[發明專利]一種大數據汽車駕駛區域圖像分析方法及系統

在審

• 申請號: 202011058184.9
• 申請日: 2020-09-30
• 公開（公告）號: CN112149600A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 汪金玲
• 申請（專利權）人: 汪金玲
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/38;G06T7/136;G06T7/194
• 代理公司: 長沙正務聯合知識產權代理事務所(普通合伙) 43252
• 代理人: 鄭雋;吳婷

1.一種大數據汽車駕駛區域圖像分析方法，其特征在于，所述方法包括：

獲取汽車駕駛視頻流，并從中截取若干幀汽車駕駛圖像，并將所截取的汽車駕駛圖像轉換為灰度圖；

利用局部最大類間方差法對所述灰度圖進行二值化處理，得到二值化汽車駕駛圖像；

利用動態區域檢測方法，根據上一幀汽車駕駛圖像的車速數據檢測到當前汽車的所處區域；

利用基于動態區域的全局搜索算法對汽車所處區域進行搜索，得到汽車的當前駕駛區域，所述汽車的當前駕駛區域為汽車的駕駛路線；

根據所述汽車駕駛區域，利用所述動態區域檢測法，預測汽車的后續駕駛區域。

2.如權利要求1所述的一種大數據汽車駕駛區域圖像分析方法，其特征在于，所述將所截取的汽車駕駛圖像轉換為灰度圖，包括：

利用灰度圖轉換方法將所截取的汽車駕駛圖像轉換為灰度圖，所述灰度圖轉換公式為：

Gray_(i，j)＝R_(i，j)×0.3+G_(i，j)×0.59+B_(i，j)×0.11

其中：

R_(i，j)，G_(i，j)，B_(i，j)為像素(i，j)在R，G，B三個顏色分量中的像素值；

Gray_(i，j)為像素(i，j)的灰度值。

3.如權利要求2所述的一種大數據汽車駕駛區域圖像分析方法，其特征在于，所述利用局部最大類間方差法對所述灰度圖進行二值化處理，包括：

1)計算灰度圖的平均灰度：

其中：

M×N像素為灰度圖的大小；

k表示灰度圖的灰度級；

ρ(k)為灰度級為k的像素出現的概率；

n(k)為灰度級為k的像素出現的個數；

2)以灰度級m為分割閾值，小于此閾值為背景，大于等于此閾值為前景，從而將灰度圖分成前景和背景，則背景灰度值為：

背景數比例為：

前景灰度值為：

前景數比例為：

3)計算前景和背景的方差：

σ＝w_b×(μ_b-μ)²+w_f×(μ_f-μ)²

通過對分割閾值m進行修改，使得前景和背景的方差達到最大，此時的分割閾值為最佳分割閾值，并以最佳分割閾值進行灰度圖的二值化分割處理，得到二值化汽車駕駛圖像。

4.如權利要求3所述的一種大數據汽車駕駛區域圖像分析方法，其特征在于，所述利用動態區域檢測方法檢測到當前汽車的所處區域，包括：

1)利用仿射變換將汽車駕駛圖像轉換為鳥瞰圖；

2)標定鳥瞰圖中像素坐標系和大地坐標系的位移比例：

其中：

m為鳥瞰圖中像素坐標系下的行坐標；

n為鳥瞰圖中像素坐標系下的列坐標；

h為大地坐標系下的實際橫向距離；

s為大地坐標系下的實際縱向距離；

ax,ay分別是鳥瞰圖坐標系與大地坐標系的橫縱向距離比；

3)對左右車道線點集進行大地坐標系轉化：

x_l，y_l為左車道線的橫向以及縱向坐標；

x_r，y_r為右車道線的橫向以及縱向坐標；

并進行極坐標的轉化：

4)計算車道線各點的切線斜率為：

5)對車輛的動態區域進行檢測，所述車輛的動態區域范圍為：

其中：

X為動態區域的橫向距離；

Y為動態區域的縱向距離；

t為第t幀汽車駕駛圖像；

v為汽車的行駛速度。