一种高速公路前方车辆的检测方法
【技术领域】：
[0001] 本发明涉及一种道路车辆检测方法，具体涉及一种高速公路前方车辆的检测方 法。
【背景技术】：
[0002] 截止到2013年底，全国高速公路里程达10. 44万公里，居世界第一位。中国的高 速公路建设现在正处于快速发展时期，然而无论与其他等级道路相比，还是与其他国家高 速公路相比，我国高速公路的安全形势都不乐观，事故发生率与事故严重程度都较高。可以 预见的是高速公路的安全形势将随着经济和社会的发展，以及汽车保有量和高速公路通车 里程的增加，变得越来越严峻。
[0003] 因此，设计出用于高速公路的车辆预警系统具有重要的意义。目前，包括美国、以 色列以及韩国等国家都在研发适用于高速公路的车辆预警系统。通过此系统可以辅助驾驶 者，对可能发生的危险及时的向驾驶者提供预警，继而避免车祸的发生，提高高速公路驾驶 的安全性。
[0004] 在车辆预警系统中关于前方车辆的检测是一个很重要的步骤，检测出前方车辆的 是对后续预警系统的基础。目前，关于车辆图像检测的方法有很多，包括常见图像边缘检测 算法。但是这些算法检测出车辆的轮廓的信息太过丰富，包含许多不重要的轮廓信息，例 如窗户轮廓，车牌轮廓，后视灯轮廓等等，无法有效的提取车辆最为重要的车辆的主轮廓信 息。
[0005] 此外，L R. Ferret首创了简单FERRET算法，该算法根据测量与目标物体相切的两 条平行线之间的距离，来确定不规则目标物体的长、宽等几何特征。但该方法因为缺少对测 量方向的确定，使得测量的长度和宽度随该矩形的方向不同而不同，测量值不稳定。
【发明内容】
：
[0006] 本发明的目的在于针对目前检测方法存在的不足，提供了一种高速公路前方车辆 的检测方法。
[0007] 为达到上述目的，本发明采用如下的技术方案予以实现：
[0008] -种高速公路前方车辆的检测方法，包括以下步骤：
[0009] 步骤一，对采集的高速公路前方车辆的原始图像进行多尺度变换，得到缩小的图 像；
[0010] 步骤二，对缩小的图像进行边缘检测，得到车辆轮廓的检测结果图像；
[0011] 步骤三，对车辆轮廓的检测结果图像进行标号，得到标号车辆；
[0012] 步骤四，分别对标号车辆进行检测，采取直线逼近的方法从四个方向分别对车辆 轮廓进行逼近，进而得到每一个标号车辆的外界矩形；
[0013] 步骤五，根据得到外界矩形，计算每一个标号车辆的外界矩形参数。
[0014] 本发明进一步的改进在于，步骤一中，对原始图像采用的基于局部最大值的缩小 算法后得到缩小的图像。
[0015] 本发明进一步的改进在于，步骤一中，利用车载相机采集高速公路前方车辆的原 始图像。
[0016] 本发明进一步的改进在于，步骤二中，首先采用大津法对步骤一中缩小的图像进 行二值化，然后采用中值滤波对图像进行滤波去噪，最后采用Canny算法对图像进行边缘 检测，得到车辆轮廓的检测结果图像。
[0017] 本发明进一步的改进在于，步骤三中，采用4邻域方法对车辆轮廓的检测结果图 像进行标号，得到标号车辆。
[0018] 本发明进一步的改进在于，步骤四的具体方法如下：
[0019] 1)沿图像水平方向用一条垂直的直线以人左向右对目标车辆轮廓逼近，直到与目 标车辆轮廓相交时，停止平移，此时，计算在直线I1右侧图像中的车辆轮廓像素点数量n i占 整个目标车辆轮廓像素点数量N的比例T1，如果满足90% < T1S 95%，即停止平移，如果 不满足条件，继续平移，直到满足条件为止，其中：
[0020] 2)沿图像水平方向用一条垂直的直线12从右向左对目标车辆轮廓逼近，直到与目 标车辆轮廓相交时，停止平移，此时，计算在直线I2左侧图像中的轮廓像素点数量112占整个 目标车辆轮廓像素点数量N的比例T2，如果满足T2S 95%即停止平移，如果不满足 条件，继续平移，直到满足条件为止，其中
[0021] 3)沿图像垂直方向用一条水平的直线13从上向下对目标车辆轮廓逼近，直到与目 标车辆轮廓相交时，停止平移，此时，计算在直线I3下方图像中的车辆轮廓像素点数量η3占 整个目标车辆轮廓像素点数量N的比例T3，如果满足90 %彡T3S 95 %即停止平移，如果不 满足条件，继续平移，直到满足条件为止，其中
[0022] 4)沿图像垂直方向用一条水平的直线14从下向上对目标车辆轮廓逼近，直到与目 标车辆轮廓相交时，停止平移，此时，计算在直线I4上方图像中的车辆轮廓像素点数量114占 整个目标车辆轮廓像素点数量N的比例T4，如果满足90 %彡T4S 95 %即停止平移，如果不 满足条件，继续平移，直到满足条件为止，其中
[0023] 5)计算上述两条垂直直线Ip 12和两条水平直线1 3、I4所构成的矩形区域R中， 包含的车辆轮廓像素点数量占整个目标车辆轮廓像素点数量N的比例?\，如果满足80% < 85%，该矩形即为目标车辆的外界矩形。
[0024] 本发明进一步的改进在于，步骤五中，根据外界矩形的长L1和宽L2，分别作为标号 车辆的长和宽，并计算长宽比
，将P1作为标号物体的第一形状参数；将外界矩形面 积作为标号车辆的面积匕=L1XL2，将标号车辆的面积P2作为第二形状参数；计算外界矩 形主轴P3，将其作为第三形状参数。
[0025] 相对于现有技术，本发明首先对原始图像多尺度变换，得到缩小的图像；然后对缩 小的图像进行预处理得到车辆边缘检测的结果；然后对图像中所有的车辆物体进行标号， 得到标号图像；扫描标号图像，计算每个标号车辆的外界矩形；根据车辆轮廓采取直线逼 近的方法从四个方向分别对车辆轮廓进行逼近，并且车辆轮廓像素点数量的信息作为判断 直线逼近的最终位置，进而得到车辆外界矩形。根据外界矩形区域内车辆边缘轮廓像素点 的信息计算得到最终车辆外界矩形；最后，将外界矩形的长和宽分别作为标号车辆的长和 宽，将长宽比作为标号车辆的第一形状参数，将外界矩形面积作为标号车辆的第二形状参 数，将外界矩形的主轴作为标号车辆的第三形状参数。因此，本发明不仅计算结果稳定，而 且方法简洁有效，可以通过外界矩形的参数有效的反应前方车辆的行驶状况。
【附图说明】：
[0026] 图1为本发明的方法流程图；
[0027] 图2为车辆图像边缘检测示例图；
[0028] 图3为直线逼近车辆轮廓示意图；
[0029] 图4为车辆外界矩形示意图；
[0030] 图5为车辆图像处理过程示例图；
[0031] 图6为目标车辆轮廓外界矩形计算示例图；
[0032] 图7为目标车辆形状参数计算示例图。
【具体实施方式】：
[0033] 以下结合附图与【具体实施方式】对本发明的技术方案作进一步解释说明。
[0034] 首先对本发明的原理做如下说明：
[0035]目前，关于车辆图像检测的方法有很多，如常见的图像边缘检测算法。但是这些算 法检测出车辆的轮廓的信息太过丰富，包含许多不重要的轮廓信息，例如窗户轮廓，车牌轮 廓，后视灯轮廓等等，无法有效的提取车辆最为重要的车辆的主轮廓信息，如图2(a)和（b) 所示。
[0036] 从图2(b)中可以看出，高速公路前方车辆的主轮廓整体上是接近于一个矩形，因 此，可以用车辆主轮廓的外界矩形近似的代替车辆。对于计算物体外界矩形，L. R. Ferret首 创了简单Ferret算法。该算法根据测量与目标物体相切的两条平行线之间的距离，来确定 不规则目标物体的长、宽等几何特征。但该方法因为缺少对测量方向的确定，使得测量的长 度和宽度随该矩形的方向不同而不同，测量值不稳定。而且，Ferret算法适用于只有一个 轮廓信息的图形，对于主轮廓中还包含其他轮廓信息的图形无法计算其外界矩形。所以，这 种方法也不适合车辆轮廓的外界矩形计算。
[0037] 针对这些情况，本发明采用直线逼近的方法分别确定车辆外界矩形的四条边，并 且根据车辆轮廓像素点数量的信息作为判断直线逼近的最终位置。最后根据外界矩形内边 缘轮廓像素点的信息判断外界矩形是否为最终的外界矩形的评判标准。相比较Ferret外 界矩形是切线确定初始位置，以及依据外界矩形与目标物体的交点个数判断外界矩形是否 为最小外界矩形。
[0038] 外界矩形的提取的步骤如下：
[0039] 1)沿图像水平方向用一条垂直的直线^从左向右对目标车辆轮廓逼近，直到与目 标车辆轮廓相交时，停止平移，如图3 (a)所示。此时，计算在直线I1S侧图像中的车辆轮廓 像素点数量P1占整个目标车辆轮廓像素点数量P的比例T1，如果满足90% < T1S 95%，即 停止平移。如果不满足条件，继续平移，直到满足条件为止，如图3(b)所示。其中
[0040] 选取!\作为判断直线逼近的最终位置，主要是为了避免噪音的干扰。如果没有选 取!\作为判断直线逼近的最终位置，则会出现图3(c)的情况，无法有效的逼近车辆的轮 廓。根据！\作为判断直线逼近的最终位置，结果如图3(d)所示。可以看出，噪音对直线逼 近的基本没有影响。
[0041] 2)沿图像水平方向用一条垂直的直线12从右向左对目标车辆轮廓逼近，直到与目 标车辆轮廓相交时，停止平移。此时，计算在直线I2左侧图像中的轮廓像素点数量112占整 个目标车辆轮廓像素点数量N的比例T2，如果满足90 % < T2S 95 %即停止平移。如果不 满足条件，继续平移，直到满足条件为止。其中：
[0042] 3)沿图像垂直