基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，首先針對(duì)隧道的應(yīng)用場(chǎng)景，通過研究光照輻射特性以及隧道空間位置關(guān)系，建立車輛光照區(qū)域的光強(qiáng)模型并構(gòu)造其梯度函數(shù)；進(jìn)而利用發(fā)現(xiàn)的光照區(qū)域梯度方向不變特性，篩選出非車輛光照區(qū)域并構(gòu)造前景掩膜，最后與運(yùn)動(dòng)目標(biāo)前景疊加，實(shí)現(xiàn)光照干擾的抑制。該方法實(shí)現(xiàn)了對(duì)車輛光照干擾的有效抑制，提高車輛目標(biāo)識(shí)別的準(zhǔn)確性。它能夠針對(duì)隧道場(chǎng)景視頻序列中車輛目標(biāo)提取的光照干擾，進(jìn)行有效的抑制，可實(shí)時(shí)、準(zhǔn)確地解決隧道場(chǎng)景下車輛目標(biāo)識(shí)別中光照干擾的影響，提高車輛目標(biāo)提取準(zhǔn)確性。
【專利說明】
基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及智能交通領(lǐng)域，特別涉及到一種基于梯度特征的隧道場(chǎng)景車輛光照干 擾的抑制方法。
【背景技術(shù)】
[0002] 車輛目標(biāo)識(shí)別是停車識(shí)別、擁堵檢測(cè)等交通事件檢測(cè)的前提和基礎(chǔ)。目前國內(nèi)外 研究已經(jīng)提出了一些關(guān)于車輛目標(biāo)識(shí)別的算法，有些算法已經(jīng)在實(shí)際場(chǎng)景中測(cè)試運(yùn)行。在 一些環(huán)境較好的情況下，這些算法能夠得到理想的運(yùn)行效果，但是在更多的實(shí)際運(yùn)行中，特 別是對(duì)于隧道場(chǎng)景環(huán)境比較復(fù)雜，整體光線偏暗，在車輛前景提取過程中易受到車輛前燈 光照的干擾，造成提取的車輛目標(biāo)區(qū)域擴(kuò)大、多車輛目標(biāo)區(qū)域連通等問題，導(dǎo)致獲取的車輛 目標(biāo)不準(zhǔn)確，檢測(cè)效果難以滿足實(shí)際應(yīng)用需求，極大地影響了車輛目標(biāo)的識(shí)別和跟蹤等后 續(xù)處理效果。因此，如何有效地抑制光照干擾，是提高車輛目標(biāo)提取準(zhǔn)確性的關(guān)鍵和前提。
[0003] 現(xiàn)有文獻(xiàn)中，對(duì)車輛光照的研究主要集中于車燈的判斷、車燈中心的定位以及其 后續(xù)跟蹤、測(cè)距等研究，主要利用車輛光照的顏色和輻射等特性，搜尋圖像中亮度的極值點(diǎn) 作為車燈的定位中心，再經(jīng)過跟蹤、匹配等方法進(jìn)行進(jìn)一步的篩選和處理，此類方法只是對(duì) 車燈的一個(gè)定位，尚不滿足干擾抑制的需求。而對(duì)于光照區(qū)域的界定，大多數(shù)算法是通過有 監(jiān)督的光照色度估計(jì)方法進(jìn)行判斷，利用神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等技術(shù)實(shí)現(xiàn)，此類方法是從 大量已知光照區(qū)域的圖像集中，通過學(xué)習(xí)得到該環(huán)境條件下的光照特征，在場(chǎng)景發(fā)生變化 時(shí)需要重新收集大量樣本對(duì)分類器進(jìn)行訓(xùn)練，并不能滿足場(chǎng)景變換的應(yīng)用需求。
[0004] 因此，需要一種隧道場(chǎng)景車輛光照干擾抑制方法。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的就是提供一種基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法， 該方法能夠?qū)λ淼缊?chǎng)景下車輛目標(biāo)提取中的光照干擾進(jìn)行實(shí)時(shí)、有效、準(zhǔn)確的抑制，提高車 輛目標(biāo)提取的準(zhǔn)確性，同時(shí)適應(yīng)了場(chǎng)景的變換，可用于對(duì)隧道場(chǎng)景視頻序列中車輛目標(biāo)提 取的光照干擾進(jìn)行抑制。
[0006] 本發(fā)明的目的是通過這樣的技術(shù)方案實(shí)現(xiàn)的：
[0007] 本發(fā)明提供的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，包括以下步 驟：
[0008] 步驟一:根據(jù)車輛的結(jié)構(gòu)特征建立車輛光照模型；
[0009] 步驟二:計(jì)算車輛光照模型中光照強(qiáng)度梯度特征，得到光照區(qū)域的光照強(qiáng)度的不 變特性值M(x，y);
[0010] 步驟三:獲取該場(chǎng)景的視頻圖像并提取前景車輛目標(biāo)圖像；
[0011] 步驟四：根據(jù)不變特性值M(x，y)建立光照區(qū)域的前景掩膜；
[0012] 步驟五:將未經(jīng)處理的車輛前景圖同前景掩膜疊加，得到光照抑制后的車輛目標(biāo) 圖像。
[0013] 進(jìn)一步，所述車輛光照模型是通過以下步驟來建立的：
[0014] 11)獲得車輛光照與隧道路面間的相對(duì)位置特征；
[0015] 12)根據(jù)相對(duì)位置特征、車輛光照輻射特性和漫反射特性，按照以下公式建立車輛 光照模型：
[0017] 其中，D(x，y)表示車輛光照區(qū)域的光照強(qiáng)度特性，Kd為景物表面的漫反射系數(shù)，In 是點(diǎn)光源發(fā)出的入射光光強(qiáng)，出為車燈距離地面高度，（x，y)表示以車燈中心垂直于地面點(diǎn) 為原點(diǎn)、垂直于道路方向?yàn)閤軸、平行于道路方向?yàn)閥軸建立的坐標(biāo)系上的點(diǎn)。
[0018] 進(jìn)一步，所述不變特性值M(x，y)是通過以下步驟來實(shí)現(xiàn)的：
[0019] 21)計(jì)算求取光照區(qū)域內(nèi)的各點(diǎn)的光照強(qiáng)度梯度方向的各階偏導(dǎo)：
[0020] 22)根據(jù)各階偏導(dǎo)按照以下公式得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏導(dǎo) 間不變特性值M( x，y):
[0022]其中，N(x，y)只受環(huán)境影響，在同一場(chǎng)景相同路面條件下保持固定，而M(x，y)由車 輛光照固有特性決定，對(duì)于同一車輛的照射區(qū)域保持恒定，其中由此可利用光照區(qū)域在梯 度方向的偏導(dǎo)獲得一個(gè)較為穩(wěn)定的不變特征值。
[0023]進(jìn)一步，所述車輛目標(biāo)圖像的提取是通過以下步驟來實(shí)現(xiàn)的：
[0024] 31)獲取場(chǎng)景的視頻圖像；
[0025] 32)采用背景差分法處理視頻圖像；
[0026] 33)將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理；
[0027] 34)提取前景車輛目標(biāo)的區(qū)域輪廓。
[0028] 進(jìn)一步，所述前景掩膜建立是通過以下步驟來實(shí)現(xiàn)的：
[0029] 41)計(jì)算各像素點(diǎn)梯度方向以及梯度方向的各階梯度值，按照以下公式利用各階 梯度值求取各像素點(diǎn)的不變特性值M( x，y):
[0031] 42)根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，按照以下公式計(jì)算像 素點(diǎn)變化率最大差值M_Rate(x，y):
[0032] M_Rate(x，y) =max{M(Xi，yi)_M(x，y)}，
[0033] 其中，（Xi，yi)點(diǎn)(x，y)鄰域坐標(biāo)點(diǎn)；
[0034] 43)按照以下公式選取像素點(diǎn)作為前景掩膜：
[1 M Rate ( ^'..v)> Thr
[0035] / v
[0 M _Rate ( -^>')< Thr
[0036] 其中，D = 1表示非光照區(qū)域，值D = 0表示光照區(qū)域，Thr表示預(yù)設(shè)閾值。
[0037] 本發(fā)明提供了基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制系統(tǒng)，包括車輛光照 模型建立模塊、光照強(qiáng)度特性值計(jì)算模塊、車輛目標(biāo)圖像生成模塊、前景掩膜生成模塊和光 照抑制后的車輛目標(biāo)圖像生成模塊；
[0038] 所述車輛光照模型建立模塊，用于根據(jù)車輛的結(jié)構(gòu)特征建立車輛光照模型；
[0039] 所述光照強(qiáng)度特性值計(jì)算模塊，用于計(jì)算車輛光照模型中光照強(qiáng)度梯度特征，得 到光照區(qū)域的光照強(qiáng)度的不變特性值M(x，y);
[0040] 所述車輛目標(biāo)圖像生成模塊，用于獲取該場(chǎng)景的視頻圖像并提取前景車輛目標(biāo)圖 像；
[0041] 所述前景掩膜生成模塊，用于根據(jù)不變特性值M(x，y)建立光照區(qū)域的前景掩膜； [0042]所述光照抑制后的車輛目標(biāo)圖像生成模塊，用于將未經(jīng)處理的車輛前景圖同前景 掩膜疊加，得到光照抑制后的車輛目標(biāo)圖像。
[0043] 進(jìn)一步，所述車輛光照模型建立模塊中的車輛光照模型是通過以下步驟來建立 的：
[0044] 11)獲得車輛光照與隧道路面間的相對(duì)位置特征；
[0045] 12)根據(jù)相對(duì)位置特征、車輛光照輻射特性和漫反射特性，按照以下公式建立車輛 光照模型：
[0047] 其中，D(x，y)表示車輛光照區(qū)域的光照強(qiáng)度特性，Kd為景物表面的漫反射系數(shù)，In 是點(diǎn)光源發(fā)出的入射光光強(qiáng)，出為車燈距離地面高度，（x，y)表示以車燈中心垂直于地面點(diǎn) 為原點(diǎn)、垂直于道路方向?yàn)閤軸、平行于道路方向?yàn)閥軸建立的坐標(biāo)系上的點(diǎn)。
[0048] 進(jìn)一步，所述光照強(qiáng)度特性值計(jì)算模塊中的不變特性值M( x，y)是通過以下步驟來 實(shí)現(xiàn)的：
[0049] 21)計(jì)算求取光照區(qū)域內(nèi)的各點(diǎn)的光照強(qiáng)度梯度方向的各階偏導(dǎo)：
[0050] 22)根據(jù)各階偏導(dǎo)按照以下公式得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏導(dǎo) 間不變特性值M( x，y):
[0052]其中，N(x，y)只受環(huán)境影響，在同一場(chǎng)景相同路面條件下保持固定，而M(x，y)由車 輛光照固有特性決定，對(duì)于同一車輛的照射區(qū)域保持恒定，其中由此可利用光照區(qū)域在梯 度方向的偏導(dǎo)獲得一個(gè)較為穩(wěn)定的不變特征值。
[0053]進(jìn)一步，所述車輛目標(biāo)圖像生成模塊中的車輛目標(biāo)圖像的提取是通過以下步驟來 實(shí)現(xiàn)的：
[0054] 31)獲取場(chǎng)景的視頻圖像；
[0055] 32)采用背景差分法處理視頻圖像；
[0056] 33)將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理；
[0057] 34)提取前景車輛目標(biāo)的區(qū)域輪廓。
[0058] 進(jìn)一步，所述前景掩膜生成模塊中的前景掩膜建立是通過以下步驟來實(shí)現(xiàn)的：
[0059] 41)計(jì)算各像素點(diǎn)梯度方向以及梯度方向的各階梯度值，按照以下公式利用各階 梯度值求取各像素點(diǎn)的不變特性值M( x，y):
[0061] 42)根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，按照以下公式計(jì)算像 素點(diǎn)變化率最大差值M_Rate(x，y):
[0062] M_Rate(x，y) =max{M(Xi，yi)_M(x，y)}，
[0063] 其中，（Xi，yi)點(diǎn)(x，y)鄰域坐標(biāo)點(diǎn)；
[0064] 43)按照以下公式選取像素點(diǎn)作為前景掩膜： f 1 M Rate ( Thr
[0065] 13 1 〇 價(jià) 〇.V)< Tin.
[0066] 其中，D = 1表示非光照區(qū)域，值D = 0表示光照區(qū)域，Thr表示預(yù)設(shè)閾值。
[0067] 由于采用了上述技術(shù)方案，本發(fā)明具有如下的優(yōu)點(diǎn)：
[0068] 本發(fā)明提供的一種基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，首先針對(duì) 隧道的應(yīng)用場(chǎng)景，通過研究光照輻射特性以及隧道空間位置關(guān)系，建立車輛光照區(qū)域的光 強(qiáng)模型并構(gòu)造其梯度函數(shù);進(jìn)而利用發(fā)現(xiàn)的光照區(qū)域梯度方向不變特性，篩選出非車輛光 照區(qū)域并構(gòu)造前景掩膜，最后與運(yùn)動(dòng)目標(biāo)前景疊加，實(shí)現(xiàn)光照干擾的抑制。該方法實(shí)現(xiàn)了對(duì) 車輛光照干擾的有效抑制，提高車輛目標(biāo)識(shí)別的準(zhǔn)確性。它能夠針對(duì)隧道場(chǎng)景視頻序列中 車輛目標(biāo)提取的光照干擾，進(jìn)行有效的抑制，提高車輛目標(biāo)提取準(zhǔn)確性。
[0069] 根據(jù)隧道場(chǎng)景光照的輻射性特征，對(duì)于路面受光照影響的點(diǎn)，光強(qiáng)變化的梯度方 向?yàn)樵擖c(diǎn)到光源點(diǎn)方向，且在梯度方向具有相同的導(dǎo)數(shù)特性，則路面上的所有干擾點(diǎn)都可 用較為簡(jiǎn)單的梯度方向特征進(jìn)行表征，能滿足應(yīng)用的需求。本方法可實(shí)時(shí)、準(zhǔn)確地解決隧道 場(chǎng)景下車輛目標(biāo)識(shí)別中光照干擾的影響，提高了隧道場(chǎng)景下車輛目標(biāo)提取的準(zhǔn)確性。
[0070] 本發(fā)明的其他優(yōu)點(diǎn)、目標(biāo)和特征在某種程度上將在隨后的說明書中進(jìn)行闡述，并 且在某種程度上，基于對(duì)下文的考察研究對(duì)本領(lǐng)域技術(shù)人員而言將是顯而易見的，或者可 以從本發(fā)明的實(shí)踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他優(yōu)點(diǎn)可以通過下面的說明書和權(quán)利要 求書來實(shí)現(xiàn)和獲得。
【附圖說明】
[0071] 本發(fā)明的【附圖說明】如下。
[0072]圖1車輛光照空間結(jié)構(gòu)圖。
[0073]圖2車輛光照干擾的抑制方法流程圖。
【具體實(shí)施方式】
[0074]下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。
[0075] 實(shí)施例1
[0076]如圖所示，本實(shí)施例提供的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法， 包括以下步驟：
[0077] 步驟一:根據(jù)車輛的結(jié)構(gòu)特征建立車輛光照模型；
[0078] 步驟二:計(jì)算車輛光照模型中光照強(qiáng)度梯度特征，得到光照區(qū)域的光照強(qiáng)度的不 變特性值M(x，y);
[0079] 步驟三:獲取該場(chǎng)景的視頻圖像并提取前景車輛目標(biāo)圖像；
[0080] 步驟四：根據(jù)不變特性值M(x，y)建立光照區(qū)域的前景掩膜；
[0081] 步驟五:將未經(jīng)處理的車輛前景圖同前景掩膜疊加，得到光照抑制后的車輛目標(biāo) 圖像。
[0082] 所述車輛光照模型是通過以下步驟來建立的：
[0083] 11)獲得車輛光照與隧道路面間的相對(duì)位置特征；
[0084] 12)根據(jù)相對(duì)位置特征、車輛光照輻射特性和漫反射特性，按照以下公式建立車輛 光照模型：
[0086] 其中，D(x，y)表示車輛光照區(qū)域的光照強(qiáng)度特性，Kd為景物表面的漫反射系數(shù)，In 是點(diǎn)光源發(fā)出的入射光光強(qiáng)，出為車燈距離地面高度，（x，y)表示以車燈中心垂直于地面點(diǎn) 為原點(diǎn)、垂直于道路方向?yàn)閤軸、平行于道路方向?yàn)閥軸建立的坐標(biāo)系上的點(diǎn)。
[0087] 所述不變特性值M(x，y)是通過以下步驟來實(shí)現(xiàn)的：
[0088] 21)計(jì)算求取光照區(qū)域內(nèi)的各點(diǎn)的光照強(qiáng)度梯度方向的各階偏導(dǎo)：
[0089] 22)根據(jù)各階偏導(dǎo)按照以下公式得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏導(dǎo) 間不變特性值M( x，y):
[0091]其中，N(x，y)只受環(huán)境影響，在同一場(chǎng)景相同路面條件下保持固定，而M(x，y)由車 輛光照固有特性決定，對(duì)于同一車輛的照射區(qū)域保持恒定，其中由此可利用光照區(qū)域在梯 度方向的偏導(dǎo)獲得一個(gè)較為穩(wěn)定的不變特征值。
[0092]所述車輛目標(biāo)圖像的提取是通過以下步驟來實(shí)現(xiàn)的：
[0093] 31)獲取場(chǎng)景的視頻圖像；
[0094] 32)采用背景差分法處理視頻圖像；
[0095] 33)將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理；
[0096] 34)提取前景車輛目標(biāo)的區(qū)域輪廓。
[0097] 所述前景掩膜建立是通過以下步驟來實(shí)現(xiàn)的：
[0098] 41)計(jì)算各像素點(diǎn)梯度方向以及梯度方向的各階梯度值，按照以下公式利用各階 梯度值求取各像素點(diǎn)的不變特性值M( x，y):
[0100] 42)根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，按照以下公式計(jì)算像 素點(diǎn)變化率最大差值M_Rate(x，y):
[0101 ] M_Rate(x，y) =max{M(Xi，yi)_M(x，y)}，
[0102]其中，（Xi，yi)點(diǎn)(x，y)鄰域坐標(biāo)點(diǎn)；
[0103] 43)按照以下公式選取像素點(diǎn)作為前景掩膜： f 1 M _Rate ( x'.>')> Thr
[0104] 〇 | 〇 ( y,v)< Jhr
[0105] 其中，D = 1表示非光照區(qū)域，值D = 0表示光照區(qū)域，Thr表示預(yù)設(shè)閾值。
[0106] 本實(shí)施例還提供了一種基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制系統(tǒng)，包括 車輛光照模型建立模塊、光照強(qiáng)度特性值計(jì)算模塊、車輛目標(biāo)圖像生成模塊、前景掩膜生成 模塊和光照抑制后的車輛目標(biāo)圖像生成模塊；
[0107] 所述車輛光照模型建立模塊，用于根據(jù)車輛的結(jié)構(gòu)特征建立車輛光照模型；
[0108] 所述光照強(qiáng)度特性值計(jì)算模塊，用于計(jì)算車輛光照模型中光照強(qiáng)度梯度特征，得 到光照區(qū)域的光照強(qiáng)度的不變特性值M(x，y);
[0109] 所述車輛目標(biāo)圖像生成模塊，用于獲取該場(chǎng)景的視頻圖像并提取前景車輛目標(biāo)圖 像；
[0110] 所述前景掩膜生成模塊，用于根據(jù)不變特性值M(x，y)建立光照區(qū)域的前景掩膜；
[0111] 所述光照抑制后的車輛目標(biāo)圖像生成模塊，用于將未經(jīng)處理的車輛前景圖同前景 掩膜疊加，得到光照抑制后的車輛目標(biāo)圖像。
[0112] 所述車輛光照模型建立模塊中的車輛光照模型是通過以下步驟來建立的：
[0113] 11)獲得車輛光照與隧道路面間的相對(duì)位置特征；
[0114] 12)根據(jù)相對(duì)位置特征、車輛光照輻射特性和漫反射特性，按照以下公式建立車輛 光照模型：
[0116] 其中，D(x，y)表示車輛光照區(qū)域的光照強(qiáng)度特性，Kd為景物表面的漫反射系數(shù)，In 是點(diǎn)光源發(fā)出的入射光光強(qiáng)，出為車燈距離地面高度，（x，y)表示以車燈中心垂直于地面點(diǎn) 為原點(diǎn)、垂直于道路方向?yàn)閤軸、平行于道路方向?yàn)閥軸建立的坐標(biāo)系上的點(diǎn)。
[0117] 所述光照強(qiáng)度特性值計(jì)算模塊中的不變特性值M(x，y)是通過以下步驟來實(shí)現(xiàn)的：
[0118] 21)計(jì)算求取光照區(qū)域內(nèi)的各點(diǎn)的光照強(qiáng)度梯度方向的各階偏導(dǎo)：
[0119] 22)根據(jù)各階偏導(dǎo)按照以下公式得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏導(dǎo) 間不變特性值M( x，y):
[0121] 其中，N(x，y)只受環(huán)境影響，在同一場(chǎng)景相同路面條件下保持固定，而M(x，y)由車 輛光照固有特性決定，對(duì)于同一車輛的照射區(qū)域保持恒定，其中由此可利用光照區(qū)域在梯 度方向的偏導(dǎo)獲得一個(gè)較為穩(wěn)定的不變特征值。
[0122] 所述車輛目標(biāo)圖像生成模塊中的車輛目標(biāo)圖像的提取是通過以下步驟來實(shí)現(xiàn)的：
[0123] 31)獲取場(chǎng)景的視頻圖像；
[0124] 32)采用背景差分法處理視頻圖像；
[0125] 33)將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理；
[0126] 34)提取前景車輛目標(biāo)的區(qū)域輪廓。
[0127] 所述前景掩膜生成模塊中的前景掩膜建立是通過以下步驟來實(shí)現(xiàn)的：
[0128] 41)計(jì)算各像素點(diǎn)梯度方向以及梯度方向的各階梯度值，按照以下公式利用各階 梯度值求取各像素點(diǎn)的不變特性值M( x，y):
[0130] 42)根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，按照以下公式計(jì)算像 素點(diǎn)變化率最大差值M_Rate(x，y):
[0131 ] M_Rate(x，y) =max{M(Xi，yi)_M(x，y)}，
[0132]其中，（Xi，yi)點(diǎn)(x，y)鄰域坐標(biāo)點(diǎn)；
[0133] 43)按照以下公式選取像素點(diǎn)作為前景掩膜： f 1 M _Rate ( YJ' )> Thr
[0134] M_Rate (xv)< Thx >
[0135] 其中，D = 1表示非光照區(qū)域，值D = 0表示光照區(qū)域，Thr表示預(yù)設(shè)閾值。
[0136] 實(shí)施例2
[0137] 本實(shí)施例提出的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，能針對(duì)隧道 場(chǎng)景視頻序列中車輛目標(biāo)提取的光照干擾，進(jìn)行有效的抑制，提高車輛目標(biāo)提取準(zhǔn)確性，包 括以下五個(gè)步驟：
[0138] 步驟一:車輛光照模型建立，主要包括以下兩個(gè)部分：
[0139] 1)利用車輛的結(jié)構(gòu)特征，獲得車輛光照與隧道路面間的相對(duì)位置特征。
[0140] 2)根據(jù)相對(duì)位置特征、車輛光照輻射特性和漫反射特性，建立光照模型描述車輛 光照區(qū)域的光照強(qiáng)度特性D(x，y)。
[0141 ]步驟二:光照強(qiáng)度梯度特征分析，主要包括以下兩個(gè)部分：
[0142] 1)計(jì)算求取該系列點(diǎn)光照強(qiáng)度梯度方向的各階偏導(dǎo)
[0143] 2)將計(jì)算出的各階偏導(dǎo)進(jìn)行分析，得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏 導(dǎo)間不變特性值M(x，y)，該值在光照區(qū)域保持不變，而非光照區(qū)域隨機(jī)變化。
[0144]步驟三:提取前景車輛目標(biāo)，主要包括以下六個(gè)部分：
[0145] 1)獲取該場(chǎng)景的視頻圖像；
[0146] 2)采用背景差分法處理視頻圖像；
[0147] 3)將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理；
[0148] 4)提取前景車輛目標(biāo)的區(qū)域。
[0149] 步驟四：前景掩膜建立，主要包括以下三個(gè)部分：
[0150] 1)計(jì)算各像素點(diǎn)梯度方向以及梯度方向的各階梯度值，利用各階梯度值求取各像 素點(diǎn)的不變特性值M(x，y);
[0151] 2)根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，計(jì)算該像素點(diǎn)相較于領(lǐng) 域內(nèi)像素點(diǎn)的變化率M_Rate (x，y)。
[0152] 3)根據(jù)實(shí)際情況設(shè)定閾值，篩選出變化較大的像素點(diǎn)作為非光照 區(qū)域，經(jīng)過膨脹變換，獲得剔除光照區(qū)域的前景掩膜。
[0153] 步驟五:車輛光照干擾抑制，主要包括以下內(nèi)容：
[0154] 將未經(jīng)處理的車輛前景圖同前景掩膜疊加，抑制光照區(qū)域?qū)囕v目標(biāo)提取的干 擾，實(shí)現(xiàn)了車輛目標(biāo)的準(zhǔn)確提取。
[0155] 實(shí)施例3
[0156] 本實(shí)施例結(jié)合隧道場(chǎng)景車輛光照干擾抑制方法流程圖，從下面對(duì)五個(gè)步驟進(jìn)行詳 細(xì)的說明：
[0157]步驟一:車輛光照模型建立，主要包括以下兩個(gè)部分：
[0158] 1)利用車輛的結(jié)構(gòu)特征，獲得車輛光照與隧道路面間的相對(duì)位置特征。對(duì)于隧道 場(chǎng)景的監(jiān)控視頻，攝像頭安裝位置及車流行駛的方向相對(duì)比較固定，分布結(jié)構(gòu)如圖1所示： [0159] 2)根據(jù)相對(duì)位置特征、車輛光照輻射特性和漫反射特性，建立光照模型描述車輛 光照區(qū)域的光照強(qiáng)度特性D(x，y)。路面漫反射特性較好且環(huán)境光照連續(xù)，可以利用傳統(tǒng)的 Lambert漫反射模型描述。建立光照強(qiáng)度特性方程如下：
[0161] 其中，Kd為景物表面的漫反射系數(shù)，In是點(diǎn)光源發(fā)出的入射光光強(qiáng)，出為車燈距離 地面高度，（x，y)表示以車燈中心垂直于地面點(diǎn)為原點(diǎn)、垂直于道路方向?yàn)閤軸、平行于道路 方向?yàn)閥軸建立的坐標(biāo)系上的點(diǎn)。
[0162] 步驟二:光照強(qiáng)度梯度特征分析，主要包括以下兩個(gè)部分：
[0163] 1)按照以下公式計(jì)算求取該系列點(diǎn)光照強(qiáng)度梯度方向的各階偏導(dǎo)：
[0165] 車輛光照符合理想點(diǎn)光源輻射特性，即與點(diǎn)光源距離相同的球面上的任意點(diǎn)的光 強(qiáng)值相同，光強(qiáng)變化的梯度方向?yàn)樵擖c(diǎn)到光源點(diǎn)方向，且在梯度方向具有相同的導(dǎo)數(shù)特性， 則可選取一組較為特殊的點(diǎn)表征整個(gè)路面上所有點(diǎn)的梯度特性。
[0166] 2)將計(jì)算出的各階偏導(dǎo)進(jìn)行分析，得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏 導(dǎo)間不變特性值M(x，y)，該值在光照區(qū)域保持不變，而非光照區(qū)域隨機(jī)變化。通過推導(dǎo)，可 以得出各階導(dǎo)數(shù)存在如下方程的關(guān)系：
[0168] 其中，N(x，y)只受環(huán)境影響，在同一場(chǎng)景相同路面條件下保持固定，而M(x，y)由車 輛光照固有特性決定，對(duì)于同一車輛的照射區(qū)域保持恒定，其中由此可利用光照區(qū)域在梯 度方向的偏導(dǎo)獲得一個(gè)較為穩(wěn)定的不變特征值。
[0169] 步驟三:提取前景車輛目標(biāo)，主要包括以下六個(gè)部分：
[0170] 1)獲取該場(chǎng)景的視頻圖像。當(dāng)前場(chǎng)景的視頻圖像可以由攝像機(jī)或者攝像頭進(jìn)行拍 攝獲取。
[0171] 2)采用背景差分法處理視頻圖像。背景差分的關(guān)鍵技術(shù)是背景建模和背景更新， 采用非參數(shù)概率密度的方法進(jìn)行背景建模，采用幀間差分法進(jìn)行背景更新。
[0172] 3)將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理。二值化閾值 的選取采用ostu算法，選擇開運(yùn)算的形態(tài)學(xué)處理方法去除較小的噪聲并且能夠填充一些空 隙。
[0173] 4)提取前景車輛目標(biāo)的區(qū)域。提取前景目標(biāo)的輪廓，并刪除大小形狀不符合車輛 特征的前景目標(biāo)，提取前景車輛目標(biāo)的區(qū)域。
[0174]步驟四：前景掩膜建立，主要包括以下三個(gè)部分：
[0175] 1)計(jì)算各像素點(diǎn)梯度方向以及梯度方向的各階梯度值，利用各階梯度值求取各像 素點(diǎn)的不變特性值M(x，y);由于圖像為由離散點(diǎn)構(gòu)成的矩陣，不能獲得連續(xù)的方向?qū)?shù)值， 則選取像素點(diǎn)的八個(gè)鄰域像素點(diǎn)中最大差值的點(diǎn)方向作為該點(diǎn)的梯度方向，并將不變特性 值M( x，y)求取方程離散化得到：
[0177] 2)根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，計(jì)算該像素點(diǎn)相較于領(lǐng) 域內(nèi)像素點(diǎn)的變化率M_Rate (x，y)。變化率M_Rate (x，y)選取像素點(diǎn)的八個(gè)鄰域像素點(diǎn)中最 大差值11^6(叉，7)=11^{1^#)-]\^，7)}，其中^#)點(diǎn)（叉，7)鄰域坐標(biāo)點(diǎn) 。
[0178] 3)根據(jù)實(shí)際情況設(shè)定閾值，按照以下公式篩選出變化率：
[0179] M_Rate(x,y)
[0180] 較大的像素點(diǎn)作為非光照區(qū)域，經(jīng)過膨脹變換，獲得剔除光照區(qū)域的前景掩膜。根 據(jù)實(shí)驗(yàn)數(shù)據(jù)分析得到變化率的判斷閾值為1.32，即定義車輛匹配的最終結(jié)果：
[1 M _ Rate( .\\ v) > 1.32 [0181 ] D - 1 () M Xv，.i.) < 1.32 ，.
[0182] 其中，D=1表示非光照區(qū)域，值D = 0表示光照區(qū)域。經(jīng)過連續(xù)膨脹變換，得到光照 區(qū)域的前景掩膜。
[0183] 步驟五:車輛光照干擾抑制，主要包括以下內(nèi)容：
[0184] 將未經(jīng)處理的車輛前景圖同前景掩膜疊加，抑制光照區(qū)域?qū)囕v目標(biāo)提取的干 擾，實(shí)現(xiàn)了車輛目標(biāo)的準(zhǔn)確提取。
[0185] 最后說明的是，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管參照較 佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技 術(shù)方案進(jìn)行修改或者等同替換，而不脫離本技術(shù)方案的宗旨和范圍，其均應(yīng)涵蓋在本發(fā)明 的權(quán)利要求范圍當(dāng)中。
【主權(quán)項(xiàng)】
1. 基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，其特征在于:包括W下步驟： 步驟一:根據(jù)車輛的結(jié)構(gòu)特征建立車輛光照模型； 步驟二:計(jì)算車輛光照模型中光照強(qiáng)度梯度特征，得到光照區(qū)域的光照強(qiáng)度的不變特 性值M(x,y); 步驟=:獲取該場(chǎng)景的視頻圖像并提取前景車輛目標(biāo)圖像； 步驟四：根據(jù)不變特性值M(x，y)建立光照區(qū)域的前景掩膜； 步驟五:將未經(jīng)處理的車輛前景圖同前景掩膜疊加，得到光照抑制后的車輛目標(biāo)圖像。2. 如權(quán)利要求1所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，其特征在 于:所述車輛光照模型是通過W下步驟來建立的： 11) 獲得車輛光照與隧道路面間的相對(duì)位置特征； 12) 根據(jù)相對(duì)位置特征、車輛光照福射特性和漫反射特性，按照W下公式建立車輛光照 模型：其中，D(x，y)表示車輛光照區(qū)域的光照強(qiáng)度特性，Kd為景物表面的漫反射系數(shù)，In是點(diǎn) 光源發(fā)出的入射光光強(qiáng)，Hi為車燈距離地面高度，（x，y)表示W(wǎng)車燈中屯、垂直于地面點(diǎn)為原 點(diǎn)、垂直于道路方向?yàn)閄軸、平行于道路方向?yàn)閥軸建立的坐標(biāo)系上的點(diǎn)。3. 如權(quán)利要求1所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，其特征在 于:所述不變特性值M( X，y)是通過W下步驟來實(shí)現(xiàn)的： 21) 計(jì)算求取光照區(qū)域內(nèi)的各點(diǎn)的光照強(qiáng)度梯度方向的各階偏導(dǎo)： 22) 根據(jù)各階偏導(dǎo)按照W下公式得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏導(dǎo)間不 變特性值MU，y):其中，N(x，y)只受環(huán)境影響，在同一場(chǎng)景相同路面條件下保持固定，而M(x，y)由車輛光 照固有特性決定，對(duì)于同一車輛的照射區(qū)域保持恒定，其中由此可利用光照區(qū)域在梯度方 向的偏導(dǎo)獲得一個(gè)較為穩(wěn)定的不變特征值。4. 如權(quán)利要求1所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，其特征在 于:所述車輛目標(biāo)圖像的提取是通過W下步驟來實(shí)現(xiàn)的： 31) 獲取場(chǎng)景的視頻圖像； 32) 采用背景差分法處理視頻圖像； 33) 將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理； 34) 提取前景車輛目標(biāo)的區(qū)域輪廓。5. 如權(quán)利要求1所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制方法，其特征在 于:所述前景掩膜建立是通過W下步驟來實(shí)現(xiàn)的： 41)計(jì)算各像素點(diǎn)梯度方向W及梯度方向的各階梯度值，按照W下公式利用各階梯度 值求取各像素點(diǎn)的不變特性值M(x，y):42) 根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，按照W下公式計(jì)算像素點(diǎn) 變化率最大差值1_3日*6 (X，y): M_Rate(x,y) =max{M(xi,yi)-M(x,y)}, 其中，（xi，yi)點(diǎn)（x，y)鄰域坐標(biāo)點(diǎn)； 43) 按照W下公式選取條畫占化兩前縣輸瞄.其中，D=I表示非光照區(qū)域，值D = O表示光照區(qū)域，T虹表示預(yù)設(shè)闊值。6. 基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制系統(tǒng)，其特征在于:包括車輛光照模 型建立模塊、光照強(qiáng)度特性值計(jì)算模塊、車輛目標(biāo)圖像生成模塊、前景掩膜生成模塊和光照 抑制后的車輛目標(biāo)圖像生成模塊； 所述車輛光照模型建立模塊，用于根據(jù)車輛的結(jié)構(gòu)特征建立車輛光照模型； 所述光照強(qiáng)度特性值計(jì)算模塊，用于計(jì)算車輛光照模型中光照強(qiáng)度梯度特征，得到光 照區(qū)域的光照強(qiáng)度的不變特性值M(x，y); 所述車輛目標(biāo)圖像生成模塊，用于獲取該場(chǎng)景的視頻圖像并提取前景車輛目標(biāo)圖像； 所述前景掩膜生成模塊，用于根據(jù)不變特性值M(x，y)建立光照區(qū)域的前景掩膜； 所述光照抑制后的車輛目標(biāo)圖像生成模塊，用于將未經(jīng)處理的車輛前景圖同前景掩膜 疊加，得到光照抑制后的車輛目標(biāo)圖像。7. 如權(quán)利要求6所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制系統(tǒng)，其特征在 于:所述車輛光照模型建立模塊中的車輛光照模型是通過W下步驟來建立的： 11) 獲得車輛光照與隧道路面間的相對(duì)位置特征； 12) 根據(jù)相對(duì)位置特征、車輛光照福射特性和漫反射特性，按照W下公式建立車輛光照 模型：其中，D(x，y)表示車輛光照區(qū)域的光照強(qiáng)度特性，Kd為景物表面的漫反射系數(shù)，In是點(diǎn) 光源發(fā)出的入射光光強(qiáng)，Hi為車燈距離地面高度，（x，y)表示W(wǎng)車燈中屯、垂直于地面點(diǎn)為原 點(diǎn)、垂直于道路方向?yàn)閄軸、平行于道路方向?yàn)閥軸建立的坐標(biāo)系上的點(diǎn)。8. 如權(quán)利要求6所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制系統(tǒng)，其特征在 于:所述光照強(qiáng)度特性值計(jì)算模塊中的不變特性值M(x，y)是通過W下步驟來實(shí)現(xiàn)的： 21) 計(jì)算求取光照區(qū)域內(nèi)的各點(diǎn)的光照強(qiáng)度梯度方向的各階偏導(dǎo)： 22) 根據(jù)各階偏導(dǎo)按照W下公式得到光照區(qū)域的光照強(qiáng)度在梯度方法的各階偏導(dǎo)間不 變特性值MU，y):其中，N(x，y)只受環(huán)境影響，在同一場(chǎng)景相同路面條件下保持固定，而M(x，y)由車輛光 照固有特性決定，對(duì)于同一車輛的照射區(qū)域保持恒定，其中由此可利用光照區(qū)域在梯度方 向的偏導(dǎo)獲得一個(gè)較為穩(wěn)定的不變特征值。9. 如權(quán)利要求6所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制系統(tǒng)，其特征在 于:所述車輛目標(biāo)圖像生成模塊中的車輛目標(biāo)圖像的提取是通過W下步驟來實(shí)現(xiàn)的： 31) 獲取場(chǎng)景的視頻圖像； 32) 采用背景差分法處理視頻圖像； 33) 將視頻圖像進(jìn)行二值化，并將提取的二值化圖像進(jìn)行形態(tài)學(xué)處理； 34) 提取前景車輛目標(biāo)的區(qū)域輪廓。10. 如權(quán)利要求6所述的基于梯度特征的隧道場(chǎng)景車輛光照干擾的抑制系統(tǒng)，其特征在 于:所述前景掩膜生成模塊中的前景掩膜建立是通過W下步驟來實(shí)現(xiàn)的： 41) 計(jì)算各像素點(diǎn)梯度方向W及梯度方向的各階梯度值，按照W下公式利用各階梯度 值求取各像素點(diǎn)的不變特性值M(x，y):42) 根據(jù)各像素點(diǎn)及其鄰域的像素點(diǎn)的不變特性值M(x，y)，按照W下公式計(jì)算像素點(diǎn) 變化率最大差值1_3日*6 (X，y): M_Rate(x,y)=max{M(xi,yi)-M(x,y)}, 其中，（xi，yi)點(diǎn)（x，y)鄰域坐標(biāo)點(diǎn)； 43) 按照W下公式選取像素點(diǎn)作為前景掩膜：其中，D=I表示非光照區(qū)域，值D = O表示光照區(qū)域，T虹表示預(yù)設(shè)闊值。
【文檔編號(hào)】G06K9/46GK105913004SQ201610213110
【公開日】2016年8月31日
【申請(qǐng)日】2016年4月7日
【發(fā)明人】趙敏, 孫棣華, 劉衛(wèi)寧, 鄭林江, 石雨新
【申請(qǐng)人】重慶大學(xué)