[發明專利]一種基于半機器學習的車道視頻檢測方法

有效

• 申請號: 201310186592.6
• 申請日: 2013-05-16
• 公開（公告）號: CN103383733A
• 公開（公告）日: 2013-11-06
• 發明（設計）人: 吳偉;周煜遠;王輝;錢小鴻;吳越;胡健青
• 申請（專利權）人: 浙江智爾信息技術有限公司;銀江股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G08G1/01
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

技術領域

本發明涉及智能交通技術領域，尤其是一種車道視頻檢測方法。

背景技術

近年來，隨著高清高速視覺傳感器、高性能DSP和機器學習技術的快速發展，智能視頻檢測已經逐漸取代傳統的線圈、紅外、微波等檢測手段，成為智能交通領域應用最為廣泛的檢測技術。

在智能交通領域，高清智能視頻檢測技術的主要優勢在于1）視頻檢測器安裝無破壞性，不破壞路面，不關閉車道，不會影響正常的交通秩序。2）視頻檢測器可以獲取更為豐富的交通信息，如在電子警察應用中，傳統的線圈型電子警察只能單一檢測闖紅燈行為；而基于視頻檢測的電子警察除了正常捕獲闖紅燈行為之外，還可以對逆行、實線變道、闖禁行（禁左、禁右、禁掉頭）等多種違章駕駛行為進行自動抓拍，同時具備卡口和流量監測功能，大大擴展了電子警察產品功能。

在各種智能交通視頻檢測應用中，道路的背景建模和車道檢測是基礎。通常對于車道分割的處理方法是采用人工畫線，標定不同車道的所屬區域。這種人工標定的方法雖然解決了車道分割，但卻為工程應用帶來很大的不便和額外工作量，特別是對在復雜的檢測環境中，過多的人工標定甚至會影響到視頻檢測的準確性。

車道自動檢測主要有三種主流的方法：

第一種方法是利用攝像頭的標定技術,在已知攝像頭參數的情況下,對路面進行估計，如申請號為200510110653的中國發明專利，公開了一種車輛位置估計方法，結合攝像機參數計算車道的寬度和曲率，以及車輛距離車道中心的距離和車輛中心線與車道中心線的夾角來實現。

第二種方法是使用車輛的軌跡進行自動的車道分割,對車輛的軌跡進行分析不能對較為復雜的車道進行分割。如申請號為201210077839的中國發明專利，公開了一種基于跟蹤的車輛違章掉頭行為檢測方法，從交通監控視頻中提取的車輛及其運動信息與車道信息相互匹配。

第三種方法是利用車道的視覺特征,因為車道在視覺特性上是不同于自然物體的,其顏色和邊緣都具有明顯的特點，該方法在交通視頻監控領域被普遍的應用。在利用車道的視覺特征方法中，由于缺少一種穩定的系統的方法，面對復雜的各種環境，很難單獨取得很好的識別，所以往往結合一些模型和假設，利用道路的先驗知識，結合圖像特征估計出車道，常見的有道路圖像消失點的數學模型、道路形狀假設、路面特征假設等等。這些假設和模型，不僅限制了交通視頻中對場景的適應性，也加大了操作的難度和實現的復雜度。

發明內容

為了克服已有車道自動檢測技術的適用性較差、實時性較差、穩定性較差的不足，本發明提供了一種適用性良好、實時性較好、穩定性良好的基于半機器學習的車道視頻檢測方法。

本發明解決其技術問題所采用的技術方案是：

一種基于半機器學習的車道視頻檢測方法，所述檢測方法包括以下步驟：

第一步，從視頻中分析出路面背景圖片，并動態更新；

第二步，針對路面圖片特點采用中值濾波進行預處理；

第三步，采用邊緣檢測技術提取車道的邊緣信息，并結合車道特點，剔除遠景部分的干擾信息；

第四步，利用改進的Hough變換檢測直線，對直線的多維數字特征進行約束，每次將圖像空間中的點映射到參數空間后都會檢查各個累加器的計數是否超過了累加閾值；

第五步，提取直線的多維特征向量聚類，利用直線的斜率、位置、長度，采用半機器學習的K-means算法實現聚類，具體過程如下：

1)對每條直線提取出斜率、位置、長度、延長線與邊界的交點、原圖顏色值、原圖梯度空間值，作為每條直線的高維特征向量；

2)每個維度進行歸一化；

3)對于不同路口車道線的數目不同，采用統計的方法，自適應的選擇聚類的數目，再結合聚類結果分析比較，從而找到最優的聚類中心數量：