国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于主動學習的夜間前方車輛識別方法與流程

      文檔序號:12864160閱讀:295來源:國知局
      一種基于主動學習的夜間前方車輛識別方法與流程

      本發(fā)明涉及圖像處理技術(shù)領(lǐng)域,具體涉及一種夜間前方車輛的識別方法。



      背景技術(shù):

      隨著國民經(jīng)濟的高速發(fā)展和城鎮(zhèn)化、機動化進程不斷加快,我國機動車擁有量及道路交通量急劇增加。交通擁擠阻塞以及由此導致的一系列交通問題己經(jīng)成為制約城市經(jīng)濟發(fā)展和人民生活水平提高的瓶頸。目前在車輛自動識別過程中,只需要將車牌和車輪胎識別出來,就能確認前方的是不是真實的車輛,但這種識別方式主要應用于白天。但是在晚上,全都是黑漆漆的一片,對于車牌的識別辨識度無法達到要求。而傍晚和夜間是交通擁堵的高發(fā)時段,對于輔助駕駛系統(tǒng)或者無人駕駛系統(tǒng)來說,更需要準確、實時、穩(wěn)定的夜間前方車輛識別系統(tǒng)的方案。



      技術(shù)實現(xiàn)要素:

      本發(fā)明要解決的技術(shù)問題是,提供一種基于主動學習的夜間前方車輛識別方法,解決夜間駕駛中遇到的車輛識別和檢測困難的問題,該方法適用于輔助駕駛系統(tǒng)的前方車輛檢測系統(tǒng)以及汽車防碰撞系統(tǒng),提高汽車的安全性,增強目標識別系統(tǒng)的準確性和抗干擾性。

      為解決上述技術(shù)問題,本發(fā)明提供如下技術(shù)方案:

      一種基于主動學習的夜間前方車輛識別的方法,其特征在于:在車輛上配置車載相機和圖像處理系統(tǒng),通過采集車輛尾燈圖像,并進行大量學習訓練,基于主動學習的方法在夜間通過車輛尾燈識別具體車輛。

      進一步的,本發(fā)明主要包括如下步驟:

      步驟1:首先利用汽車的車載相機對前方的車輛進行拍照,提取圖像數(shù)據(jù);然后對圖像進行中值濾波和二值化;

      步驟2:使用adaboost學習分類器,對大量的夜間車輛圖像數(shù)據(jù)集進行學習,得到學習后的學習分類器;

      步驟3:最后利用學習后的深度學習機來識別可能作為車輛的假定目標,并將假定車輛的區(qū)域標記為感興趣區(qū)域;根據(jù)車輛的顏色和幾何性質(zhì),利用先驗知識,對假定車輛的感興趣區(qū)域進行確認。

      進一步的,步驟1中利用車載相機采集獲得的道路上的實時圖像,然后對實施圖像進行預處理,得到預處理之后的二值化的圖像;所述的預處理包括圖像的濾波去除噪點、圖像閾值分割。

      進一步的,步驟2中將二值化處理之后的圖像,統(tǒng)一放入深度學習的正樣本數(shù)據(jù)集,然后利用adaboost學習分類器調(diào)用樣本數(shù)據(jù)集,對大量的夜間車輛數(shù)據(jù)集進行學習訓練,得到學習后的學習分類器。

      進一步的,步驟3中,經(jīng)過訓練后的adaboost學習分類器訓練之后,產(chǎn)生一個訓練文件,訓練文件會對輸入圖片進行標定,我們將標定之后的圖片,再基于先驗知識,對假定車輛的感興趣區(qū)域進行確認,最終找到準確的前方車輛。

      進一步的,步驟3中應用adaboost算法的分類器,對圖像中分類器識別出來的疑似車輛進行初步的標定,之后對已經(jīng)初步標定的感興趣區(qū)域進行進一步確認,找到圖像中真正的車輛:過程如下:

      首先,進行水平面的坐標系校準;將給定圖像i的車道上選擇4個點,創(chuàng)建一個虛擬的透視圖像的轉(zhuǎn)換圖像;之后,應用adaboost算法的分類器,對圖像中分類器識別出來的疑似車輛進行初步的標定,初步標定的區(qū)域我們定義為感興趣區(qū)域:

      在圖像i中,對于經(jīng)過標定處理之后的感興趣區(qū)域,我們定義感興趣區(qū)域為rh,包括四個要素:x,y表示圖像i中矩形感興趣的左上角的橫縱坐標,w表示矩形感興趣區(qū)域的寬度,h表示矩形感興趣區(qū)域的高度,因此rh=[xywh]四個參數(shù)就可以表示出感興趣區(qū)域四個角的具體坐標;

      對已經(jīng)初步標定的感興趣區(qū)域進行進一步確認,找到圖像中真正的車輛:過程如下:

      如果在感興趣區(qū)域rh中,左尾燈的亮度和右尾燈的亮度分別滿足我們設(shè)定的強度閥值tβh和tβv,并且左右兩個尾燈區(qū)域的紅光強度左尾燈的紅光強度μltail和右尾燈的紅光強度μrtail分別滿足我們設(shè)定的左右尾燈的強度閥值tμl和tμr;如果兩個條件同時滿足,那么我們認為感興趣區(qū)域內(nèi)的車輛是真實的;否則感興趣區(qū)域?qū)⒈慌懦?/p>

      本發(fā)明基于主動學習的方法在夜間對車輛進行識別。本發(fā)明設(shè)計新穎,操作性強,能夠為汽車的研發(fā)提供更安全的保障。

      與現(xiàn)有技術(shù)相比,本發(fā)明的有益技術(shù)效果是:

      本發(fā)明對于夜間前方車輛識別技術(shù)的發(fā)展狀況,提出了一種更符合實際和經(jīng)濟性能的車輛識別的方法,因為主動學習的識別速度與數(shù)據(jù)集的數(shù)量成正比,數(shù)據(jù)集越大,識別速度越快,因此經(jīng)過大量學習之后,可以很大的提高圖像處理的速度和精確率。本系統(tǒng)還可以與智能交通系統(tǒng)和汽車安全與輔助駕駛系統(tǒng)提供接口。而交通擁擠阻塞等交通問題是制約整個智能交通系統(tǒng)的最大瓶頸。本發(fā)明尋求更符合實際的車輛識別與檢測方法,對我國智能交通和汽車安全與輔助駕駛系統(tǒng)的發(fā)展與完善有著重要意義。

      附圖說明

      圖1為夜間前方車輛識別系統(tǒng)的實施流程圖。

      圖2為幾何約束與單應性的坐標系轉(zhuǎn)換示意圖。

      圖3為感興趣區(qū)域排除示例,粗線框為已經(jīng)確認的車輛,細線框為排除的感興趣區(qū)域。

      具體實施方式

      下面結(jié)合附圖,對本發(fā)明的技術(shù)方案作進一步詳細地說明。

      根據(jù)本發(fā)明實施的一種基于主動學習的夜間前方車輛識別的方法,其特征在于包括以下幾個步驟:

      步驟1:對獲得的道路上的實時圖像進行預處理,得到預處理之后的二值化的圖像;步驟(1)所述的預處理包括圖像的濾波去除噪點、圖像閾值分割,

      (1-1):濾波去除噪點;

      選擇中值濾波方法平滑圖像,進行去噪。中值濾波的具體過程為:首先,將具有奇數(shù)點的滑動窗口遍歷整個圖像;然后,將窗口內(nèi)的像素的灰度值從小到大排列;最后位于中間值的灰度值取代窗口中心像素的灰度值。

      (1-2):圖像閾值分割;

      首先,將數(shù)據(jù)集上的rgb圖像轉(zhuǎn)換為ycbcr模式。我們首先根據(jù)如下公式將數(shù)據(jù)集上的rgb圖像轉(zhuǎn)換為ycbcr模式。rgb色彩模式是工業(yè)界的一種顏色標準,是通過對紅(r)、綠(g)、藍(b)三個顏色通道的變化以及它們相互之間的疊加來得到各式各樣的顏色的,rgb即是代表紅、綠、藍三個通道的顏色;ycbcr是色彩空間的一種,通常會用于數(shù)字影像顯示中,y表示顏色的亮度成分、而cb和cr則表示藍色和紅色濃度的偏移量。

      將矩陣化簡,可得如下的公式:

      r=1.164×(y-16)+1.596×(cr-128)

      g=1.164×(y-16)-0.392×(cb-128)-0.813×(cr-128)

      b=1.164×(y-16)+2.017×(cb-128)

      在上述兩個公式中,rgb和ycbcr各分量的取值范圍都是0-255。由于夜晚的燈光照射區(qū)域,與黑暗處的對比明顯,我們只取cb的最大值為100,cr的最小值為100。對數(shù)據(jù)集的圖像進行二值化。

      步驟2:使用adaboost學習分類器,對大量的夜間車輛數(shù)據(jù)集進行學習;步驟(2)所屬的內(nèi)容包括haar-like特征值積分圖的計算、adaboost分類器的算法與設(shè)計,具體如下:

      (2-1):haar-like特征值積分圖的計算。只需按行或按列搜索遍歷一整張圖像,就可以得到這張圖像的積分圖,不需要重復搜索,避免了算法的耗時問題。

      (1)直立的haar-like特征的積分圖算法

      我們建立以左上角的頂點(0,0),水平與垂直方向分別為x軸和y軸的坐標系。對于任意一個像素點(a,b)所構(gòu)成的矩形內(nèi)所有像素灰度值之和構(gòu)成的積分圖。

      特征圖的數(shù)學表達式為:

      其中,sat(a,b)表示積分圖的面積,i(x,y)是原始圖像f(x,y)在點(x,y)灰度值,將表達式打開,可以得到:

      sat(x,y)=sat(x,y-1)+sat(x-1,y)+i(x,y)-sat(x-1,y-1)

      無論矩形的尺寸大小,對于任意符合直立haar-like特征的矩形r=(x,y,w,h,0),只需查找積分圖像4次,做三次加減法運算,就可以求得任意矩形的像素和。在實現(xiàn)時只需按行或按列搜索遍歷一整張圖像,就可以得到這張圖像的積分圖,不需要重復搜索,避免了算法的耗時問題。

      rectsum(r)=sat(x-1,y-1)+sat(x+w-1,y+h-1)

      -sat(x-1,y+h-1)-sat(x+w-1,y-1)

      (2)旋轉(zhuǎn)45度的haar-like特征的積分圖算法

      求取旋轉(zhuǎn)45度的haar-like特征積分圖的表達式為:

      其中,satr(a,b)表示積分圖的面積,i(x,y)是原始圖像f(x,y)在點(x,y)灰度值,將表達式打開,可以得到:

      satr(x,y)=satr(x-1,y-1)+satr(x+1,y-1)-satr(x,y-2)

      +i(x,y)+i(x,y-1)

      與直立haar-like特征相類似,對于任意符合旋轉(zhuǎn)45度的haar-like特征的矩形r=(x,y,w,h,α),要得到像素灰度值之和,也只是需查找積分圖像4次,做3次加減法運算就可以了。

      rectsum(r)=satr(x-h+w,y+w+h-1)+satr(x,y-1)

      -satr(x-h,y+h-1)-satr(x+w,y+w-1)

      在特征算法實現(xiàn)時只需按行或按列搜索遍歷一整張圖像,就可以得到這張圖像的積分圖,不需要重復搜索,避免了算法的耗時問題。

      (2-2):adaboost算法實施過程。對于分類器的整個訓練過程,我們可以用以下算法來構(gòu)建和描述:

      ①開始初始化d,kmax,w1(i)←1/n,i=1,...,n;

      ②k←0;

      ③執(zhí)行k←k+1;

      ④訓練采用按照wk(i)標準來采樣d的弱分類器

      ⑤ek←用按照wk(i)標準來采樣d的樣本集測量的訓練誤差;

      ⑧直到k=kmax;

      ⑨結(jié)束。

      步驟3:利用分類器標定感興趣區(qū)域;然后基于先驗知識,對假定車輛的感興趣區(qū)域進行確認;過程如下:

      首先,進行水平面的坐標系校準;將給定圖像的車道上選擇4個點,創(chuàng)建一個虛擬的透視圖像的轉(zhuǎn)換圖像;

      對于一張圖像,在圖像域中,對于給定的圖像i(或透視圖),我們在車道上選擇4個點。然后,我們根據(jù)給定的圖像與或者透視圖,創(chuàng)建一個虛擬的透視圖像的轉(zhuǎn)換圖像,如圖2所示,圖像可以從相機的坐標系,轉(zhuǎn)換為實際的空間坐標系。在圖像區(qū)域中的4個點p到p'可以映射到轉(zhuǎn)換后的圖像中的p'1到p'4。為下一步的步驟做準備。

      之后,應用adaboost算法的分類器,對圖像中分類器識別出來的疑似車輛進行初步的標定,初步標定的區(qū)域我們定義為感興趣區(qū)域:

      在圖像i中,對于經(jīng)過標定處理之后的感興趣區(qū)域,我們定義感興趣區(qū)域為rh,包括四個要素:x,y表示圖像i中矩形感興趣的左上角的橫縱坐標,w表示矩形感興趣區(qū)域的寬度,h表示矩形感興趣區(qū)域的高度,因此rh=[xywh]四個參數(shù)就可以表示出感興趣區(qū)域四個角的具體坐標;

      最后,對已經(jīng)初步標定的感興趣區(qū)域進行進一步確認,找到圖像中真正的車輛:過程如下:

      對于假定車輛進行確認的第一步操作,是移除與應用adaboost算法的分類器標定的感興趣區(qū)域不相關(guān)的部分。給定一個標定的感興趣區(qū)域,車輛的大小應該在一個特定的比例,例如,當一輛車接近另一輛車的時候,車輛的大小不能比另一個特定尺寸的車輛差距特別大,反之亦然。同時,車輛軸寬度決定了感興趣區(qū)域的寬度。

      如圖3所示,粗線框為已經(jīng)確認的車輛,細線框為排除的感興趣區(qū)域。如果在感興趣區(qū)域rh中,左尾燈的亮度和右尾燈的亮度分別滿足我們設(shè)定的強度閥值tβh和tβv,并且左右兩個尾燈區(qū)域的紅光強度左尾燈的紅光強度μltail和右尾燈的紅光強度μrtail分別滿足我們設(shè)定的左右尾燈的強度閥值tμl和tμr;如果兩個條件同時滿足,那么我們認為感興趣區(qū)域內(nèi)的車輛是真實的;否則感興趣區(qū)域?qū)⒈慌懦?/p>

      上面對本專利的較佳實施方式作了詳細說明,但是本專利并不限于上述實施方式,在本領(lǐng)域的普通技術(shù)人員所具備的知識范圍內(nèi),還可以在不脫離本專利宗旨的前提下做出各種變化。

      當前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1