基于形态特征的夜间行驶车辆远光灯开启状态的判别方法

摘要

本发明公开了一种基于形态特征的夜间行驶车辆远光灯开启状态的判别方法，步骤包括：步骤1、获取能够明显辨别车灯形态的图像；步骤2、对捕获图像进行二值化处理；步骤3、对二值化处理后的图像进行腐蚀处理；步骤4、对腐蚀处理后的效果图进行贴标签处理；步骤5、对贴标签后的图像进行小面积连通域的消除处理；步骤6、对小面积连通域消除处理后的效果图进行连通域合并处理；步骤7、对车灯排列形状进行检测；步骤8、判断同一车辆的车灯开启状态。本发明的判别方法，基于形态特征能够准确的判别夜间行驶车辆远光灯开启状态。

主权项

一种基于形态特征的夜间行驶车辆远光灯开启状态的判别方法，其特点在于：包括以下步骤：步骤1、获取能够明显辨别车灯形态的图像通过对摄像机或相机设置合适的曝光参数、光源补光、高光抑制、红外成像、偏振滤波，实现对夜间行驶车辆车灯区域发光体的形状特征的清晰捕获；步骤2、对捕获图像进行二值化处理对读入视频的当前帧图像[frame(x,y)]_m×n进行二值化处理，提取包含车灯部分在内的高光区域，作为车灯形态识别的待测区域，其中的m×n表示帧图像的行数为m行，列数为n列，(x,y)表示帧图像中像素点的坐标，[·]表示整个图像，选用Otsu算法，则二值化图像[binary(x,y)]_m×n为：$\mathrm{binary}(x,y)=\left\{\begin{array}{cc}1& \mathrm{frame}(x,y)\ge \mathrm{Th}\\ 0& \mathrm{frame}(x,y)<\mathrm{Th}\end{array}\right.,---\left(1\right)$其中，Th为二值化的阈值；步骤3、对二值化处理后的图像进行腐蚀处理即对二值化图像binary(x,y)进行形态腐蚀处理，腐蚀运算时，采用N×N的正方形结构元素Se，N为奇数，原点为结构元素Se中心位置，设对binary(x,y)进行形态腐蚀处理后的效果图为步骤4、对腐蚀处理后的效果图进行贴标签处理对腐蚀运算后的效果图进行贴标签，每一个不同的标签代表不同的连通域；步骤5、对贴标签后的图像进行小面积连通域的消除处理首先统计每一个连通域的面积，第K个连通域面积S_k的计算公式为：$\begin{array}{cc}{S}_k=\underset{(x,y)\in {\Omega }_k}{\Sigma }\hat{b}(x,y)& k=\mathrm{1,2,3},···,L,\end{array}---\left(2\right)$其中，L为连通域的个数，Ω_k为第K个连通域；之后，消除面积小于预设阈值Area的连通域，设对进行小面积连通域消除处理后的效果图为小面积连通域消除处理的计算公式为：步骤6、对小面积连通域消除处理后的效果图进行连通域合并处理连通域合并处理的计算公式如下：其中，[a,b]为连通域合并处理的范围，a＜0,b＞0，a和b均为整数；步骤7、对车灯排列形状进行检测设置有上下、左右、左向倾斜、右向倾斜四个方向的匹配模板，设模板为Template(x,y)，构建待测连通域与模板之间的匹配相似度评价函数Similar(k)，在构建评价函数Similar(k)时，引入奖励开关函数S_reward(x,y)和惩罚开关函数S_penalty(x,y)，计算公式如下：其中表示的第k个连通域，相似度评价函数Similar(k)的计算公式如下：$\mathrm{Similar}\left(k\right)=\underset{(x,y)\in {\Omega }_k}{\Sigma }{\tilde{b}}_k(x,y)\times S_{\mathrm{reward}}(x,y)+\underset{(x,y)\in {\Omega }_k}{\Sigma }{\tilde{b}}_k(x,y)\times S_{\mathrm{penalty}}(x,y),---\left(7\right)$计算远光灯判定条件如下：Similar(k)＞th_ρ，           (8)其中，th_ρ为远光灯的判断阈值；步骤8、判断同一车辆的车灯开启状态。