一种基于亮度递减验证的夜间车辆尾灯提取方法
【技术领域】
[0001] 本发明属于基于计算机单目视觉的智能车（Intelligent Vehicle)领域，特别涉 及一种基于亮度递减验证的夜间车辆尾灯提取方法。
【背景技术】
[0002] 夜间车辆检测可以被应用于自动驾驶汽车，预警系统等。基于计算机视觉的夜间 车辆识别以单目摄像头的实时视频作为输入，对前方车辆进行识别并判断车辆状态等。在 车载的夜间前方车辆检测中，尾灯是夜间道路上车辆的唯一明显特征，因此，尾灯检测是夜 间车辆检测方法的关键。
[0003] 车辆尾灯提取方法主要分为三类：基于颜色阈值过滤的方法、基于亮度和尾灯形 态过滤的方法和基于机器学习的方法。
[0004] 基于颜色阈值过滤的方法主要依据车辆尾灯"类似红色，亮度较高"等先验特征， 通过经验阈值过滤提取符合阈值范围的像素区域，接着通过对过滤结果进行连通域查找等 步骤提取尾灯。此类方法计算量较小，实时性好。但是，固定颜色阈值过滤的检测方法易受 环境光照、摄像头参数等影响，在复杂道路环境中，检测率较低或不稳定。
[0005] 基于亮度和尾灯形态过滤的方法先依据亮度信息来过滤提取图像高亮区域，再通 过尾灯形态过滤干扰对象，最后得到尾灯对象。此类方法不受图像颜色差异影响，算法的颜 色适应性较好。该方法一般按照类似圆形进行形状过滤排除其他形态的干扰，而车辆尾灯 形态还有其他很多形状，并且刹车、转向等行为也会影响同一个尾灯的形状特点，因此，这 类方法对于车辆尾灯的形态适应性较弱，影响到算法的鲁棒性。
[0006] 基于机器学习的尾灯提取方法通过建立大量尾灯样本库，构建尾灯的描述特征， 通过训练检测模型实现尾灯检测。但是，尾灯的纹理不明显、轮廓特征变化大。目前，缺少 一种描述能力强的特征来描述尾灯。因此，此类方法的检测效果较差，而且，由于计算复杂 度高，通常实时性难以保证。
【发明内容】
[0007] 针对上述车辆尾灯检测方法存在的问题，本发明提出了一种基于亮度递减验证的 夜间车辆尾灯提取方法。首先对车灯图像进行感兴趣区域（ROI)分割、宽泛阈值过滤，提取 白色高亮区域，依据高亮区域的外接矩形（记内矩形）的形态，对高亮区域进行初步过滤， 得到疑似车灯对象。在假设验证过程中，本发明首先对疑似车灯对象进行内矩形拓展，得到 疑似对象光晕区域的大致范围；接着基于车灯白色区域边缘向外不规则的层层拓展，从而 对光晕区域进行精确覆盖；然后，基于"越远离白光区域的光晕点亮度值越低"的事实对疑 似车灯对象的光晕区域的亮度分布进行验证，得到可信度较高的车灯对象。
[0008] 本发明所采用的技术方案包括如下步骤：
[0009] 步骤1 :图像预处理，以原始图像imgs"为输入，得到经过感兴趣区域分割和宽泛 阈值过滤后的图像img K(；Bfilte;
[0010] 步骤2 :搜索高亮区域得到疑似车灯对象区域；
[0011] 步骤3 :对疑似车灯区域的内矩形拓展得到车灯光晕区域；
[0012] 步骤4 :层次拓展白色区域边界得到疑似车灯的光晕区域及其层次结构；
[0013] 步骤5 :对光晕区域层次结构进行亮度递减验证。
[0014] 步骤1所述的图像预处理具体如下：
[0015] 1-1、感兴趣区域分割；
[0016] 对原始图像imgSlx进行ROI分割，得到分割图像imgKQI;
[0017] 1-2、宽泛阈值过滤；
[0018] 对分割图像111^()1采用宽泛阈值进行过滤，得到阈值过滤后的过滤图像 im^RGBfilter?
[0019] 所述的宽泛阈值通过大量采样统计得到；具体的对不同摄像头在不同场景下拍摄 的视频中车尾灯光晕像素点的RGB值做采样；采样包括通常状态下尾灯和特殊状态下的尾 灯，特殊状态包括刹车状态和转向灯状态；统计光晕像素点的R，G，B取值分布，从而得出车 尾灯光晕像素点的RGB值满足公式（1)中不等式共同确定的宽泛阈值约束；使用该宽泛阈 值约束不等式组过滤分割图像img KQI，得到过滤后的过滤图像imgK(；BfiltOT;
【主权项】
1. 一种基于亮度递减验证的夜间车辆尾灯提取方法，其特征在于包括如下步骤： 步骤1 :图像预处理，以原始图像imgs，。为输入，得到经过感兴趣区域分割和宽泛阈值 过滤后的图像imgReBfilte; 步骤2 :搜索高亮区域得到疑似车灯对象区域； 步骤3 :对疑似车灯区域的内矩形拓展得到车灯光晕区域； 步骤4 :层次拓展白色区域边界得到疑似车灯的光晕区域及其层次结构； 步骤5 :对光晕区域层次结构进行亮度递减验证。
2. 如权利要求1所述的一种基于亮度递减验证的夜间车辆尾灯提取方法，其特征在于 步骤1所述的图像预处理具体如下： 1-1、感兴趣区域分割； 对原始图像imgSlx进行ROI分割，得到分割图像imgKQI; 1- 2、宽泛阈值过滤； 对分割图像丨11^。1采用宽泛阈值进行过滤，得到阈值过滤后的过滤图像 所述的宽泛阈值通过大量采样统计得到；具体的对不同摄像头在不同场景下拍摄的视 频中车尾灯光晕像素点的RGB值做采样；采样包括通常状态下尾灯和特殊状态下的尾灯， 特殊状态包括刹车状态和转向灯状态；统计光晕像素点的R，G，B取值分布，从而得出车尾 灯光晕像素点的RGB值满足公式（1)中不等式共同确定的宽泛阈值约束；使用该宽泛阈值 约束不等式组过滤分割图像imgKQI，得到过滤后的过滤图像
3. 如权利要求1所述的一种基于亮度递减验证的夜间车辆尾灯提取方法，其特征在于 步骤2所述的搜索高亮区域得到疑似车灯对象区域具体如下： 2- 1、搜索图中高亮区域； 搜索过滤图像imgK(；BfiltOT中白色像素点，白色像素点的过滤阈值设定为245 ;通过过滤 阈值对过滤图像imgK(；BfilteljS行处理，得到处理后的灰度图imgtoy;将灰度图imgtoy再进行 二值化处理得到二值化图像imgBin，即将灰度图img&ey中像素值高于245的像素点赋值为 1，低于245的像素点赋值为0,产生二值化图像索二值化图像imgBin中的连通区 域，得到白色像素点连通区域的集合comps，假设连通区域的个数为n，则comps=[compp comp2，…，compn];计算comps中每一个连通域comp^外边界，得到一个外边界集合， 该外边界集合即为所有高亮白色区域的轮廓集合，记contours，contours= [contour^ contour2，…，contourj;对contours中每一个元素contouri进行外接矩形计算，计算后得 到每一个高亮区域轮廓的外接矩形，用一个集合储存称之为"内矩形"集合，记innerRects， innerRects=[innerRectpinnerRect2，…，innerRectJ; 2-2、通过形态过滤内矩形，对疑似车灯对象进行筛选； 以内矩形集合innerRects为输入，对每一个内矩形对象;[11116冰6(^进行筛选，通过尾 灯的几何先验特征约束条件过滤去除内矩形集合innerRects中明显不满足要求的元素， 得到筛选后的内矩形集合；由于内矩形集合innerRects中的元素和contours中的元素是 --对应的，因此对内矩形集合innerRects进行过滤的同时外边界集合contours中的元 素也被相应筛选；设一个内矩形的面积为Simeate;t，宽和高分别为WinnOTltec；dPHinnOTltec;t，阈值含 义和数值设置如表1所示；内矩形初步过滤的规则定义如公式（2)所示： S ^innerRect^ 111J-^min_area HinnerRect^Thremin-height WThi^p n imerRect，1丄丄丄i min_width
表1阈值含义和数值设置表
公式（2)所示的约束对所有疑似车灯对象的内矩形进行了外形过滤，去掉面积过小 的疑似车灯对象、高度太小或者宽度太小的疑似车灯对象、宽高比不满足阈值规定范围的 疑似车灯对象；假设过滤之后，满足条件的内矩形个数为n_hg，则过滤之后得到满足条件 的内矩形集合innerRects=[innerRectpinnerRect2，…，innerRectn_hg]，与内矩形集 合innerRects元素--对应的高亮区域轮廓集合contours= [contour^contour2，…， contournhg] 〇
4.如权利要求1所述的一种基于亮度递减验证的夜间车辆尾灯提取方法，其特征在于 步骤3所述的对疑似车灯区域的内矩形拓展得到车灯光晕区域具体如下 以内矩形集合innerRects为输入，对其中每一个元素innerRectp按规则拓展得到包 围该疑似车灯光晕