辆压线检测方法及装置，在减少车内驾乘人员身体危害的前提下，实现有效地车内驱蚊。
69.为达到上述技术效果，本技术的总体思路如下：
70.一种车辆压线检测方法，该方法包括以下步骤：
71.s1、获取目标车辆的行驶图像；
72.s2、基于车道线检测算法，获取所述目标车辆的行驶图像中的车道线区域；
73.s3、若所述车道线区域中的存在任一区域的像素色值在预设的车道线区域像素色值范围值之外，则判定所述目标车辆的行驶图像中存在压线行为。
74.以下结合附图对本技术的实施例作进一步详细说明。
75.参见图1所示，本技术实施例提供一种车辆压线检测方法，该方法包括以下步骤：
76.s1、获取目标车辆的行驶图像。
77.具体的，通过路端摄像头获取目标车辆在存在有车道线的道路上的行使视频，该行使视频中包含多帧行使图像。
78.s2、基于车道线检测算法，获取目标车辆的行驶图像中的车道线区域。
79.具体地，首先采集可量测的实景道路图像：该可量测实景道路图像可以为地面近景可测量道路图像。采集可量测道路图像的方式可以是安置在机动车上移动道路测量系统，例如集成球定位系统、影像或视频相阵系统、惯性导航系统或航位推算系统，如电子罗盘/里程计等先进的传感器和设备。
80.移动道路测量系统可以在车辆高速进行中，快速采集道路及道路两旁地物的空间位置数据和属性数据，如：道路中心线或边线位置坐标、目标地物的位置坐标、路或者车道的宽度、桥或者隧道的高度、交通标志、道路设施等，采集得到的数据可以同步存储在车载计算机系统中，经事后编辑处理，生成各种有用的专题数据库或道路电子地图等成果。
81.通过对可量测实景道路图像进行分析，构建基于网格动态窗口的车道识别感兴趣区，并对车道识别感兴趣区进行车道线边缘检测。其中，所述网格动态窗口可以包括车道特
征，且可以为正方形，其大小可以为2、2、3、5、10个像素，所述网格动态窗口具体可以由所述道路图像的分辨率大小设定。车道识别感兴趣区可以为包括车道线但不包括城市环境等因素的区域、如建筑物、道路车辆等。
82.当构建得到所述车道识别感兴趣区为彩色图像时，可以根据道路颜色的显著区域进行彩色边缘检测，道路中的车道线可以为白色或者黄色，也可以先对彩色图像进行灰度化处理，然后利用卷积边缘检测算法对灰度化的图像进行灰度边缘检测，所述卷积边缘检测算法可以为hought变换算法等。
83.根据检测得到的车道线信息和预设车道中线拟合修正的车道线提取模型提取车道线。其中检测得到的车道线信息可以为车道线边缘点信息，根据检测得到的车道线信息和预设车道中线拟合修正的车道线提取模型提取车道线的过程可以为：根据检测得到的车道线边缘点信息拟合生成车道中线，然后通过多相关的反馈方式对拟合生成的车道中线进行修正，最后根据修正后的车道中线反推提取车道线。
84.s3、若车道线区域中的存在任一区域的像素色值在预设的车道线区域像素色值范围值之外，则判定目标车辆的行驶图像中存在压线行为。
85.其中，预设的车道线区域像素色值范围可以是人为根据车道线的颜色或者与该车道线颜色相近的颜色进行归纳总结得出的像素色值范围，也可以是从大量行使车辆样本图像中获取的车道线区域的像素色值中提取的像素色值范围。其中，不同类型的车道线对应着不同的像素色值范围，例如，车道线分为黄色类型车道线和白色类型车道线，而与白色类型车道线相近的车道线有灰白色车道线、雪白色车道线、象牙白车道线、珍珠白车道线等。
86.若是根据车道线的颜色或者与该车道线颜色相近的颜色进行归纳总结得出的像素色值范围，以白色车道线为例，可以分别获取与白色相近颜色，如灰白色、雪白色、象牙白、珍珠白的颜色信息，从而确定出与与白色车道线相对应的像素色值范围。
87.具体的，将该车道线区域划分为若干个网格，分别获取各个网格的像素信息，若任一网格内的像素色值信息不在该车道线颜色对应的像素色值范围之内，则判定目标车辆在该帧行使图像中压线。
88.本技术中直接获取目标车辆的行使图像，再从行使图像中提取出车道线区域，若该车道线区域中任一区域的像素值在预设车道线像素色值范围之外，则判定在该帧行驶图像中的目标车辆压线，由于摄像头获取的行使图像清晰以及且车道线区域提取算法高效成熟，因此可以提高对车辆压线检测的准确率。
89.在一实施例中，步骤s3之前包括：
90.s301、获取车道线区域的宽度和长度；
91.具体地，在利用hought变换算法从目标车辆的行驶图像提取车道线边缘；基于车道线边缘，确定车道线区域，在目标车辆的行使图像中确定出车道线区域的长度和宽度。
92.s302、基于车道线区域的宽度和长度，将车道线区域划分为m
×
n个网格；
93.具体地，根据车道线区域的宽度和长度确定出每一网格的长度和宽度，再确定出横向网格的个数m和竖向网格的个数n。
94.s303、分别获取网格内各个像素点三原色值的均值。
95.具体地，分别获取每一网格内的各个像素电的颜色信息，其中颜色信息可以是hsv(hue,saturation,value)颜色信息，也可以是三原色颜色信息。在本实施例中，可以分别获
取每一网格内各个像素点三原色颜色信息。
96.分别计算每一网格内的各个像素点的三原色值，并获取每一网格内所有像素点的三原色均值。
97.在一实施例中，步骤s3包括：
98.若目标网格中的各个像素的三原色r值的均值小于第一阈值、三原色g值的均值小于第二阈值且三原色b值的均值小于第三阈值，则判定所述目标车辆的行驶图像中存在压线行为。
99.具体地，获取车道线边缘上各像素点的三原色值；基于三原色值，获取第一阈值、第二阈值以及第三阈值；基于第一阈值、第二阈值以及第三阈值，确定车道线区域像素色值范围值。基于车道线边缘上各像素点的三原色r值，确定出第一阈值；基于车道线边缘上各像素点的三原色g值，确定出第二阈值；基于车道线边缘上各像素点的三原色b值，确定出第三阈值。
100.在本实施例中，通过将各个网格里各像素点的平均像素值与阈值进行对比，若存在某一网格或某些网格里各像素点的平均像素值超出了预设像素色值范围，提高了对车辆压线检测的准确率。
101.在一实施例中，该车辆压线检测方法还包括：
102.对目标车辆行驶图像中的目标网格进行标注，以显示目标车辆行驶图像中目标车辆压线位置。
103.具体地，若若干网格中的某一网格或某些网格里各像素点的平均像素值超出了预设像素色值范围，则对其中某一网格或者某些网格进行标注，以显示目标车辆行使图像中目标车辆的压线具体位置。
104.在一实施例中，该车辆压线检测方法还包括：
105.获取目标车辆的行使视频；
106.其中，目标车辆的行使视频中包含连续帧目标车辆行驶图像。
107.若连续帧目标车辆行驶图像中的第k帧至第k+t帧目标车辆行驶图像均满足预设条件，则判定第k帧至第k+t帧目标车辆行驶图像为车辆压线行使片段。
108.在一实施例中，如图2所示，提供了一种车辆压线检测方法：
109.a1、基于路端摄像头采集车辆的行驶视频，并存储成相应文件，将采集的行驶视频文件处理成相应视频帧(切片)并按照顺序进行保存；
110.a2、基于matlab软件进行读取相应切片并对切片进行特定区域剪裁，剪裁区域主要根据路端摄像头放置位置以及车道线位置进行确定，主要裁剪以车道线边缘为界限的车道线区域，
111.a3、rgb白色相关颜色色值取值如图3所示，其中在车道线颜色相近颜色的三原色色值的最小值均为245，剪裁后的图片划分成m*n个网格，并对车道线的颜色(白色)和图像颜色进行rbg判断，进行颜色阈值设定，主要设定代码如下：
112.for i＝1：m；for i＝1：n；红色阈值:if a(i,j,1)＜245；绿色阈值:if a(i,j,1)＜245；蓝色阈值:if a(i,j,1)＜245。
113.a4、当车道线颜色为白色时，rgb颜色信息由红、绿、蓝三种颜色进行组合，根据不同颜色比例能够得到不同颜色，其中三原色值阈值设定主要考虑rbg白色以及白色相近色
颜色进行参数选取，若车道线为黄色则需要参数重新选定。
114.a5、若第k个切片，满足上述阈值条件，则持续选取第k+1
……
k+t个切片进行阈值条件判断，若判断发现k—k+t均满足阈值条件，则此段切片检测为车辆压线。
115.本技术实施例主要利用路端摄像头采集车辆的行驶视频，将视频文件处理成相应帧并按序列保存成相应切片，对切片进行特定区域裁剪，按照车道线宽度对特定区域进行网格划分，通过使用rbg颜色阈值条件，对车辆是否压线进行检测，若不满足阈值条件，则判断为压线行驶，提取这一段时间切片并进行标记。本技术实施例提升了车辆压线行为检测的准确率，使用更为简单的车道线边缘线算法可以提高车辆压线检测的效率。
116.需要说明的是，本技术实施例中的各步骤的步骤标号，其并不限制本技术技术方案中各操作的前后顺序。
117.基于与车辆压线检测方法实施例相同的发明构思，本技术实施例提供一种车辆压线检测装置，该装置包括：
118.图像获取模块，其用于获取目标车辆的行驶图像；
119.区域获取模块，其用于基于车道线检测算法，获取所述目标车辆的行驶图像中的车道线区域；
120.判断模块，其用于若所述车道线区域中的存在任一区域的像素色值在预设的车道线区域像素色值范围值之外，则判定所述目标车辆的行驶图像中存在压线行为。
121.本技术中直接获取目标车辆的行使图像，再从行使图像中提取出车道线区域，若该车道线区域中任一区域的像素值在预设车道线像素色值范围之外，则判定在该帧行驶图像中的目标车辆压线，由于摄像头获取的行使图像清晰以及且车道线区域提取算法高效成熟，因此可以提高对车辆压线检测的准确率。
122.图像获取模块，其用于获取目标车辆的行驶图像；
123.区域获取模块，其用于基于车道线检测算法，获取所述目标车辆的行驶图像中的车道线区域；
124.判断模块，其用于若所述车道线区域中的存在任一区域的像素色值在预设的车道线区域像素色值范围值之外，则判定所述目标车辆的行驶图像中存在压线行为。
125.进一步的，所述区域获取模块包括：
126.车道线提取子模块，其用于利用hought变换算法从所述目标车辆的行驶图像提取车道线边缘；
127.区域确定子模块，其用于基于所述车道线边缘，确定所述车道线区域。
128.进一步的，所述判断模块还包括：
129.信息获取子模块，其用于获取所述车道线区域的宽度和长度；
130.网格划分子模块，其用于基于所述车道线区域的宽度和长度，将所述车道线区域划分为m
×
n个网格；
131.像素值获取子模块，其用于分别获取所述网格内各个像素点三原色值的均值。
132.进一步的，所述判断模块还包括：
133.三原色值子模块，其用于获取所述车道线边缘上各像素点的三原色值；
134.阈值获取子模块，其用于基于所述三原色值，获取所述第一阈值、所述第二阈值以及所述第三阈值；
135.范围值确定子模块，其用于基于所述第一阈值、所述第二阈值以及所述第三阈值，确定所述车道线区域像素色值范围值。
136.进一步的，所述阈值获取子模块包括：
137.第一阈值获取单元，其用于基于所述车道线边缘上各像素点的三原色r值，确定出所述第一阈值；
138.第二阈值获取单元，其用于基于所述车道线边缘上各像素点的三原色g值，确定出所述第二阈值；
139.第三阈值获取单元，其用于基于所述车道线边缘上各像素点的三原色b值，确定出所述第三阈值。
140.进一步的，所述装置还用于：
141.对所述目标车辆行驶图像中的目标网格进行标注，以显示所述目标车辆行驶图像中目标车辆压线位置
142.进一步的，所述装置还包括：
143.行使视频获取模块，其用于获取所述目标车辆的行使视频；所述目标车辆的行使视频中包含连续帧目标车辆行驶图像；
144.压线片段获取模块，其用于若所述连续帧目标车辆行驶图像中的第k帧至第k+t帧目标车辆行驶图像均满足预设条件，则判定第k帧至第k+t帧目标车辆行驶图像为车辆压线行使片段。
145.需要说明的是，本技术实施例提供的车辆压线检测装置，其对应的技术问题、技术手段以及技术效果，从原理层面与车辆压线检测方法的原理类似。
146.第三方面，本技术实施例提供一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器执行时实现第一方面提及的车辆压线检测方法。
147.需要说明的是，在本技术中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
148.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。
149.以上仅是本技术的具体实施方式，使本领域技术人员能够理解或实现本技术。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。