[發明專利]一種道路行駛區域的視覺檢測方法

有效

• 申請號: 201710437201.1
• 申請日: 2017-06-09
• 公開（公告）號: CN107292253B
• 公開（公告）日: 2019-10-18
• 發明（設計）人: 李垚辰;劉躍虎;祝繼華;牛振寧;郭瑞;馬士琦
• 申請（專利權）人: 西安交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 何會俠

本發明公開了一種道路行駛區域的視覺檢測方法，該方法利用超像素作為中層特征感知一致性單元，在中層超像素分割基礎上構建能量函數，能量函數的數據依賴項由超像素的顏色、紋理、位置特征定義，數據交互項引入時空鄰域超像素的交互作用，根據其標簽和顏色特征差異性予以定義，此外，根據“初始化類別標簽—初始全局能量計算—局部能量比較—全局能量比較”循環判別實施能量最小化，本發明可有效檢測圖像及視頻中的道路行駛區域，方法簡單有效。

技術領域

本發明屬于圖像處理、計算機視覺及模式識別領域，具體涉及一種道路行駛區域的視覺檢測方法。

背景技術

道路行駛區域的檢測，在圖像處理、計算機視覺及模式識別領域具有重要的應用，根據道路行駛區域的檢測結果，可決定視頻圖像場景中車輛、行人存在的空間范圍，并服務于智能交通系統領域；經典的馬爾科夫隨機場方法可實現像素級別的圖像區域檢測，基本思想是將上下文約束應用于圖像中相鄰的元素；為了增加檢測判別所使用的特征維數，提高區域檢測的速度，Wang方法(參考Wang的方法：Wang XF,Zhang XP.A new localizedsuperpixel Markov random field for image segmentation[C].IEEE InternationalConference on Multimedia&Expo.2009)提出了一種基于局部超像素馬爾科夫隨機場的圖像分割方法，采用循環迭代的方式，以超像素代替像素實現圖像區域檢測，然而該方法存在未充分利用圖像時域信息、能量函數迭代復雜、效率不高等缺陷；Pei方法(參考Pei的方法：Pei SC,Chang WW,Shen CT.Saliency detection using superpixel beliefpropagation[C].IEEE International Conference on Image Processing,2014.)提出了一種基于超像素顯著性特征的圖像區域檢測算法，首先將圖像分割為中層超像素，并提取單個超像素的視覺特征，在此基礎上建立馬爾科夫隨機場算法來優化圖像顯著性區域，然而該方法要求圖像前背景區域具有較強對比度，并且對初始顯著性區域的依賴性較強。

發明內容

本發明解決的問題在于提供一種在運動復雜背景條件下的道路行駛區域檢測的快速魯棒方法，該方法在中層超像素分割基礎上構建能量函數，能量函數的數據依賴項由超像素的顏色、紋理、位置特征定義；數據交互項引入時空鄰域超像素的交互作用，根據其標簽和顏色特征差異性予以定義；根據“初始全局能量值計算—局部能量值比較—全局能量值比較”循環判別實施能量最小化；圖像序列的首幀超像素類別標簽依據語義標注生成，具有良好的區域判別效果。本發明準確率高，簡單有效。

為了達到上述目的，本發明采用如下技術方案：

一種道路行駛區域的視覺檢測方法，包括如下步驟：

步驟1：對輸入圖像進行超像素分割；

步驟2：采用語義標注分類的方式，對首幀圖像中超像素的類別標簽進行初始化；對圖像序列中的其余各幀，認為相鄰圖像幀之間的道路區域改變較小，將當前幀超像素類別標簽傳播到下一幀作為初始化；

步驟3：初始全局能量函數計算：基于初始超像素類別標簽，計算當前幀的初始全局能量函數E₁⁰，其中能量函數由數據觀測項和數據交互項兩部分組成，數據交互項考慮了幀內的空域超像素交互影響，以及相鄰幀之間的時域超像素交互影響；

其中針對t時刻的全局能量函數定義如下：