一種基于視頻的公交車(chē)道檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理與模式識(shí)別領(lǐng)域，更具體地，涉及一種基于視頻的公交車(chē)道檢測(cè)方法，用于智能交通系統(tǒng)中自動(dòng)檢測(cè)視頻圖像中的公交車(chē)道。
【背景技術(shù)】
[0002]隨著城市出行的機(jī)動(dòng)車(chē)數(shù)量逐漸增多，出現(xiàn)交通堵塞、交通事故的情況越來(lái)越頻繁，很多城市的發(fā)展因而受到一定的制約。為了緩解城市交通道路的日益增長(zhǎng)需求，解決頻頻出現(xiàn)的交通問(wèn)題，智能交通被認(rèn)為是有效手段之一。同時(shí)，“公交優(yōu)先”戰(zhàn)略是提高城市通行效率的有效手段，國(guó)內(nèi)外幾乎所有的城市都在推行公交優(yōu)先策略。因此，保障公交車(chē)的無(wú)阻、快速通行的智能交通系統(tǒng)是現(xiàn)在研究的熱點(diǎn)。
[0003]公交車(chē)相關(guān)智能交通系統(tǒng)的關(guān)鍵是公交車(chē)道檢測(cè)，穩(wěn)定、準(zhǔn)確檢測(cè)公交車(chē)道可以提供有效信息提升系統(tǒng)的性能。公交車(chē)道檢測(cè)主要有車(chē)道檢測(cè)和車(chē)道識(shí)別兩部分，車(chē)道檢測(cè)是其中的難點(diǎn)。
[0004]車(chē)道檢測(cè)算法主要包括以下兩種:基于特征的車(chē)道檢測(cè)算法和基于模型的車(chē)道檢測(cè)算法?；谔卣鞯能?chē)道檢測(cè)算法利用車(chē)道邊緣等特征，要求檢測(cè)的車(chē)道有明顯的邊緣，但是這種方法容易受到噪聲或遮擋的影響?；谀Ｐ偷能?chē)道檢測(cè)算法使用一些參數(shù)去擬合車(chē)道，不管車(chē)道是直的還是曲折的，車(chē)道檢測(cè)都被轉(zhuǎn)換成計(jì)算這些模型參數(shù)。因此，基于模型的方法受噪聲和遮擋的影響要小。為了顧及這些車(chē)道模型參數(shù)，似然函數(shù)、霍夫直線變換等被利用到車(chē)道檢測(cè)中。然而，因?yàn)榇蠖嗟能?chē)道模型僅僅關(guān)注某些特定形狀的車(chē)道，因此它們?nèi)狈δM任意形狀車(chē)道的靈活性。

【發(fā)明內(nèi)容】

[0005]為了克服現(xiàn)有公交車(chē)道檢測(cè)方法在實(shí)際場(chǎng)景中實(shí)時(shí)性不強(qiáng)、準(zhǔn)確率低、穩(wěn)定性差等缺陷，本發(fā)明提供新的基于視頻的公交車(chē)道檢測(cè)方法，該方法簡(jiǎn)單實(shí)用，并且可以較好地實(shí)時(shí)、準(zhǔn)確、穩(wěn)定檢測(cè)公交車(chē)道。
[0006]本發(fā)明的基于視頻的公交車(chē)道檢測(cè)方法的技術(shù)方案是:
[0007](1)圖像獲取步驟。實(shí)際情況中，成像設(shè)備的視場(chǎng)角和寬度會(huì)影響公交車(chē)道檢測(cè)性能，所以需要標(biāo)定并調(diào)整成像設(shè)備的成像視場(chǎng)角和寬度，使檢測(cè)圖像中公交車(chē)道線起點(diǎn)到終點(diǎn)的長(zhǎng)度超過(guò)圖像高度的一半、公交車(chē)道線近似對(duì)稱(chēng)分布在圖像的左右兩邊。圖2是本發(fā)明實(shí)施例中成像設(shè)備獲取的檢測(cè)圖像I(x，y);
[0008](2)圖像預(yù)處理步驟。檢測(cè)圖像I (X，y)不可避免會(huì)有尺寸不同、噪聲干擾等問(wèn)題，所以對(duì)檢測(cè)圖像I (X，y)依次進(jìn)行縮放處理、掩膜處理、灰度化處理和高斯濾波處理得到預(yù)處理后圖像D(x, y):
[0009](2-1)由于成像設(shè)備獲取圖像尺寸不同，所以對(duì)檢測(cè)圖像I (X，y)進(jìn)行縮放處理得到縮放圖像?？紤]檢測(cè)實(shí)時(shí)性，應(yīng)該將檢測(cè)圖像I (X，y)縮小到指定大小，以加快后續(xù)步驟的處理時(shí)間；
[0010](2-2)利用先驗(yàn)知識(shí)可以發(fā)現(xiàn)公交車(chē)道在圖像中的分布處于一定區(qū)域，并且左右近似對(duì)稱(chēng)，所以利用這個(gè)特性手動(dòng)繪制得到掩膜圖像M(x，y)。利用掩膜圖像M(x，y)對(duì)縮放圖像進(jìn)行掩膜處理得到掩膜處理圖像。這樣可以縮小公交車(chē)道檢測(cè)范圍，加快檢測(cè)速度，提高檢測(cè)準(zhǔn)確率。圖3是掩膜圖像M(x，y);
[0011](2-3)將掩膜處理圖像進(jìn)行灰度化處理，得到灰度圖像；
[0012](2-4)圖像不可避免會(huì)有噪聲干擾，需要對(duì)灰度圖像進(jìn)行高斯平滑濾波去除噪聲得到預(yù)處理后圖像D (X，y)。圖4是預(yù)處理后圖像D (X，y)。
[0013](3)邊緣圖像提取步驟。對(duì)預(yù)處理后圖像D(x，y)使用邊緣提取算法提取邊緣圖像E(x, y)。邊緣提取算法主要有Roberts算子、Sobel算子和Canny算法等，針對(duì)實(shí)際情況中圖像的復(fù)雜多變情況，本發(fā)明采用Canny算法，提取邊緣圖像的速度和效果最理想。圖5是采用Canny算法提取的邊緣圖像E (x, y)。
[0014](4)直線檢測(cè)步驟。對(duì)邊緣圖像E(x，y)利用霍夫變換算法檢測(cè)得到候選直線，對(duì)候選直線進(jìn)行聚類(lèi)得到可信度最高的直線:
[0015](4-1)常規(guī)情況，對(duì)稱(chēng)的兩條公交車(chē)道分布在圖像的左右兩邊，所以將邊緣圖像E(x, y)均分為左右兩部分，分別利用霍夫變換算法轉(zhuǎn)換到霍夫空間；
[0016](4-2)實(shí)驗(yàn)發(fā)現(xiàn)，一條有寬度的公交車(chē)道在邊緣圖像E(x，y)中是兩條靠近的平行直線，所以在霍夫空間中按照霍夫變換值從大到小排序得到左右兩組候選直線，然后對(duì)候選直線分別進(jìn)行聚類(lèi)，得到聚類(lèi)中心的直線即為可信度最高的直線；
[0017](5)直線約束步驟。對(duì)可信度最高的檢測(cè)直線，利用半幀圖像的單條直線傾斜角應(yīng)該在一定范圍、單幀圖像的兩條直線應(yīng)該滿(mǎn)足近似對(duì)稱(chēng)性?xún)蓚€(gè)約束條件進(jìn)行篩選。滿(mǎn)足約束條件則判定為候選車(chē)道并進(jìn)入跟蹤步驟，反之返回步驟(1);
[0018](6)車(chē)道跟蹤步驟。對(duì)左右兩條候選車(chē)道利用多幀圖像的車(chē)道位置相近約束進(jìn)行跟蹤，當(dāng)連續(xù)多幀圖像中出現(xiàn)同一候選車(chē)道則判定該候選車(chē)道為有效車(chē)道，當(dāng)有效車(chē)道在連續(xù)多幀圖像中不出現(xiàn)則判定該有效車(chē)道消失。具體地，利用狀態(tài)機(jī)的方法來(lái)實(shí)現(xiàn)車(chē)道跟蹤:
[0019](6-1)初始狀態(tài):保存第一條候選車(chē)道，下一狀態(tài)為車(chē)道穩(wěn)定前狀態(tài)；
[0020](6-2)車(chē)道穩(wěn)定前狀態(tài):第一步判斷新候選車(chē)道是否和保存車(chē)道位置相近，是則用新候選車(chē)道替換保存車(chē)道并計(jì)數(shù)加一，否則下一狀態(tài)為初始狀態(tài)并計(jì)數(shù)清零，第二步判斷計(jì)數(shù)是否大于閾值(此閾值可以人為設(shè)定，較大則提高車(chē)道線檢測(cè)準(zhǔn)確率，較小則提高車(chē)道線檢測(cè)漏檢率)，是則認(rèn)為保存車(chē)道為有效車(chē)道、下一狀態(tài)為車(chē)道穩(wěn)定狀態(tài)并計(jì)數(shù)清零；
[0021](6-3)車(chē)道穩(wěn)定狀態(tài):判斷新候選車(chē)道是否和有效車(chē)道位置相近，是則更新有效車(chē)道信息，否則認(rèn)為有效車(chē)道暫時(shí)波動(dòng)、下一狀態(tài)進(jìn)入車(chē)道波動(dòng)狀態(tài)；
[0022](6-4)車(chē)道波動(dòng)狀態(tài):第一步判斷新候選車(chē)道是否和保存車(chē)道位置相近，是則用新候選車(chē)道替換保存車(chē)道、計(jì)數(shù)清零，下一狀態(tài)進(jìn)入車(chē)道穩(wěn)定狀態(tài)，否則計(jì)數(shù)加一；第二步判斷計(jì)數(shù)是否大于閾值(此閾值可以人為設(shè)定，較大則提高車(chē)道線檢測(cè)穩(wěn)定性，較小則提高車(chē)道線檢測(cè)實(shí)時(shí)性)，是則下一狀態(tài)進(jìn)入初始狀態(tài)、計(jì)數(shù)清零，否則下一狀態(tài)繼續(xù)為車(chē)道波動(dòng)狀態(tài)；
[0023](7)車(chē)道識(shí)別步驟。對(duì)有效車(chē)道，利用顏色分類(lèi)器識(shí)別公交車(chē)道和非公交車(chē)道。本發(fā)明中利用SVM顏色分類(lèi)器得到有效車(chē)道預(yù)設(shè)寬度內(nèi)的像素點(diǎn)符合公交車(chē)道像素點(diǎn)分布的概率，當(dāng)概率大于閾值則將車(chē)道識(shí)別為公交車(chē)道，反之識(shí)別為非公交車(chē)道。
[0024]與現(xiàn)有技術(shù)相比，本發(fā)明所構(gòu)思的技術(shù)方案具有以下有益效果:
[0025](1)圖像預(yù)處理步驟中，對(duì)檢測(cè)圖像使用縮放處理、掩膜處理，提高系統(tǒng)實(shí)時(shí)性，減小車(chē)道誤檢率；
[0026](2)直線檢測(cè)步驟中，霍夫變換得到多條候選直線并進(jìn)行聚類(lèi)得到可信度最高的直線，直線約束步驟中對(duì)直線進(jìn)行半幀、單幀信息進(jìn)行約束，提高車(chē)道檢測(cè)準(zhǔn)確性；
[0027](3)車(chē)道跟蹤步驟中，利用多幀信息進(jìn)行跟蹤，有效提高車(chē)道檢測(cè)穩(wěn)定性。
【附圖說(shuō)明】
[0028]圖1是本發(fā)明基于視頻的公交車(chē)道檢測(cè)方法流程圖；
[0029]圖2是本發(fā)明實(shí)施例中視頻中的一幅待檢測(cè)圖像；
[0030]圖3是本發(fā)明實(shí)施例中公交車(chē)道掩膜圖像；
[0031]圖4是本發(fā)明實(shí)施例中預(yù)處理后的圖像；
[0032]圖5是本發(fā)明實(shí)施例中利用Canny算法提取的邊緣圖像；
[0033]圖6是本發(fā)明實(shí)施例中公交車(chē)道檢測(cè)結(jié)果圖像。
【具體實(shí)施方式】
[0034]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個(gè)實(shí)施方式中所涉及到的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互組合。
[0035]本發(fā)明圖像預(yù)處理中采用掩膜處理，將霍夫變換算法作為檢測(cè)直線的方法，對(duì)檢測(cè)直線進(jìn)行聚類(lèi)和約束，對(duì)車(chē)道線進(jìn)行跟蹤，從而實(shí)時(shí)、準(zhǔn)確、穩(wěn)定檢測(cè)視頻中的公交車(chē)道。處理流程如圖1所示:
[0036](1)圖像獲取步驟。實(shí)際情況中，成像設(shè)備的視場(chǎng)角和寬度會(huì)影響公交車(chē)道檢測(cè)性能，所以需要標(biāo)定并調(diào)整成像設(shè)備的成像視場(chǎng)角和寬度，使檢測(cè)圖像中公交車(chē)道線起點(diǎn)到終點(diǎn)的長(zhǎng)度超過(guò)圖像高度的一半、公交車(chē)道線近似對(duì)稱(chēng)分布在圖像的左右兩邊。圖2是本發(fā)明實(shí)施例中成像設(shè)備獲取的檢測(cè)圖像I(x，y);
[0037](2)圖像預(yù)處理步驟。檢測(cè)圖像I (X，y)不可避免會(huì)有尺寸不同、噪聲干擾等問(wèn)題，所以對(duì)檢測(cè)圖像I (X，y)依次進(jìn)行縮放處理、掩膜處理、灰度化處理和高斯濾波處理得到預(yù)處理后圖像D(x, y):
[0038](2-1)由于成像設(shè)備獲取圖像尺寸不同，所以對(duì)檢測(cè)圖像I (X，y)進(jìn)行縮放處理得到縮放圖像?？紤]檢測(cè)實(shí)時(shí)性，應(yīng)該將檢測(cè)圖像I (X，y)縮小到指定大小，以加快后續(xù)步驟的處理時(shí)間；
[0039](2-2)利用先驗(yàn)知識(shí)可以發(fā)現(xiàn)公交車(chē)道在圖像中的分布處于一定區(qū)域，并且左右近似對(duì)稱(chēng)，所以利用這個(gè)特性手動(dòng)繪制得到掩膜圖像M(x，y)。利用掩膜圖像M(x，y)對(duì)縮放圖像進(jìn)行掩膜處理得到掩膜處理圖像。這樣可以縮小公交車(chē)道檢測(cè)范圍，加快檢測(cè)速度，提高檢測(cè)準(zhǔn)確率。圖3是掩膜圖像M(x，y);
[0040](2-3)將掩膜處理圖像進(jìn)行灰度化處理，得到灰度圖像；
[0041](2-4)圖像不可避免會(huì)有噪聲干擾，需要對(duì)灰度圖像進(jìn)行高斯平滑濾波去除噪聲得到預(yù)處理后圖像D (X，y)。圖4是預(yù)處理后圖像D (X，y)。
[0042](3)邊緣圖像提取步驟。對(duì)預(yù)處理后圖像D(x，y)使用邊緣提取算法提取邊緣圖像E(x, y)。邊緣提取算法主要有Roberts算子、Sobel算子和Canny算法等，針對(duì)實(shí)際情況中圖像的復(fù)雜多變情況，本發(fā)明采用Canny算法，提取邊緣圖像的速度和效果最理想。圖5是采用Canny算法提取的邊緣圖像E (x, y)。
[0043](4)直線檢測(cè)步驟。對(duì)邊緣圖像E (X，y)利用霍夫變換算法檢測(cè)得到候選直線，對(duì)候選直線進(jìn)行聚類(lèi)得到可信度最高的直線:
[0044](4-1)常規(guī)情況，對(duì)稱(chēng)的兩條公交車(chē)道分布在圖像的左右兩邊，所以將邊緣圖像E(x, y)均分為左右兩部分，分別利用霍夫變換算法轉(zhuǎn)換到霍夫空間；
[0045](4-2)實(shí)驗(yàn)發(fā)現(xiàn)