車輛壓線檢測方法
其中,P為對所有集合Ri中元素的邏輯謂詞,Ф則代表空集。文中使用大津法作為閾值分割法。大津法(Ostu)是大津于1979年提出,對圖像I,記T為前景與背景的分割閾值,前景點數(shù)占圖像比例為w0,平均灰度為u0;背景點數(shù)占圖像比例為w1,平均灰度為u1。圖像的總平均灰度為uT=w0×u0+w1×u1。從最小灰度值到最大灰度值遍歷T,當T使方差值σ2=w0×(u0-uT)2+w1×(u1-uT)2最大時,T即為分割的最佳閾值。方差是灰度分布均勻性的一種度量,方差值越大,說明構(gòu)成圖像的兩部分差別越大,當部分前景錯分為背景或部分背景錯分為前景都會導(dǎo)致兩部分差別變小,因此使方差最大的分割意味著錯分概率最小。直接用大津法計算量較大,因此在實現(xiàn)時采用等價公式σ2=w0×w1×(u0-u1)2。完成車輛分割后,再進行圖像形態(tài)學(xué)處理,進而完成矩形框標記。
2 實驗結(jié)果與分析
選取固定攝像機獲取的一段城市道路交通視頻作為研究對象。首先采用圖像分割技術(shù),只選取黃線附近的大致區(qū)域,得到檢測帶,從而減少數(shù)據(jù)量,提高處理速度。實際情況中,由于光線影響以及人為劃定的黃線存在偏差,會造成圖像中的黃線不一定為嚴格意義上的直線。在用Hough變換標定黃線時會造成圖1右側(cè)所示的情況:兩條黃線并非完整直線,而是由直線段連接而成。通過連接距離最遠的端點即可得到道路中兩條黃線。而Hough變換后,就可以得到所有線段的端點,即用十字標出的端點。再用Matlab在圖中標定出黃線的位置,如圖1所示。本文引用地址:http://www.bjwjmy.cn/article/196160.htm
圖1(b)中兩條直色線即為用上述方法標定的黃線。黃線標定后,這兩者之間即為黃線區(qū)域,通過判斷這個區(qū)域內(nèi)是否有車輛,即可判斷是否有車輛壓線,達到檢測目的。由圖可以看出,圖中有車輛存在壓黃線的行為。確定黃線位置后,需要在圖中用矩形框標出車輛位置,圖2為車輛分割結(jié)果,圖3即為處理結(jié)果。
評論